基于复合弯掠技术的轴流风机叶轮优化

基于叶轮机械全三维优化设计平台NUMECA/Design 3D,采用人工神经网络和遗传算法相结合的方法,通过复合弯掠技术对一低压轴流风机叶轮空间弯掠积叠线进行三维优化设计。优化目标为在设计工况点保持风机流量不变,尽可能提高气动效率和全压升。结果表明:复合弯掠优化使叶轮设计工况点的效率和全压升分别提升约1.92%和3.98%。复合弯掠优化使叶片负荷重新分布,改善了叶顶和叶根区域的流动,同时抑制了叶轮近吸力面叶根角区的流动分离和减小了叶顶泄漏涡的强度和影响范围,降低了流动损失,提高了叶轮气动性能。     

轴编C/C复合材料组分材料有效性能

利用光学显微镜观测和测量轴编C/C复合材料细观编织结构及其尺寸,建立轴编C/C复合材料有限元模型,通过给出组分材料有效性能的变化区间,构造组分材料性能与轴编C/C复合材料宏观有效性能的对应关系,利用径向基函数(RBF)人工神经网络(ANN)方法,对该高度非线性的对应关系进行训练,通过轴编C/C复合材料宏观实验结果,预报其组分材料的有效性能。结果表明,轴编C/C复合材料面内弹性性能基本相同,在测量时可忽略面内纤维束铺设方向的影响;人工神经网络对训练样本有一定的依赖性,但通过多次随机构造样本训练网络,可得到理想的预测结果,且人工神经网络方法具有很好的容错性,能很好地预报轴编C/C复合材料组分材料的有效性能。     

BP网络进行0-9十个数字图像的识别

在BP算法和数字图像处理技术的基础上,本文在MATLAB软件环境下提取Word文档中26种字体的0-9十个数字的图像,使用MATLAB神经网络工具箱及图像处理工具箱进行数字的识别,给出了较详细的处理步骤及相关程序,并比较了各种识别算法的收敛速度和识别率。     

基于BP神经网络的介质表面充电电位反演方法

为了实现全面、实时的在轨卫星充放电风险分析,基于在相同环境下,不同材料表面充电的关联性,利用BP神经网络建立了一种由Kapton材料表面充电电位反演卫星其他常用介质材料表面电位的模型。以Kapton材料的表面电位以及材料厚度为输入,其他介质材料的表面电位作为模型输出,使用COMSOL建立的表面充电模型对神经网络进行训练,将反演误差降低到10%以下,并利用Kapton与Teflon材料表面充电地面试验数据验证反演模型的准确性,结果显示Teflon表面电位的反演值与实测值间的相对误差小于16%。     

风洞试验方案智能优化设计方法研究

我国的航空航天装备发展已经进入了自主创新的崭新阶段,新一代飞行器气动设计的探索创新、优化定型需要高水平的风洞试验能力作为支撑。先进飞行器研制需要快速获取正确的气动外形关键数据,其高性能、高精度的发展趋势对风洞试验的数量和质量提出了更高要求。传统风洞试验方案设计和数据分析模式已经越来越不能满足需求,亟待有所突破。本文以飞行器地面试验分析为背景,应用支持向量机模型对试验数据进行建模分析,发展风洞试验方案优化设计方法和试验数据智能分析方法,探索气动数据与飞行器几何参数之间新的内在关联,构建风洞试验辅助设计和分析系统,提高风洞试验效率和试验数据的正确率,为先进飞行器气动设计提供技术支撑。     

智能CAD／CAM一体化系统研究

提出了一种智能设计制造的一体化方案，建立了面向产品全生命周期的数据结构、知识库和生产环境（设备、刀具、工装、材料等）等支承性数据结构。采用模糊专家系统（ＦＥＳ）、人工神经网络（ＡＮＮ）等人工智能（ＡＩ）新技术，实现了面向对象的ＣＡＤ设计、智能ＣＡＰＰ工艺设计和一体化ＣＡＭ系统。     

一种改进的BP网络系统辨识算法的研究

本文提出了一种降低网络灵敏度的BP网络改进算法,即在网络的误差反向传播信号线上增加一个协调器, 该协调器控制各层权值的修正,大大提高了网络的学习速率。通过对具体网络的仿真,证明了该算法的可行性。     

基于自适应遗传BP算法神经网络数据融合的空中目标识别

空中目标识别是现代防空作战的重要研究内容。本文利用不同类型目标产生的多类型传感器的数据信息对目标进行识别。为了训练神经网络目标识别分类器，将遗传算法和BP算法相结合，提出了一种新的自适应遗传BP算法，利用这种神经网络来确定指标的权值。仿真试验结果表明，基于自适应遗传BP算法神经网络的识别是一种简单、可靠的目标识别方法，具有很好的目标识别效果。     

磨削力和磨削表面粗糙度预测的新方法

介绍了采用人工神经网络方法预测磨削力和磨削表面粗糙度的分析模型。此模型可精确地描述砂轮转速、砂轮进给速度及工件转速对磨削表面粗糙度的影响,并可利用有限的试验数据得出整个工作范围内表面粗糙度的预测值,从而大量减少试验次数。