基于物理量梯度修正的RBF数据传递方法

径向基函数是复杂外形飞行器多场耦合计算中重要的数据传递方法。复杂飞行器物理量分布通常与局部流动特征密切相关且在不同区域变化剧烈,如何在具备各向同性特征的径向基函数中考虑实际物理量各向异性分布因素的影响成为制约其精度进一步提升的关键。针对径向基函数的问题,提出了一种基于局部物理量梯度对径向基三方向权重进行自适应修正的数据传递新方法。采用高超声速舵面、翼身组合体算例对该方法在单次数据传递中的可行性及效果进行了验证,同时基于该方法对压缩拐角外形开展了气动力/热/结构多场耦合数值模拟,并与风洞试验结果进行了对比分析,以验证该方法在实际耦合问题计算长时间高频次数据传递中的适用性及可靠性。研究结果表明该方法能够很好地提升如薄板样条插值（TPS）、多重二次函数插值（MQ）等全域基函数的单次插值效果,并且有效地改进了MQ方法对形态参数的鲁棒性,而对于梯度修正后的紧支基函数,其改进效果更佳,以较少的点达到了TPS、MQ等全域基函数的插值效果,实现了数据传递效率和精度的兼顾。采用该方法获得的耦合计算结果与试验对比一致,表明了该方法的可用性以及在复杂外形多场耦合问题中的良好工程应用前景。     

基于最优小波包基图像压缩的研究

给出一种新的图像压缩方法，该方法是在小波库中通过以信息熵作为代价函数寻找最优基，实现图像压缩，仿真结果显示，该方法压缩比大，信息损失小，能够较好恢复原有图像。     

基于POD-RBFN降阶模型的串列叶栅流场预测

通过传统实验或CFD 手段获取流场信息的方法往往需要耗费大量资源或时间,这在需要快速获取大量流场信息时产生的成本是无法接受的,发展比传统CFD 更快速的流场预测方法具有重要意义。采用本征正交分解（POD）方法对样本流场进行模态分解,提取流场的主导模态;而后采用径向基函数神经网络（RBFN）响应POD 基函数的系数,实现流场降阶预测模型的构建,并在模型中采用基于函数响应偏差的自适应抽样方法;通过某串列叶栅非定常流场数据对预测模型进行验证。结果表明：本文构建的POD-RBFN 混合模型可以快速准确地预测出串列叶栅的流场参数分布;与静态采样相比,本文采用的自适应采样方法在采样效率上表现出明显优势,同样重构精度所需的样本数降低了25% 左右。     

基于图像特征分类和RBF网络的两轴车辆动态称重技术

汽车在行驶过程中的总重信号通常由各轴重信号确定,各轴重信号的测试精度取决于对车辆运动参数和振动信号等的精确分析。本文采用径向基函数(Radial basis function,RBF)网络处理轴重信号,针对该网络的泛化能力与拟合精度的矛盾,将车辆按照重量分为大、中、小3种类型,并进行整车建模和网络训练;实际测试过程中,利用汽车俯视图像提取类型特征,然后根据汽车的类型将测试参数输入不同的神经网络进行处理,以静态测量结果为相对真值。仿真结果表明,分类建模比单一混合建模具有更高的测试精度。     

基于小生境遗传自适应RBFN的歼击机故障认定方法

在模式识别领域中,如何实现更高精度的分类一直是个核心问题。本文提出了将自适应RBF神经网络与小生境遗传算法相结合的方法,其中自适应RBF神经网络通过对样本判断,自动实现对RBF网络添加新的隐层节点或者将样本归于已存在的隐层节点所属的类;小生境遗传算法用于寻找最优的网络宽度值。两者相结合最后确定一个隐层节点数与类别数相同的俭省的网络。用歼击机故障数据进行仿真,比较结果表明此方法能实现更高精度的故障认定。     

基于径向基神经网络的有限元模型修正研究

设计参数型有限元模型修正属于结构动力学反问题，其理论基础是将结构的特征量视为设计参数的函数。然后依据特征量对设计参数的一阶导数信息进行迭代求解。本文提出了一种基于径向基神经网络的有限元模型修正方法，把模型修正归结为正问题进行研究。首先将特征量视为自变量．设计参数视为因变量，以径向基神经网络逼近两者之间的非线性映射关系，然后利用神经网络的泛化特性直接求解设计参数的目标值。不但无需迭代求解，而且避开了反问题所面临的复杂的非线性优化计算。GARTEUR飞机模型仿真研究的结果表明．修正后设计参数误差在2％以内，模态频率误差在1％以内。     

基于RBF网络的质量矩导弹姿态控制

研究了三轴稳定质量矩导弹姿态控制问题.建立了内部带有3个可移动滑块的数学模型.利用RBF(radial basis function)网络的快速自学习、自适应特性, 作为被控对象的模型, 不断调整PID控制器的参数, 协调控制滑块位置, 从而改变导弹的飞行姿态.最后讨论了滑块运动特性对系统性能的影响并对系统稳定性进行了分析.仿真结果表明该控制律在保证系统稳定的情况下有效地实现导弹的姿态调整, 并且提高了系统的动态响应品质.      

结构可靠度逐步逼近径向基神经网络响应面法

提出了逐步逼近径向基神经网络响应面法计算结构可靠度,这种数值方法较好地解决了结构功能函数非线性及结构随机变量非正态分布时采用结构可靠度指标度量结构可靠度存在误差的问题.经过多个数值试验表明,该算法迭代收敛迅速、计算准确性较高、应用过程简单.利用这种方法对含有多个随机变量的结构进行可靠性分析和设计,特别是当结构功能函数具有较强的非线性或结构随机变量分布具有较大的偏斜度时,具有一定的应用价值.      

基于主基底分析的变量筛选

利用Gram-Schmidt变换,提出一种主基底分析方法.解释并证明了Gram-Schmidt变换所删除的信息量.给出"主基底"的定义及构造方法,并提出"净信息含量比"的概念,用以测度所选基底包含的信息.该方法能在原始数据信息损失尽可能小的前提下,排除所有的冗余变量以及变量集合中的重叠信息,得到一个正交的主基底,从而更有效地对大规模变量集合中的信息进行筛选.多角度的理论分析指出,主基底在尽可能多地携带原始变量信息的同时,还可保证样本点间的相似性改变最小.实际案例分析说明了该方法的合理性和有效性.      

高阶龙格库塔间断有限元方法求解二维谐振腔问题

提出了使用高阶龙格库塔间断有限元方法在时域求解经典的电磁场谐振腔问题,间断有限元方法在空间离散时采用非结构化网格且在时域显式求解方程,这是有限元方法和有限体积方法的最佳结合。该方法通过采用局部高阶多项式插值基函数获得高阶精度。文中使用该方法研究了横磁波在二维谐振腔中的传播情况,以及高阶的拉格朗日基函数。数值实验采用了高阶的二变量拉格朗日多项式基函数,数值计算结果与理论解析解相吻合。文中还讨论了不同阶数多项式插值基函数对计算精度的影响。结果表明,随插值基函数阶数增加,计算精度迅速提高。最后讨论了不同插值基函数阶数对L^2误差的影响,结果显示L^2误差随插值基函数阶数增加呈指数下降。