一种非线性系统集员辨识算法

针对带有未知有界噪声的非线性动态系统的鲁棒辨识问题,提出了一种新的非线性动态系统的集员辨识算法.利用径向基函数神经网络的逼近能力,根据系统的输入输出数据,选用径向基函数神经网络对未知非线性系统建模.径向基函数神经网络的中心被确定之后,考虑到建模误差与系统噪声有界,利用径向基函数神经网络为参数线性模型的特点,使用参数线性集员辨识算法辨识径向基函数神经网络的输出权值.由于集员辨识算法所得到的是网络输出权值的集合估计,在系统运行过程中,可以很方便地利用所建模型预测实际系统的输出范围.仿真表明,集员辨识算法辨识网络的输出权值比最小二乘法较少的受未知动态系统噪声分布的影响.     

五种径向扩压器与同一离心压气机叶轮相互匹配的试验研究

介绍了某型离心压气机叶轮与五种径向扩压器匹配的试验研究。通过试验录取了五种径向扩压器与同一离心叶轮匹配的性能数据，并对试验结果进行了初步分析和对比．评定了各方案试验性能的优劣；还讨论了叶片式径向扩压器造型参数的变化和叶片前后缘圆心位置的不同处理对离心压气机性能的影响。     

涡轮高压导叶流场结构及损失分析

采用具有TVD性质有三阶精度Godumov格式，数值模拟了某型涡轮高压导叶流场，并对流场损失及涡系结构进行分析，结果表明由于强烈的径向流，使低能流体大量地迁移到下端壁，使得下端部的损失显著增大，从而引起了总损失的增加。因此在高压导叶设计中，当采用低展弦比叶片时，应注意削弱叶片出口附近流场的严重径向窜流。     

镀膜光纤声光相位调制器频率响应特性的研究

本文对光纤声光相位调制器（OF—AOPM）的频率特性进行研究。分析了OF—AOPM的调相原理，研究结果表明：在调制频率远离氧化锌压电薄膜的半波谐振频率的时候，光相位的调制不仅依靠径向应力。同时还依靠轴向应力。通过同时考虑径向和轴向应力的变化，得出了OF—AOPM在整个频率域范围内的响应特性。     

基于径向基函数神经网络的自由曲面重构

根据径向基函数神经网络（RBFNN）具有很强的非线性逼近能力的优点，本文采用RBF网络模型进行自由曲面重构，建立了适应于曲面重构的径向基函数网络模型，讨论了基函数对重构曲面连续性的影响，并与多自由曲面重构，建立了适应于曲面重构的径向基函数风络模型，讨论了基函数对重构曲面连续性的影响，并与多层感知器神经网络的性能进行对比。理论分析和仿真实验结果表明：常用的几种径向基函数重构的曲面都具有很好的连续性，径向基函数网络用于曲面重构，不论是在拟合精度，还是网络的训练速度都明显优于多层感知器网络，具有一定的实用价值。     

向心透平叶片角动量分布的优化

 以n条子午流线,给出满足约束条件的各自角动量分布的若干不同组合构成初始复合形,做复合形每一顶点处该向心透平叶轮S2 流面与跨叶片面势流场分析,并以二元紊流边界层动量厚度计算经三元修正,分析叶轮效率,最终使复合形法成功应用于向心透平叶片角动量分布的优化。该方法也适用于离心叶轮中叶片加载量的优化。     

温度与转速对涡轮叶尖径向间隙的影响

给出了考虑温度和转速影响的涡轮叶尖径向间隙的分析计算方法。用ＡＮＳＹＳ有限元软件计算出涡轮叶径向间隙的时间历程变化趋势,其中叶盘径向位移主要考虑温度和转速的影响,机匣径向位移主要考虑温度的影响。该分析计算方法为进一步开展涡轮叶尖径向间隙主动控制的研究奠定一定的基础。     

两种多重网格法求解径流叶轮机械可压流动

为了加快数值求解叶轮机械内部流场的收敛速度,并改善计算结果,在数值求解径流叶轮机械可压流动的计算中,采用了由微元、二重和三重网格逐级转入和同时转入的两种多重网格法。对德国宇航局Ｋｒａｉｎ Ｈ设计的离心压气机内部流场的数值计算表明,两种多重网格法的计算结果差别不大,尽管在收敛速度方面存在差异,但均与测量数据吻合比较好。     

新型非接触式径向C4D传感器优化设计

基于电容耦合式非接触电导检测(C4D)技术,设计研发了一种新型径向结构的非接触式电导测量传感器。该传感器利用串联谐振的原理,引入电感模块以消除耦合电容对测量的不利影响,扩大了测量范围,提高了测量灵敏度。同时,用仿真与实验相结合的方法对传感器的电极张角进行了优化研究。在5.0、7.5、9.1、10.2和12.0 mm 5种不同内径的管道中进行了电导测量实验,电导测量相对误差均不超过5%,实验结果表明,所设计的新型非接触式径向C~4D电导测量传感器是可行和有效的。     

高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。