SVM在气体减压器稳定性能中的应用

使用支持向量机(SVM)研究涡轮气封减压试验系统中高压卸荷膜片式减压器的稳定性问题,主要集中于以往方法不易涉及的多结构参数变化.针对稀疏易有残缺的小样本空间,与BP(back propagation)神经网络模型进行对比,得出SVM方法在所研究数据集上的一些结论:SVM模型预测性能在多结构参数变化情形下优于BP神经网络模型,预测误差平均降低了25.5%;SVM的泛化性好于BP;在双参数、三参数情形下,SVM模型为气体减压器的设计提供了更好的决策支持,给出了优化结构参数的设计建议.      

使用BP神经网络模型研究逆向卸荷膜片式减压器的稳定性能

采用数据挖掘中BP(back propagation)神经网络模型来研究逆向卸荷膜片式减压器的结构参数与稳定性能之间的依赖关系,得到结构参数变化,尤其是多结构参数耦合变化下减压器的稳定性结果.其中稳定性对阻尼孔直径、膜片刚度非常敏感,对弹性元件材料的阻尼系数、低压腔有效长度较为灵敏.由此提出减弱振荡的各种措施:增大阻尼孔直径、增大膜片刚度、在一定范围(标准值的6.5倍)内增大弹性元件材料的阻尼系数、增大低压腔有效长度、减小阀芯质量.数值实验误差分析表明:该模型不存在过拟合、局部最优的情况,其预测结果是可靠的,可为减压器的设计和系统分析提供决策支持.而且,该模型对不同类型的数据集具有通用性,可以用来研究其他部件的结构参数与性能指标的依赖关系.      

减压器关闭过程内部流场的动态仿真和特性分析

针对自主研制的大流量减压器,采用动网格技术和流固耦合仿真技术,将气体的流动和活动组件的运动耦合起来,实现了关闭过程中内部流场的动态仿真,描述了关闭过程减压器内压力和速度变化过程,掌握了流场中波系、回流区的演化情况。同时,通过对流场中不同位置参数进行监测,分析了监测点各参数随时间的变化情况,以及流量和开度的实时变化情况,研究了基于动态流场的关闭过程动态特性,揭示了影响动态特性的内在因素。     

基于CFD技术的高效叶栅耦合颤振分析方法

为了考虑叶轮机叶片结构与流体之间的耦合效应,同时提高叶轮机颤振数值研究的效率,发展了一种基于非定常气动力降阶模型(ROM)的叶栅耦合颤振分析方法。该方法运用时域计算流体力学(CFD)技术计算少数几个叶片的非定常气动力,通过系统辨识及一些假设构建整个叶栅振动的非定常气动力降阶模型,并在状态空间耦合叶栅结构动力学方程建立叶栅气动弹性方程,采用特征值和时域仿真分析该系统稳定性。运用该降阶耦合方法对STCF4(Standard Test Configuration 4)以及NASA Rotor67叶栅系统的稳定性进行了计算。通过与直接计算流体力学/计算结构动力学(CFD/CSD)耦合方法和非耦合方法计算结果的比较验证了该方法的准确性,且该降价耦合方法的计算效率相对于直接CFD/CSD耦合方法提高了1~2个量级,为叶轮机气动弹性参数研究、失谐研究以及多模态耦合计算等提供了便利。     

基于BP神经网络的金属橡胶本构关系的预估方法

采用BP(back propagation)神经网络算法对金属橡胶的本构关系系数进行学习训练,对BP神经网络做了比较详细的介绍,讨论了如何运用神经网络去预估金属橡胶的非线性本构关系系数,选择了BP神经网络参量,通过对金属橡胶的静态压缩实验数据进行参数识别,获得仅材料密度变化、材料密度和形状因子两种因素同时变化两种情况的...     

外激振动条件下气体减压器工作稳定性仿真研究

为研究运载火箭增压系统中减压器在外激振动条件下的工作稳定性,在减压器模型中通过壳体位移坐标引入振动激励源,建立了可模拟减压器在外激振动条件下工作过程的计算模型,对外激随机振动条件下增压系统动态工作过程进行了仿真.针对仿真发现的减压器下游压力振荡的不稳定现象,对减压器下游不同管路尺寸和减压器不同参数下的系统工作过程进行了对比计算.计算结果显示:增大减压器下游管路尺寸，减小减压器阀芯组件质量与减小阀芯组件与壳体间滑动摩擦力,都可以使压力振荡过程减弱,有利于改善减压器在外激振动过程下的工作稳定性.计算结果为减压器及增压系统的设计和优化提供了参考.      

基于均匀设计的粒子群优化在减压化设计中的应用

采用粒子群优化算法,对涡轮泵气封减压试验系统中的关键部件减压器进行结构优化设计.在优化过程之前采用两次均匀设计的方法缩小设计变量的取值范围,以提高计算效率.通过调节气封系统中的主要部件气体减压器的结构参数,使得减压器的出口压强稳定,满足工程需求.优化结果显示,通过两次均匀设计后,设计变量的取值范围得到有效压缩,减少了优化过程的计算量.与初始设计相比,减压器的出口压强振幅明显减弱,达到了工程设计的要求.      

考虑多参数变化的POGO振动稳定性分析

针对多参数变化对POGO振动稳定性的影响分析不足,搭建了捆绑火箭结构系统与推进系统耦合的POGO振动模型。筛选出助推器氧路的泵阻力系数、泵惯性系数、蓄压器压力、蓄压器能量值(PV值)等对POGO振动影响较大的参数,运用正交试验法,分析这些参数共同变化对POGO振动稳定性的影响。发现提高助推器氧路泵的阻力系数、蓄压器PV值,减小助推器氧路的泵的惯性系数、蓄压器压力可以提高POGO振动的稳定性,由极差分析得到各结构参数对POGO振动稳定性影响的主次顺序,同时得到提高POGO振动系统稳定性的最优方案,系统稳定性概率为99.7%,提高了7.3%。     

基于改进NS-SOMA的变循环发动机解耦控制方法

针对XTE76变循环发动机的控制结构问题,研究了2分块之间进行解耦的控制方法。基于内模原理,设计状态反馈控制器结构,以无超调快速跟踪和耦合抑制为目标,提出了改进的非支配序自组织迁移(NS-SOMA)多目标优化算法,在每代中按照与领导者的欧式距离均匀选择粒子进行迁移,提高了算法的收敛速度和精度,以此优化控制器参数,有效抑制了分块之间的耦合。同时研究了变循环发动机不分块的3变量控制方法,直接通过多目标优化抑制回路之间的耦合效应。在某型变循环发动机部件级模型上进行仿真验证,结果表明:不分块结构优于其他2种结构,相比分块控制结构,引起的最大耦合降低了30%,说明多变量综合控制更能充分利用现代控制理论解决回路之间的耦合问题。     

基于BP神经网络的飞机维护费用估算模型研究

前向反馈(Back Propagation,简称BP)网络通常是指基于误差反向传播算法(BP算法)的多层前向神经网络.目前,在人工神经网络的实际应用中,绝大部分的神经网络模型是采用BP网络或它的变化形式,它也是前向网络的核心部分,体现了人工神经网络最精华的部分.     

基于遗传算法的发动机控制通道数学模型辨识

由于控制器结构的变化,某型发动机电子调节器主要控制通道的动态响应过程为分段线性数学模型。为了获得精确的数学模型,对基本遗传算法进行了改进,提出了一种基于改进遗传算法的辨识算法,能有效辨识出系统的结构跳变时刻及其分段数学模型参数,仿真结果表明,该算法辨识的模型与实际系统接近,较之其它辨识算法具有计算稳定、辨识精度高和适应性强等优点。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选，降低输入维度；采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化，并对优化的神经网络进行训练；用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法，并且在参选故障诊断的性能参数不同时，其诊断误差相近，展现出较强的适应能力。      

基于蚁群改进 BP算法的组合预测模型在军械器材需求预测中的应用

针对在军械器材采购计划制定环节中的器材需求测算问题,提出基于蚁群改进BP算法的组合预测模型。先结合历史数据,利用多元线性回归预测法和自回归滑动平均模型（ARMA）进行初步预测,将初步预测的结果作为蚁群改进BP网络的输入,从而得到最终的预测结果。实验结果表明,基于蚁群改进BP算法的组合预测模型能够对积累的历史数据进行充分的应用,并且有较高的预测准确性。     

ELGR: An Energy-efficiency and Load-balanced Geographic Routing Algorithm for Lossy Mobile Ad Hoc Networks

Geographic routing is a highly active area of research in mobile ad hoc networks (MANETs) owing to its efficiency and scalability. However, the use of simple greedy forwarding decreases the packet reception rate (PRR) dramatically in unreliable wireless environments; this also depresses the network lifetime. Therefore, it is important to improve delivery performance and prolong MANET lifetime simultaneously. In this article, a novel geographic routing algorithm, named energy-efficiency and load-loalanced geographic routing (ELGR), is presented for lossy MANETs. ELGR combines energy efficiency and load balance to make routing decisions. First, a link estimation scheme for the PRR is presented that increases the network energy efficiency level. Second, a learning method is proposed to adaptively sense local network loads, allowing enhanced whole network load balance. The results of a simulation show that ELGR performs better than several other geographic routing algorithms; in particular it extends network lifetime by about 20%, with a higher delivery ratio.     

基于A~*定长搜索算法的多无人机协同航迹规划

基于多无人机同时作业情况下的航迹规划问题,提出了一种A*定长航迹搜索算法.该算法通过选择代价值最接近给定值的节点作为最佳节点,得到定长规划航迹,接着进一步通过限定最佳节点的选择范围,改善了航迹的可飞性.仿真结果表明,利用该算法规划的定长航迹长度误差可以控制在1.4％以内,协同航迹长度误差可以控制在0.8％以内,能够满足多无人机同时到达的一般要求.     

基于RBFNN自适应混合学习算法的航天测控系统任务可靠性分配

为解决执行航天测控任务的各设备存在复杂的时空关联、可视与信息关联等动态约束关系,使得航天测控系统任务可靠性分配建模和分析极其困难,同时模型求解效率低的问题,提出了自适应混合学习算法的径向基神经网络建模方法.算法通过训练样本相关性矩阵的主成分分析确定网络隐含层初始节点数;在此基础上,利用梯度信息衰减因子改进了迭代过程中网络参数的梯度信息计算方式,避免了学习过程早熟的不足,且加快了迭代收敛速度.最后,通过采集航天测控系统输入-输出数据,将自适应混合学习算法应用于参数训练,并给出了具体实现步骤.通过算例仿真,表明算法在解决航天测控系统任务可靠性分配问题时具有较高泛化能力和分配结果稳定等优点.      

低排放燃烧室化学反应器网络模型的参数化

为了掌握低排放燃烧室的污染物排放情况,对其化学反应网络器(CRN)模型的参数化进行研究.对爬升工况下燃烧室CFD数值模拟结果进行分析,划分燃烧室的结构,得到燃烧室的CRN模型.再利用自编程软件对燃烧室的结构参数和进口参数进行参数化定义,并把参数化的CRN模型在不同工况下的模拟结果与试验结果分别比较.结果表明:在慢车工况下二者相差不大,在爬升工况下二者差异也在允许误差范围之内.验证了该模型可行性较好,该参数化CRN模型可用于预测低排放燃烧室的污染物排放量和出口温度.     

基于改进粒子群算法的航空发动机性能综合评价

针对基于单参数评估发动机性能能力不足的问题,研究了利用多参数综合评估发动机性能的方法;通过对某型发动机台架试车数据分析,确定了使用综合加权法评估发动机性能比算术加权平均法更具合理性;分别利用改进的遗传算法和粒子群优化算法计算多参数的权值,对比结果表明:使用改进的粒子群算法在计算精度和速度上均优于遗传算法。同时还计算了各翻修次数下发动机的性能指标。