压气机稳定边界的数值预测研究

为研究不同压气机稳定性预测方法的准确性,采用最大静压升系数法与商用CFD软件,对某4级低速压气机的稳定边界进行了数值模拟,并与试验结果对比。计算结果表明:最大静压升系数法在预测压气机稳定边界上有一定的准确性。使用商用CFD软件NUMECA对某4级压气机进行模拟计算,考虑了不同的网格划分方案、使用不同的湍流模型和差分格式等因素,以出现数值发散作为压气机失稳的标准,结果表明:主流区的网格对计算结果影响较大。不同差分格式的结果显示,中心差分格式的结果最好。     

航空发动机过失速及退喘模型研究

针对涡喷和涡扇发动机,通过求解带源项的2维欧拉方程组,发展了模拟发动机整机过失速及退喘动态过程的理论模型,实现了2种发动机稳定状态-喘振/旋转失速-退喘动态过程的模拟。分析了某单轴涡喷发动机算例,模拟结果展现出喘振和旋转失速相应的基本特征;对某小涵道比双轴混排涡扇发动机进、退喘模拟结果进行分析,发现风扇与压气机均发生了喘振,且喘振频率相等,并最终都恢复至稳定状态。     

基于图对比的上下位关系检测

上下位关系是自然语言处理(NLP)下游任务的基础，因此上下位关系检测是自然语言处理领域备受关注的问题。针对现有词嵌入方法采用随机初始化词向量，不能很好地捕获上下位关系不对称和可传递的特性，且现有模型没有充分利用预测向量与真实投影之间关系的局限性，提出了一种基于图对比学习的上下位关系检测(HyperCL)方法。引入图对比学习进行数据增强，基于最大化局部和全局表示的互信息，学习具有鲁棒性的词特征表示。所提方法学习了将下位词的词向量投影到上位词和非上位词，同时能够更好地区分嵌入空间中的上位词和非上位词，从而提高了检测精度。在2个基准数据集上的实验结果表明，所提模型比现有方法在准确率上提升了0.03以上。      

基于图对比注意力网络的知识图谱补全

知识图谱(KG)补全旨在通过知识库中已知三元组来预测缺失的链接。由于大多数方法都是独立地处理三元组，而忽略了知识图谱所具有的异质结构和相邻节点中固有的丰富的信息，导致不能充分挖掘三元组的特征。考虑基于端到端的知识图谱补全任务，提出了一种图对比注意力网络(GCAT)，通过注意力机制同时捕获局部邻域内实体和关系的特征，并封装实体邻域上下文信息。为了有效封装三元组特征，引入一个子图级别的对比训练对象用于增强生成的实体嵌入的质量。为了验证GCAT的有效性，在链接预测任务上评估了所提方法，实验结果表明，在数据集FB15k-237中，MRR比InteractE提高0.005，比A2N模型提高0.042;在数据集WN18RR中，MRR比InteractE提高0.019，比A2N模型提高0.032。实验证明提出的GCAT模型能够有效预测知识图谱中缺失的链接。