管制-飞行状态相依网络演化过程

动态、准确的管制系统运行态势预测是航空运输系统各相关单位开展协同决策的关键基础。基于航空器间的冲突情况、管制员对航空器的管控情况以及管制移交情况构建管制-飞行状态相依网络,探究、分析其演化规律,采用相关性分析和主成分分析证明了所选5项指标的合理性。设置自由飞行和固定航线飞行两种仿真场景,通过计算平均节点度、平均点强等拓扑指标的最大李雅普诺夫指数证明各时间序列均具有混沌特性,选择长短期记忆（LSTM）人工神经网络方法对各时间序列的演化规律进行预测,并与其他预测算法进行对比。仿真结果表明LSTM算法能对管制系统的演化过程进行有效的预测,且预测精度高于贝叶斯算法和支持向量机算法;在自由飞行条件下,5项指标的预测误差绝大部分在20%以内,固定航线飞行的预测效果优于自由飞行。     

多级涡轮多工况气动优化设计研究

采用将准三维设计和多级局部优化联合的多级涡轮多工况气动优化设计流程对某三级航空发动机涡轮进行多级气动优化设计.优化联合采用人工神经网络和遗传算法对各列叶栅进行三维局部优化,流场计算采用全三维粘性流N-S方程求解.通过优化设计,改善了各列的性能,并对各列间参数进行了优化匹配,两种工况的总效率均提高1%,总流量基本不变,总体性能提高,达到设计要求.      

燃气涡轮叶栅的周向积叠规律优化设计

优化设计方法是叶轮机械设计的重要手段,可以有效地提高设计效率.周向弯曲是叶轮机械叶栅设计的一个非常重要的自由度,改变周向积叠规律可以改变叶栅的内部流动,进而提高叶栅的流动性能.本文采用自动优化设计方法对某燃气涡轮叶栅进行周向积叠规律的优化设计,优化过程联合采用遗传算法和人工神经网络,流场计算采用全三维粘性流N-S方程求解.优化时分别进行正弯、反弯和正反弯结合的三种优化设计方案.优化后得到一根部反弯叶栅,其叶展中部性能得到改善,总流动损失降低,流量基本不变.总体性能提高.     

复合泡沫塑料力学行为模拟的ANN方法

对人工神经网络(ANN)方法在复合泡沫塑料力学行为模拟中的应用进行了研究.首先,选取影响材料力学行为的因素和所需模拟、预测的力学性能作为输入、输出量;然后,利用反向传播算法建立了四层神经网络模型,对复合泡沫塑料的力学性能和本构关系进行了模拟和预测.数值结果表明,训练后的神经网络模型能较好地模拟、预测材料的模量、屈服强度和不同应变率及不同温度下的压缩应力-应变曲线.此外,3种不同改进训练方法的比较说明,Bayesian规则化法的泛化能力最好,LM法收敛最快,而自适应梯度下降动量法则需要较长的迭代时间才能达到相同的精度.      

在铣削加工中通过神经网络融合多路传感器监测刀具破损

讨论在立铣加工中，用多层前馈反向误差传播神经网络融合由多路传感器信息中选取的多维特征来监测刀具破损情况。对融合不同传感器特征对神经网络性能的影响以及如何选取训练样本等也进行了分析。研究结果表明，神经网络对提高识别精度是很有效的。     

小流量斜流压气机设计及优化

采用快速气动设计方法设计了一小型斜流压气机的三维初始几何。应用三维数值分析手段,获取了该斜流压气机的性能及流场结构,分析了S1、S2流面流动特点及制约压气机性能的主要因素。应用人工神经网络方法进行压气机流道优化设计,并与优化前对比。结果表明:初始设计的斜流压气机,设计转速下的最高效率点流量为1.039kg/s,压比为1.514,效率为88.57%,综合裕度达73.66%;叶轮尾缘近轮盖处的射流-尾迹现象,导致流动损失较大。优化后,设计转速下压气机的流通能力和效率均有所提高,相同压比条件下其流量为1.060 kg/s,效率达89.30%,但综合裕度降低至49.80%。     

固体燃料冲压发动机燃速的人工神经网络辨识

由于固体燃料冲压发动机(SFRJ)结构的特殊性,其燃速的预测比较困难。为探讨燃速对于不同飞行工况的依赖性,对模拟试验的结果采用BP人工神经网络进行了辨识,并将辨识结果与用最小二乘法辨识的结果进行比较。从辨识的结果来看,这种辨识方法具有精度高、处理实验数据迅速、能进行在线辨识等特点,能够较好地满足工程应用的要求。此外,在利用人工神经网络对类似的大样本系统进行辨识时,如果能采用一些数学上的处理技巧。      

基于人工神经网络的现代军机研制费用估算模型

阐述了针对现代军机研制费用估算现状,用基于人工神经网络理论建立了现代军机研制费用估算模型。给出建模流程,分别采用动量自适应算法和 L-M 算法的 BP 网络来实现,并对其特点加以分析比较。在小样本情况下,编制了 Matlab 仿真软件并进行了仿真,证明了所建立的研制费用模型的准确性,仿真结果表明该方法比传统的回归分析方法精度高。     

利用人工神经网络预测电离层f_0F_2月中值

提出了利用人工神经网络技术预测电离层临界频率月中值的方案．在利用人工神经网络技术研究电离层月中值隔月变化规律的基础上,考虑足够的周年和黑子周期变化的数据训练网络,使 ｆ０Ｆ２月中值预测值与实测数据比较平均误差为 ０．３４ＭＨｚ,预测精度有了较大改进．最后采用分形学的基本理论得到电离层 ｆ０Ｆ２月中值的分数维为 ３,选用 ３个输入量,分别预测高、低年 ｆ０Ｆ２月中值,与实测数据比较平均误差为 ０．３ＭＨｚ．