带分流叶片离心压气机优化设计

为探索带分流叶片离心压气机的优化方法,进一步提高气动性能,建立带分流叶片离心压气机优化系统:运用Bézier函数建立叶型的参数化表征方法,并采用人工神经网络建立目标函数和几何优化变量间的对应关系,结合遗传算法求解优化命题。为验证系统可行性,以极大化等熵效率为优化目标,针对带分流叶片的离心压气机进行优化设计。结果表明:该优化系统明显提高带分流叶片离心压气机的气动性能,优化后设计点等熵效率提高3.68%,压比提高0.506,设计转速下全工况范围内效率明显提升,综合稳定裕度增大;优化后90%,50%叶高波前马赫数有明显降低,前缘激波有所减弱,激波与附面层相互作用引起的损失减小,二次流得到抑制,叶尖通道内大范围低速区明显消退;叶片载荷重新分配,分流叶片载荷一部分转移至主叶片。     

纤维缠绕不等极孔椭球类容器的应力分析及优化

基于微分几何推导出了不等极孔椭球类容器纤维缠绕的非测地线稳定缠绕方程,并根据薄膜理 论、层合板理论、蔡-吴失效准则得到了赤道处纤维层的最小厚度1. 281 7 mm,计算出的纤维方向的应力小于 纤维的极限强度3. 92 GPa。发现纤维缠绕椭球容器的应力状态是赤道处最先发生破坏,且会出现局部失效现 象。以缠绕层最小质量M 为目标函数,蔡-吴失效准则为约束条件,在给定内压5 MPa 的情况下,得到了优化 后的容器质量为34. 072 kg。相比于等极孔的容器而言,非测地线缠绕具有高度非线性、不稳定性及精度难以 控制等问题。     

试车数据驱动的涡轴发动机起动过程模型辨识

针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明:得到的辨识模型输出参数,如燃气发生器转速n_g、输出轴转速n_r和涡轮后温度T₄都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。     

液固撞击的非线性耦合波动模型研究

推导了可用于研究液固撞击问题的非线性耦合波动模型 ,并将其应用于球形液滴与弹性固体平面撞击过程的数值分析。细致地研究了液固接触面及液体内无量纲压力分布 ,固体区域内等效应力的分布 ,固体弹性对撞击过程的影响 ,以及各个计算时层固体区域内最大等效应力所在点的位置。分析结果表明非线性波动模型可以较为准确地描述液固撞击过程 ,给出详细的液固撞击过程的各个物理参量 ;为液滴侵蚀固体表面问题的研究提供了可靠的基础。     

确定无陀螺卫星姿态的二阶非线性滤波算法研究

应用基于二阶泰勒级数近似得到的非线性滤波技术，设计了利用星敏感器矢量观测信息确定无陀螺三轴稳定卫星姿态的二阶非线性滤波算法，结合矢量观测的特点，分别讨论了单矢量观测信息与多矢量观测信息的处理方法，并把QUEST算法作为矢量观测数据压缩技术有效地结合进姿态估计器中，使得多矢量观测情况下的滤波修正算法得到了简化，仿真测试结果证明，二阶非线性姿态估计器的滤波性能要优于的扩展卡尔曼滤波姿态估计算法。     

基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用RBF神经网络逼近非线性函数，并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能。H^∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性，而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后给出的算例验证了该方法的有效性。     

基于POD-BPNN的热启动策略及其在气动代理优化中的应用

传统气动优化设计需要大量CFD 分析,而代理优化（SBO）方法能够有效降低CFD 分析次数,但该方法并没有改变单个CFD 分析时间。提出一种基于本征正交分解-反向传播神经网络（POD-BPNN）模型的热启动策略,并应用于气动代理优化。使用POD-BPNN 模型对SBO 中的初始样本建立从几何设计变量到流场数据的预测模型...     

运载火箭推力故障下轨迹在线重规划方法

针对运载火箭非入轨飞行段出现动力系统故障的问题,提出了一种基于能量最优的在线轨迹重规划方法。通过参考轨迹进行引力项的凸化以及根据故障时刻和故障程度的不同设置不同的飞行时长,同时采用无损凸化、线性化和梯形离散等方法,将原始最优控制问题转化为可以采用原对偶内点法迭代求解的二阶锥规划问题,重新规划其飞行轨迹。仿真结果表明该算法能有效提高运载火箭应对突发故障的能力,实现轨迹在线快速收敛,满足动力系统故障后飞行轨迹重构需求。     

基于指数平均动量鸽群优化的多无人机协同目标防御

针对多无人机(UAV)协同目标防御问题,提出了一种基于指数平均动量鸽群优化(EM-PIO)算法。针对三维空间中的多无人机协同目标防御系统进行建模,得到了无人机支配区域的曲面约束方程,并获得了双方无人机的最优控制输入量。采用多级罚函数法构造了优化算法的目标函数,并通过所提出的EM-PIO算法来求解最优目标点。将所提EM-PIO算法与遗传算法(GA)和粒子群优化(PSO)算法进行仿真对比实验,验证了所提EM-PIO算法更加有效解决多无人机协同目标防御问题。      

基于解析解的小范围高频率机动飞行器制导律设计

针对机动飞行器的小范围高频率侧向机动飞行问题,结合飞行器的运动学和动力学方程,通过解析方法给出了机动幅值和飞行器最大可用过载下的最大机动频率,同时利用粒子群优化方法进行了制导律最优频率的优化。基于解析规划算法给出了正弦机动制导律的解析形式以实现飞行器在侧向方向的机动导引飞行。仿真结果表明：解析算法能够精确得出制导律频率,而粒子群优化方法的精度也能很好的满足要求,误差在5%以内。正弦机动制导律在大速度下可以较好的完成任务目标;在小速度下,幅值误差会有小幅度的增加。