基于XFEM-CZM耦合法的胶接接头裂纹扩展分析及强度预测

采用扩展有限元法（XFEM）和内聚力模型（CZM）相耦合的方法，分析胶接接头胶层内部裂纹扩展、界面脱粘分层现象。采用内聚力单元和内聚力接触描述胶层/板材界面，建立单/双搭接接头有限元模型。预测拉伸载荷下接头的强度性能并与已有试验数据对比分析，验证XFEM-CZM耦合法的可行性及内聚力单元和内聚力接触2种界面建模方法的有效性。模拟裂纹从胶层内部扩展至胶层/板材界面并引起界面脱粘分层的过程，分析其损伤失效机理。讨论初始裂纹长度和界面刚度、强度及应变能释放率对胶接接头强度性能的影响。结果表明:胶接接头强度随初始裂纹长度增加而降低，且在双搭接接头模型中表现更为明显；界面刚度、强度对胶接接头强度影响较大而应变能释放率的影响较小。      

基于MapReduce的CME参数识别模型并行计算技术

日冕物质抛射（Coronal Mass Ejection，CME）参数识别模型是太阳风预报过程的重要组成部分.在空间环境预报业务中，为提高太阳风预报的准确率，需要提高CME参数识别的精度.模型以计算任务串行的方式运行，运算效率低导致模型运算时间长，不能满足这种需求.CME参数识别模型的物理运算过程相互不独立，其在单节点上的运行方式不能满足并行化要求.基于MapReduce的并行计算框架，改进了CME参数识别模型的计算流程，提出CDMR（CME detection under MapReduce）方法，实现了CME参数识别模型的并行计算，并对比分析CME参数识别模型在串行计算和MapReduce并行计算下的运行时间，提高了模型的识别精度和计算效率.      

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前，目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时，随着脑科学研究的不断深入，人们对人脑视觉系统的理解逐渐透彻，利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs)，提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法，包括：基于演算侧抑制的目标检测算法，基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明，将类脑模型和深度神经网络应用于目标检测和跟踪领域，有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

增材制造燃油喷嘴特征件磨粒流抛光研究

燃油喷嘴的增材制造在缩短制造周期、降低制造成本以及提升合格率方面具有明显优势,但是喷嘴内流道表面的光整处理成为打印工艺亟需突破的关键技术难题。对增材制造燃油喷嘴内流道特征件进行磨粒流四因素抛光试验,结果表明在本文的试验条件下,磨粒流抛光可有效去除表面黏粉、球化现象,改善表面台阶效应;通过优化计算获得了磨粒流抛光的最优工艺参数,经试验验证,喷嘴内流道表面粗糙度Ra由9.10μm降至2.70μm。     

涡扇发动机系统和部件试验适航符合性验证研究

针对我国涡扇发动机系统和部件适航试验未得到充分融合及系统化贯彻的问题,以系统和部件试验的适航需求为引导,在提出涡扇发动机系统和部件试验的适航符合性验证实现路径的基础上,建立了系统和部件试验验证项目的决断模型和阶段化及并行模型。实例表明,提出的验证实现路径和建立的验证模型,能有效地将系统和部件适航符合性验证项目融合进发动机研制周期中,并系统地实现验证与对象之间的匹配及过程控制,对保证涡扇发动机系统和部件试验适航符合性验证的充分性和系统性具有积极的指导意义。     

时间序列法在临近空间大气风场预报中的应用

受多种因素影响，临近空间大气环境要素复杂多变，预报难度很大.本文采用时间序列法中的自回归滑动平均（ARMA）模型对临近空间大气风场开展统计预报方法研究，基于廊坊（39.4°N，116.7°W）中频雷达在88km高度的大气纬向风数据开展预报试验.本次预报试验的样本数据为2015年9月24日至10月24日风场数据，利用过去7天数据对未来第8天风场数据进行预报.试验结果显示，ARMA模型对临近空间大气风场预报有一定的适用性.当风场变化规律性较强，即样本数据风场呈现出比较显著的24h周期性变化时，ARMA模型预报效果较好；当风场发生突变时，预报效果变差.与实测数据的对比结果表明，ARMA模型预报结果的误差在9~27m·s-1，预报效果优于同阶自回归（AR）模型，略优于高阶AR模型.      

直升机惯性传感器结构的模态优化

提出了一种基于迭代抽样和径向基插值的自适应代理模型方法。这种自适应方法以减少仿真计算数量和提高代理模型自适应能力为目的,使用多岛遗传算法选择新增样本点并使新增样本点位于设计空间的稀疏区域,使得所有的样本点均匀分布于设计空间。标准误差用来判断代理模型的精度大小以决定是否对代理模型进行更新。这种自适应代理模型结合多岛遗传算法对直升机的惯性传感器结构模态进行优化。用拉丁超立方抽样方法选择10个样本点构建初始的代理模型,自适应代理模型的计算结果表明2%的误差条件下需要额外增加7个样本点。优化结果表明不同的权重系数对最优模态特性的影响很大,惯性传感器结构的一至六阶模态值更加远离直升机的激励频率。     

基于Kriging模型梯度解析解的改进一次二阶矩方法

改进一次二阶矩（AFOSM）法是一种基于功能函数梯度的结构可靠性分析方法，鉴于其对隐式函数的梯度较难求解，提出了一种基于Kriging模型梯度解析解的AFOSM方法，利用Kriging代理模型的解析表达式推导得到功能函数对输入变量的梯度解析解，为AFOSM中设计点的确定提供高精度的梯度信息。通过Kriging与AFOSM的结合，很好地解决了基于有限元模型的隐式情况下梯度计算量相当大、可靠性分析难的问题。数值与工程算例验证了所提Kriging梯度解析解的较高精确性，同时验证了所提基于Kriging解析解的AFOSM结构可靠性分析方法的正确性与较高精度。     

航空弧齿锥齿轮副风阻功率损失分析与优化

基于CFD理论，利用Fluent求解软件，借助超级计算机强大的并行运算能力对航空弧齿锥齿轮副风阻功率损失进行仿真计算。采用局部综合法建立弧齿锥齿轮副三维模型，选用RNG k-ε湍流模型，考虑平均流动中的旋流流动情况，与标准k-ε模型相比，RNG通过修正湍流黏度并很好地处理了高应变率以及流线弯曲程度较大的流动。齿轮边界运动通过UDF(user-defined functions)函数驱动，同时采用动网格模拟流场形状由于边界运动而随时间改变问题。最后得出无挡风罩和不同挡风罩配置下的齿轮副风阻功率损失，证实了合理安装挡风罩能够有效降低齿轮风阻损失，并分析多组仿真实验间的减速器内流场压力、速度、湍流动能云图变化，得出了最优化的挡风罩配置，以求最小化风阻功率损失，文中减阻效果最好的挡风罩能降低55.3%的齿轮风阻损失，此时挡风罩间隙为1 mm，为工程实际应用挡风罩的设计提供了参考。