基于卷积神经网络的近壁流动高分辨率平均速度场预测方法

本文设计并验证了基于卷积神经网络的边界层近壁流动高分辨率平均速度场预测方法:首先采用示踪粒子图像对数据集训练卷积神经网络，通过调整神经网络参数可以预测示踪粒子在数据集上的平均跨帧位移；然后使用该卷积神经网络预测像素空间中各像素位置的单粒子位移，得到高分辨率的平均速度场信息。将该方法用于预测湍流脉动较小的边界层近壁区的平均流动，能够将空间分辨率提高到单像素精度。误差分析发现，该方法获得的测速精度略优于传统单像素系综平均互相关算法，且对粒子浓度和示踪粒子图像对数目的要求明显低于后者。     

基于集员估计的卫星飞轮故障检测与预测方法

为了对卫星飞轮故障进行提前预警，提出了一种基于集员估计的故障检测和预测方法。首先，基于飞轮的动态模型设计了一种基于中心对称多面体的故障检测方法。在检测出飞轮故障后，选取飞轮的电流数据作为故障特征，并采用线性模型或非线性模型来描述其退化规律。然后，提出了一种基于中心对称多面体的集员算法，对退化模型中的未知参数进行估计，并以此为基础预测未来时刻的故障，进而实现对飞轮故障的提前预警。最后，通过数值仿真，将所提出的方法和两种现有的故障预测技术进行了对比。仿真结果表明了所提方法的有效性和优越性。