基于自编码器和LSTM的模型降阶方法

自编码器是一种有效的数据降维方法,可以学习到数据中的隐含特征,并重构出原始输入数据。本文提出了一种基于多层自编码器和长短期记忆网络的模型降阶方法,以提升降阶模型的精度。文中以二维圆柱绕流为例,对该方法进行了分析与验证。首先用多层自编码器对原始数据进行降阶和特征提取,然后构建基于长短期记忆网络的预测模型,最后将自编码器和预测模型拼接并进行微调,得到降阶模型,并将其与基于主成分分析的降阶模型进行对比。结果表明,多层自编码器能在保证精度的同时提升数据压缩率;提出的降阶方法有效地提升了模型精度,使得预测速度场和原速度场之间的均方根误差降低至3×10^-3左右。     

自修复材料研究进展

着重从修复机理出发分别介绍了金属基、陶瓷基和聚合物基自修复材料的研究进展，分析了达到良好自修复功能对材料结构、组成和性能等方面的要求，综述了自修复材料的研究进展、存在的问题及其发展方向。     

微粒群优化相关向量机的开关磁阻电机转子位置自检测

将电机在有位置传感器运行条件下采样获得的磁链、电流和转角作为样本数据,基于相关向量机回归理论,通过对样本数据的训练与学习,构建开关磁阻电机转子位置的非线性相关向量机预测模型。为提高预测模型的拟合精度和泛化能力,训练过程中采用微粒群算法优化相关向量机的核函数参数。以1台三相12/8极样机为例,开展仿真研究,结果表明:该预测模型能够正确地检测出开关磁阻电机的转子位置,并且检测精度较高。     

自维持合成双射流对超声速燃烧室凹腔质量交换特性影响研究

为了改善燃烧室凹腔与主流的掺混性能,提出了一种利用凹腔内压力差形成自维持合成射流的流场控制方法,在超声速冷流条件下,采用动网格技术对激励器的膜片振动过程进行模拟,详细分析了自维持合成双射流与凹腔相互作用的过程,研究了激励器出口位置、参数、凹腔构型以及来流Ma数等参数的影响。结果表明:加入自维持合成双射流激励器可以大幅提升凹腔的质量交换特性,减小气体在凹腔内的驻留时间;且激励器出口位置分布对控制效果影响较大,当激励器出口位于凹腔底部中间位置时,质量交换率最大能够提升49%。此外,凹腔构型以及来流条件都会影响自维持合成双射流对凹腔掺混的控制效果,在相同来流条件下,凹腔长深比越大,控制效果越显著,自维持合成双射流能使长深比L/D=7.76的凹腔质量交换率提升115%;对于同一凹腔,随着来流马赫数增加,激励器对凹腔质量交换特性控制效果提升更为明显,但改变振动膜片的振幅和频率对控制效果的改善不明显。     

卡尔曼滤波和自相关分析方法短期预报电离层f0F2的比较

电离层参数f₀F₂的预报是电离层研究的一个重要方向.本文选取2011年北京、长春、青岛和苏州四个常规观测站的f₀F₂数据,分别采用卡尔曼滤波、自相关分析法和国际参考电离层模型（IRI）对f₀F₂实施短期预报（提前1h预报）,并通过与实际观测数据的对比,对三种方法预报f₀F₂的性能进行了比较.研究结果表明,在磁平静时期,采用卡尔曼滤波方法进行f₀F₂预报的均方误差为0.532MHz,相对误差8.11%,比国际电离层参考模型的均方误差和相对误差分别降低1.47MHz和14.58%;采用自相关分析方法进行f₀F₂预报的均方根误差为0.967MHz,相对误差11.46%,比国际电离层参考模型的均方误差和相对误差分别降低1.035MHz和11.23%.比较结果说明二者对f₀F₂短期预报的精度相对于国际电离层参考模型均有大幅提升.对磁暴期间三种方法的预测性能做了进一步比较,试验结果表明卡尔曼滤波短期预报性能总体上优于自相关分析法,这为f₀F₂短期预报的方法选择提供了一定指导.      

半球谐振陀螺零偏温度漂移的自补偿

摘要： 针对半球谐振陀螺零偏受温度影响容易发生漂移的问题,提出一种基于陀螺自身谐振频率的自补偿方法.通过分析陀螺谐振频率与温度的关系特性说明陀螺谐振频率用作温度信息进行补偿的可行性,建立陀螺零偏的温度补偿模型及方案,采集陀螺驱动回路的谐振频率对零偏进行实时补偿.此方案中,陀螺谐振频率检测的分辨率为0.03 Hz,对应的温度分辨率为0.075 ℃,在-10 ℃～60 ℃温度范围内,陀螺的零偏漂移由补偿前的30（°）/h降低到2.8（°）/h.实验结果证明该方案的有效性.     

不起动流场对超声速/高超声速进气道自起动性能的影响

对7个典型速域的二维超声速/高超声速进气道加速自起动过程进行了准定常数值仿真,分析了真实临界不起动流场对进气道自起动性能的影响,研究发现:存在一种介于超声速和高超声速临界不起动模式之间的过渡临界不起动模式。当真实不起动流场处于超声速临界不起动模式时,自起动马赫数略大于无黏设计自起动马赫数;处于过渡临界不起动模式时自起动马赫数小于无黏设计自起动马赫数;而该研究中处于高超声速临界不起动模式的进气道,自起动马赫数明显大于无黏设计自起动马赫数。高超声速临界不起动模式下的喉道截面特征气流参数显著偏离无黏临界不起动流场,所以Kantrowitz理论以及基于该理论发展而来的系列方法不适用于预测高超声速进气道自起动性能。     

基于动态集成算法的航空发动机气路参数预测

针对单一学习机对航空发动机气路参数预测困难的问题,提出了基于动态加权核密度估计（DWKDE)组合方法的集成预测算法,该组合方法选择测试样本的近邻样本,通过评估学习机在近邻样本的局部性能动态确定各学习机的权值,并基于该权值利用加权核密度估计实现数据序列的集成预测。该组合方法不易受离群值和样本不对称分布的影响,将该组合方法用于AdaBoost.RT和AdaBoost.R2算法,获得了改进后的集成学习算法。实验证明:相比于神经网络和原始集成学习算法,改进后的集成学习算法较好地提高了航空发动机气路参数序列的预测精度,方均根误差（RMSE)指标至少可降低27%。      

再入(返回)测量的自校准α-β-γ滤波

在导弹、航天器试验任务的实时数据处理中,α-β-γ滤波已得到应用。由于外测系统的观测数据中,除含有随机误差外,还含有系统误差,而且系统误差经常大于随机误差。随着对实时处理测量精度要求的日益提高,应用α-β-γ滤波解算弹道参数,必须考虑外测系统误差的修正,否则,在较长测量弧段利用其滤波时,系统误差会造成弹道参数的滤波“发散”。本文基于“EMBET”自校准原理,将其推广到α-β-γ滤波中,完成了具有自校准α-β-γ滤波公式的推导,并给出再入(返回)测量弧段时的常用测量元素下的相应公式。