小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

基于自适应径向基网络的舰船RCS统计特征识别方法

文章采用舰船RCS频域起伏序列的均值、标准差为识别特征向量,利用提出的基于样本密度的自适应径向基网络,进行舰船分类识别研究。自适应径向基网络采用改进的自适应PSO方法估计样本密度最优邻域半径,实现径向基网络中心的自适应选择。改进的自适应PSO方法采用能反映样本聚类特点的BWP指标为适应度评价函数,采用快慢结合的高斯自适应惯性权重调节策略,提高了最优样本密度邻域半径的搜索速度和精度。实验结果表明,自适应径向基网络能自适应获得径向基网络最优识别率对应的RBF中心及其位置分布,减少了对建模人员经验的依赖,提高了反舰导弹对舰船类型的识别分类能力。     

15-5PH沉淀硬化不锈钢磁粉检测磁痕分析

针对航空15-5PH马氏体沉淀硬化不锈钢在磁粉检测过程中发现的条状、片状和长直磁痕显示进行了总结。分析了不同磁痕显示的特点及微观组织情况,最终确定了磁痕的性质。结合不同热处理状态下的磁特性分析,确立了纯洁度磁粉检测的工艺流程以及磁痕判别方法。研究发现沉淀硬化不锈钢在磁粉检测过程中磁痕显示主要是由铁素体和组织不均匀造成的。研究结论为航空制造过程中沉淀硬化不锈钢的磁粉检测的磁痕判定以及规范的制定提供依据,确保磁粉检测工作的顺利进行。     

预旋系统稳态和非稳态计算对比研究

针对预旋系统由于旋转引起流场和温度场参数周期性瞬态变化的问题，分别采用滑移网格的瞬态法和固定转子相位的稳态法进行数值求解，并在稳态计算中通过改变转子相位来近似模拟非稳态问题的时空变化特性。通过稳态空间平均结果与非稳态时均结果的对比，以期为预旋系统非稳态问题的低成本求解提供方法依据。结果表明：稳态计算结果与非稳态计算结果相比，周期性波动频率一致，接受孔进口处，稳态计算的压力波动幅度小39%左右，温度波动幅度小15%左右；多个相位的稳态空间平均结果与非稳态时均结果相比，压力高0.2%，温度低0.1%；采用多个计算周期数与单个周期的非稳态计算结果差异微小。当采用喷嘴出口气流中心正对接受孔迎风面前缘的转子相位时，稳态计算结果与非稳态计算时均结果最接近。     

基于小波变换和支持向量机的开关电流电路故障诊断新方法

针对开关电流(Switched current,SI)电路的故障诊断和定位问题，为进一步提高故障诊断准 确率，提出了基于小波变换和粒子群优化(Particle swarm optimization，PSO)支持向量机 (Support vector machine，SVM)的开关电流电路故障诊断新方法。该方法首先对节点电流 信号进行蒙特卡罗分析，然后通过小波分解计算分形维数，再利用核主元分析（Kernel pri ncipal component analysis，KPCA）降低特征值维数，实现最优故障特征的提取。最后通 过PSO SVM完成对各种故障模式的分类。对六阶切比雪夫低通滤波器进行了仿真实验验证， 获取了较高的故障诊断准确率，与其他方法进行比较，实验结果显示了本文方法的优越性。     

回流燃烧室流动特性试验

为了揭示有/无燃烧状态下燃烧室热态和冷态流场的特征和流动特性，针对某型回流燃烧室单头部试验件，使用粒子图像测速仪（PIV），测量燃烧室燃烧状态下不同截面处的热态流场，以及没有燃烧状态下不同截面处的冷态流场，探讨不同总压损失系数对回流燃烧室热态/冷态流场特征及流动特性的影响。研究表明:随着总压损失系数的增大，冷态条件下各截面流场结构基本保持不变，如射流孔穿透深度、射流角度、回流区位置及大小、流线等基本保持一致，但是各位置点速度大小逐渐增大。热态条件下各截面流场随着总压损失系数增大，流场结构也基本保持不变；相同总压损失系数时，热态流场与冷态流场存在差异，燃油喷射与气流的相对运动将会对燃烧室头部的流场结构造成影响，速度较冷态流动时略微增大。      

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。     

粒子群算法在装配序列规划中的应用方法研究

将粒子群优化算法引入到装配序列规划中,详细讨论了粒子群算法在装配规划中的数学表示,给出了适应度函数评价方法,并实现了装配干涉矩阵的构建,以发动机化油器装配为例,分析了粒子群算法在装配序列规划中的具体应用.     

An Artificial Neural Network based approach for estimation of rain intensity from spectral moments of a Doppler Weather Radar

By using a Doppler Weather Radar (DWR) at Shriharikota (13.66°N & 80.23°E), an Artificial Neural Network (ANN) based technique is proposed to improve the accuracy of rain intensity estimation. Three spectral moments of a Doppler spectra are utilized as an input data to an ANN. Rain intensity, as measured by the tipping bucket rain gauges around the DWR station, are considered as a target values for the given inputs. Rain intensity as estimated by the developed ANN model is validated by the rain gauges measurements. With the help of a developed technique, reasonable improvement in the estimation of rain intensity is observed. By using the developed technique, root mean square error and bias are reduced in the range of 34–18% and 17–3% respectively, compared to Z–R approach.     

螺旋相位板生成涡旋电磁波仿真研究

涡旋电磁波的产生方式有多种,使用涡旋相位板即为其中重要的一种方式。该文对螺旋相位板产生涡旋电磁波的情况进行了仿真.通过仿真。给出了在喇叭天线口面上覆盖螺旋相位板时生成的涡旋电磁波的幅度相位分布。