Application of a PCA-DBN-based surrogate model to robust aerodynamic design optimization

An efficient method employing a Principal Component Analysis (PCA)-Deep Belief Network (DBN)-based surrogate model is developed for robust aerodynamic design optimization in this study. In order to reduce the number of design variables for aerodynamic optimizations, the PCA technique is implemented to the geometric parameters obtained by parameterization method. For the purpose of predicting aerodynamic parameters, the DBN model is established with the reduced design variables as input and the aerodynamic parameters as output, and it is trained using the k-step contrastive divergence algorithm. The established PCA-DBN-based surrogate model is validated through predicting lift-to-drag ratios of a set of airfoils, and the results indicate that the PCA-DBN-based surrogate model is reliable and obtains more accurate predictions than three other surrogate models. Then the efficient optimization method is established by embedding the PCA-DBN-based surrogate model into an improved Particle Swarm Optimization (PSO) framework, and applied to the robust aerodynamic design optimizations of Natural Laminar Flow (NLF) airfoil and transonic wing. The optimization results indicate that the PCA-DBN-based surrogate model works very well as a prediction model in the robust optimization processes of both NLF airfoil and transonic wing. By employing the PCA-DBN-based surrogate model, the developed efficient method improves the optimization efficiency obviously.     

基于深度学习的突防控制博弈对象匹配方法CSCD

针对基于博弈理论设计应对多枚拦截弹的协同突防控制方案时需要确定博弈对象的问题,提出了一种基于长短时记忆(LSTM)网络的拦截弹攻击对象匹配方法。基于传统防空导弹飞行时序与流程构建拦截弹飞行轨迹库,以轨迹库为训练样本对LSTM网络进行训练,并以此为基础构建航迹预测模型与对象匹配模型,实现对拦截弹攻击对象的识别。仿真结果表明,该方法能够有效识别拦截弹拦截目标,为后续的巡航弹突防研究提供支撑。     

涡扇发动机低压部件通流耦合计算

为了研究各部件匹配与过渡段几何参数对发动机总体性能的影响,针对某涡扇发动机风扇、低压涡轮、内外涵道、掺混段和尾喷管等部件,基于周向平均Navier-St okes通流控制方程,采用时间推进有限体积法进行了部件耦合计算求解,将沿程各部件性能计算参数与试验做了对比,结果表明:在设计状态下发动机沿程各截面计算特征参数与试验值最大误差不超过5.0%,说明该通流耦合计算方法能够快速预估发动机总体性能,完善各部件匹配关系,在发动机总体设计初期有一定工程应用价值。     

基于主成分分析法的地磁导航适配区域选择

地磁场信息量越大的区域,导航性能越好。借用数理统计和信息论中的概念,设定了多个评价地磁场信息特点的指标,并通过主成分分析法,排除了相关指标,得到综合指标值,客观、定量地分析了适配区的导航性能,从而选择最佳导航适配区。仿真表明,本文方法是一种选择地磁导航工作区的有效方法,选择的适配区导航误差小。     

星点坐标辅助的全天区三角形星图识别算法

随着当前星敏感器视场（FOV）的增大,探测能力的提高,一帧图中拍摄到的恒星更多。但是受星敏感器光谱范围的限制及空间环境干扰影响,星等测试精度一般不高于0.2 mV。为了充分发挥当前星敏感器视场和探测能力的优势,并避免星等误差的影响,提高全天区星图识别算法在线应用的适用性,提出了一种星点坐标辅助的全天区三角形星图识别算法。该方法采用"全局初步搜索识别—局部精细匹配验证—最优结果选取"的算法思想。首先,根据星敏感器探测到的极限星等范围构建导航星表,选取亮星构建角距星表,既确保了星表的完备性,又有利于充分利用星敏感器的探测能力。然后,在三角形约束条件下进行角距匹配识别,得到一个或多个导航三角形,在该识别环节提出了非线性矢量法查找星表,既提高了定位精度,又能采用单精度数据类型降低存储空间。最后,提出局部天区星点坐标匹配算法进一步消除冗余匹配,同时又识别出视场内更多的观测星,有利于提高识别率和定姿精度。试验结果表明,与其他一些经典的星图识别算法相比,所提算法在识别率和星表容量方面更有优势。识别率可达99.9%,且随着星等的增加,存储容量增加的最少。所提算法更加适于大视场、高星等敏感范围的星敏感器在线应用。     

基于极线几何的统计优化特征匹配算法

针对基于特征点的图像匹配中匹配数目不多以及重复结构下匹配较差等问题,提出了一种基于极线几何的统计优化特征匹配算法。利用正确匹配特征点之间满足对极约束的特点,从而可以减小特征点搜索区域,避免由于重复结构引起的误匹配对。首先使用一个小的特征点样本估计图像之间的基本矩阵,并利用它结合对极约束模型来引导特征匹配;然后利用基于特征点主方向和尺度信息的统计优化方法进一步消除误匹配,得到最终匹配结果。实验结果表明,该算法对图像的旋转和缩放变换具有良好的鲁棒性,匹配精度和数目有了很大提升,对于具有重复结构的图像匹配效果也较好。     

基于正激波位置计算的进气道/发动机系统实时仿真模型

研究了超声速条件下,基于进气道内正激波位置计算的进气道/发动机系统综合仿真问题。提出了将超声速进气道分为内、外两部分独立计算的方案,外部通过斜激波计算公式获得进气道内部的边界条件,对进气道内部采用准一维CFD模型模拟背压对正激波位置的影响。相比二维CFD计算,在保证参数精度要求的前提下有效缩短了计算时间,提高了仿真实时性。进一步将进气道模型与发动机部件级模型匹配运行,构建了进气道与发动机综合实时仿真模型。进气道/发动机综合模型的仿真表明,其能够准确模拟进气道正激波位置对涡扇发动机的动稳态影响,当来流发生扰动时,通过喷管喉道面积和压缩部件导叶角的快速调节,能够抑制正激波位置的变化,并使推力下降量减少50%。      

基于mSDTFT的无速度传感器异步电机转速估计

采用Teager-Kaiser能量算子对定子电流进行解调,有效消除了基频频谱泄露对提取转子速度谐波的影响,然后分析了SDTFT对转速估计精度的影响,在此基础上提出一种新的mSDTFT频谱分析方法估计转速。该方法有效降低了计算开销,特别是可以只针对某些需要的谱线进行计算,提高了谱分析的灵活性和高效性。试验结果表明,所提方法在不同负载条件下能够有效提取转子速度谐波,且具有较高的转速估计精度。