基于Deform软件二次开发和BP神经网络的TA15多向锻造微观组织预报

通过热压缩实验构建了TA15合金的热变形真应力-应变曲线,以此为基础分别建立了合金双相区及单相区温度区间的热变形本构方程;基于热压缩试样动态再结晶的统计数据建立了TA15合金的动态再结晶模型。借助Deform提供的二次开发功能实现相关数学模型的程序化,制定正交实验方案,实现了TA15合金多向锻造变形的微观组织仿真。通过正交实验分析得出各项因子的影响对象及强弱差异,提出了双相区及单相区温度区间内的多向锻造最佳因子组合。建立了TA15合金多向锻造变形微观组织的BP （Back Propagation）神经网络预测模型,将预测结果与有限元仿真结果进行比较,结果表明两种方法的预测结果基本一致,但神经网络具备有限元仿真难以实现的良好细节预测能力,能更为细致地实现对微观组织分布状态的划分。     

基于LQR的弹道跟踪制导律设计

针对防空导弹弹道跟踪问题,基于线性二次型调节器（ LQR）理论设计了2种弹道跟踪制导律。首先,以时间为自变量,对导弹质点运动模型线性化,得到第一种线性化模型;接着,为提高模型精度和允许扰动范围,以导弹X坐标为自变量对导弹质点运动模型线性化,得到第二种线性化模型;然后,针对2种线性化模型,利用LQR理论分别设计跟踪制导律,并给出制导指令计算公式和制导流程;最后,在一定外界干扰作用下,将所设计2种跟踪制导律应用于导弹质点运动仿真,并从抑制随机风干扰、消除初始偏差等方面对2种制导律进行比较。结果表明,2种制导律都能实现弹道精确跟踪,且基于第2种线性化模型设计的跟踪制导律各项性能均优于第1种跟踪制导律,说明基于导弹X坐标线性化的模型精确度较高,适用于弹道跟踪制导律的设计。     

空间超高速撞击碎片云前端速度的预测模型

文章利用一组二级轻气炮发射2017-T4 铝质球形弹丸撞击6061-T6单层铝板的地面试验数据,通过选择适当的函数模型,采用多元函数拟合的方法,得到了碎片云前端速度与靶板厚度、弹丸直径和弹丸速度关系的三元二阶多项式模型。再用另外一组数据对该模型进行检验,验证了其对碎片云前端速度具有较好的预测效果。将以上两组数据同样用于建立“无量纲化”模型进行碎片云前端速度预测,并与前述多项式模型的预测结果进行比较发现,该多项式模型预测的方均根误差及平均相对误差均明显优于“无量纲化”模型。该多项式模型可用于预测空间碎片撞击航天器产生的碎片云的前端速度,有助于航天器的空间碎片防护设计。     

一种新型的基于预测的卫星资源分配方法

针对传统的按需分配方式所造成的长时延问题,提出了一种新型的基于业务预测的按需分配方法。该方法通过预测业务在等待队列中的长度,将预测信息发送给网络资源控制中心,再由控制中心动态地分配带宽资源,达到服务质量的要求。在阐述了按需分配和业务预测的基本算法后,通过仿真分析了不同的业务类型采用不同的预测信息发送间隔时间的时延性能,分析中考虑了实时业务比非实时业务享有更高的优先权,并且比较了常规按需分配与基于业务预测的按需系统分配方法的时延性能。仿真结果表明利用业务预测,选择合适的预测信息发送间隔时间,能够有效地改善带宽资源分配的时延性能,相比一般的按需分配方式服务质量有了明显的提高。     

基于区域预测和视觉注意计算的快速目标检测

提出了一种结合区域预测与视觉注意模型化计算的快速目标检测方法.通过分析图像近似均匀的3个水平子区域的方向特征图之灰度比率,灰度特征图之信息熵和子区域位置,建立了目标区域预测的判定准则.同时,通过优选特征和优化特征图之权重,改进了视觉注意计算模型.对于一幅待检测图像,根据区域预测的判定准则,实现目标区域的快速预测,并利用改进的视觉注意计算模型对目标区域进行视觉注意计算,实现特定目标的快速精确定位.实验结果表明:针对户外场景中的行人目标,与通过整幅图像的视觉注意计算来实现目标检测的传统方法相比较,该检测方法可使检测时间缩短30%,同时还能使检测准确率提高9%.      

利用神经元拓展正则极端学习机预测时间序列

为实现对于时间序列预测数据的准确预测,提出一种神经元拓展正则极端学习机(NERELM,Neuron-Expanding Regularized Extreme Learning Machine),并研究了其在时间序列预测中的应用.NERELM根据结构风险最小化原理权衡经验风险与结构风险,以逐次拓展隐层神经元的方式自动确定最佳的网络结构,以避免传统神经网络训练过程中需人为确定网络结构的弊端.应用于时间序列的仿真结果表明:NERELM可有效实现对于RELM最佳网络结构的自动确定,具有预测精度高与计算速度快的优点.      

高超声速飞行器后体/尾喷管优化设计

结合试验设计方法、替代模型技术和遗传算法构建一套改进的优化方法,并将其应用于高超声速飞行器后体/尾喷管的一体化设计.在构建优化方法时,针对替代模型采用渐近全局策略提高精度;针对遗传算法,采用实数编码、多目标定级排序和改进小生境技术.在后体/尾喷管的一体化设计应用中,结合高精度的计算流体力学(CFD,Computational Fluid Dynamics)求解,以两个设计点的推力和升力为目标,以力矩为约束,得到优化问题的Pareto最优前沿面,优化结果在综合性能方面有很大提升.该优化方法可进一步推广应用于更复杂的优化设计当中.      

PREDICTION OF SURFACE ROUGHNESS FOR END MILLING TITANIUM ALLOY USING MODIFIED PARTICLE SWARM OPTIMIZATION LS-SVM

It is difficult to construct the prediction model for titanium alloy through analyzing the formation mecha- nism of surface roughness due to the complicated relation between influential factors and surface roughness. A no- vel algorithm based on the modified particle swarm optimization （PSO） least square support vector machine （LS- SVM） is proposed to predict the roughness of the end milling titanium alloys. According to Taguchi method and features in milling titanium alloys, the influences of cutting speed, feed rate and axial depth of cut on surface roughness are investigated with the analysis of variance （ANOVA） of the experimental data. The research results show that the construction speed of the modified PSO LS-SVM model is two orders of magnitude faster than that of back propagation（BP） model. Moreover, the prediction accuracy is about one order of magnitude higher than that of BP model. The modified PSO LS-SVM prediction model can explain the influences of cutting speed, feed rate and axial depth of cut on the surface roughness of titanium alloys. Either a higher cutting speed, a lower feed rate or a smaller axial depth of cut can lead to the decrease of surface roughness.     

基于预测扭矩前馈的涡轴发动机内模控制方法

基于内模原理设计了涡轴发动机功率涡轮转速控制器.针对主旋翼扭矩变化对功率涡轮转速的干扰,提出了一种基于极端学习机的扭矩预测方法.极端学习机训练基于动态仿真数据,其输入通过相关分析获得.基于内模原理的功率涡轮转速控制器采用极点配置的设计方法,将输入信号的内模直接加入控制器,实现鲁棒跟踪.扭矩前馈采用比例微分(PD)控制策略,实现对发动机负载变化干扰的有效补偿.数字仿真结果表明:极端学习机扭矩预测精度高,扭矩相对误差小于1.5‰,与不加前馈控制相比,所提出的控制方法减小了机动飞行过程中功率涡轮转速的超调或下垂30%以上.