折叠球形气囊展开过程仿真

球形气囊展开和折叠过程复杂,采用实验手段研究其展开过程存在诸多不便。建立以单侧内折方式折叠的球形气囊数值分析模型,研究球形气囊折叠后充气展开的动态应用特性,比较相同充气条件不同折叠层数和相同折叠层数不同充气条件下气囊展开动态特性的差异;对影响气囊展开过程中体积和内压曲线变化的因素进行分析,分别讨论折叠层数、充气速率和充气量对球形气囊动态特性的影响。结果表明:单侧内折折叠次数增多会导致气囊内压最大值增大,应用时设定气囊折叠次数应考虑气囊材料最大内压承受能力;充气速率和充气量均会影响气囊展开的稳定性,充气速率的影响主要在充气及气囊展开初期阶段,而充气量的影响主要在充气完成后的自由展开阶段。     

厚板三浦折展机构的几何设计与运动分析

空间折展机构与一般运动机构不同，其对构件的几何形貌有着严格的要求。基于厚板折纸理论构造出两种三浦厚板折展单元——Bennett机构单元和球面四杆机构单元，在保证机构可以从展开状态运动到收拢状态且不发生物理干涉的前提下，以折展单元可无限次叠加组网为设计目标，分析构件几何参数应满足的约束条件，阐述模块化组成大尺度厚板三浦折展机构的原理和过程，提出Bennett组网和混合组网两种模块扩展方式。通过建立Bennett扩展模块和球面扩展模块的运动学模型，验证两种厚板三浦折展机构的运动等价关系。研究不同几何参数对机构折展率的影响规律，提出一种根据给定折展率要求对机构进行优化设计的方法，为厚板三浦折展机构的运动特性分析和几何参数优化奠定了理论基础。     

航天器大尺度部件折叠展开原理分析及应用

围绕航天器向大尺度、远距离发展所涉及的大尺度部件在轨展开技术中新工艺、新材料、新结构等，对现有航天器大尺度部件的折展机构进行了统计与分析，系统梳理了在轨航天器折展机构的技术参数、结构与组成等。介绍了折纸艺术、自回弹材料与记忆合金等新工艺、新材料在航天器太阳帆板、天线等大尺度部件上的应用。重点分析并梳理了新型结构的特性及其工作原理，包括：充气展开式、单轴旋转式、径向扩展式、单元重构式、延长伸展式等。最后，结合即将开展的载人登月与月球基地建设、太阳系探测等深空探测任务，对在轨航天器大尺度部件的折展结构与机构的发展趋势进行了展望。     

考虑区间叠加不确定间隙的空间可展机构动力学研究

本文建立了考虑不确定间隙空间可展机构动力学模型，通过对不确定间隙进行描述，结合传统接触模型提出含不确定区间间隙的接触力模型，并将其嵌入展开单元动力学模型，通过切比雪夫区间求解对含区间系统动力学模型进行求解，针对区间求解中启动阶段估计不准、区间叠加误差过大、区间整合的问题与展开单元叠加问题，提出了相适应的区间扩张、局部均值分解与瞬时叠加方法降低区间求解误差，并给出区间间隙累加下动力学响应边界。结果表明:区间间隙大小主要对系统运动精度产生较大影响，而区间间隙数量对系统运动稳定度影响较为严重。区间叠加方法相比于传统拟合方法可进一步提高空间可展机构预示精度，相较于传统拟合结果可提高7.74%。     

基于神经网络的车辆强制换道预测模型

针对高速公路上车辆行驶速度快，换道行为危险程度高的问题，聚焦于不可避免、发生频繁、一旦发生事故后果严重的强制换道行为，改进基于门控循环单元(GRU)的换道模型，对强制换道行为进行分析与预测。为保证模型的有效性，选取下一代仿真技术(NGSIM)数据作为模型的训练集与检测集，使用侧向加速度将车辆侧向摆动数据有效删除并得到强制换道的最迟换道点，进而实现车辆位置与换道决策的预测。实验结果证明，所提模型能够以96.01%的准确率判定车辆在最迟换道点的强制换道行为，相较于LSTM模型准确率提升了3.67%，同时相较于朴素贝叶斯网络准确率提高了7.31%。      

基于径向基函数代理模型的M形杆刚度优化

在航天任务的执行中, 超弹性杆主要用于大型空间可展天线和太阳帆等展开和支撑。为了提高超弹性杆在展开状态下的刚度, 提出了一种新型M形超弹性杆, 并对M形超弹性杆的刚度进行了研究。采用ABAQUS建立M形超弹性杆的弯曲、压缩和扭转的有限元模型, 利用显示动力学法对屈曲过程进行非线性数值模拟。采用全因子法进行实验设计, 利用径向基函数(RBF)建立M形超弹性杆屈曲过程性能参数的代理模型。以弯曲刚度、扭转刚度和压缩刚度为优化目标, 以质量为约束, 选取黏结段长度和内侧带簧片圆心角为自变量建立优化模型。采用粒子群(PSO)算法进行M形超弹性杆参数优化, 得到最优刚度下, 黏结段长度为7.894 5 mm, 圆心角为26°, 并且得到刚度随其变化规律。      

基于模糊信息粒化和优化SVM的航空发动机性能趋势预测

提出采用模糊信息粒化(FIG)和优化的支持向量机(SVM)来预测航空发动机参数的变化趋势和变化空间。利用模糊信息粒化方法对性能参数进行粒化处理。以K CV验证误差最小作为优化目标,采用遗传算法(GA)实现支持向量机惩罚参数和核函数参数的自适应优化选择；训练SVM模型并进行并对模糊粒子非线性预测。利用某航空公司的某型航空发动机性能参数监测数据进行验证,结果表明:该算法可以有效实现航空发动机性能参数变化趋势和变化空间预测。在实例基础上分析了窗口大小对算法预测精度的影响以及算法多步预测的效果,得出算法最佳窗口大小为3个数据且算法3步以内预测误差小于10%。