一种小波神经网络与遗传算法结合的优化方法

提出一种基于小波神经网络(简称WNN)与Pareto遗传算法相结合的优化方法,并用于内流的数值流场优化计算.小波神经网络由输入层、隐含层和输出层组成.在隐含层用Morlet小波母函数取代了误差反向传播(BP)神经网络中常用的Sigmoid激励函数.Pareto遗传算法具有很好的全局寻优能力和良好的优化效率,在通常情况下它总可以得到均匀分布的Pareto最优解集.典型算例表明:该算法快速、高效,能高精度的完成非线性函数的逼近与映射,其泛化能力很强.      

再入飞行中DSMC与Navier-Stokes两种模型的计算与分析

首次提出了再入飞行过程中"小Knudsen数特征区(即[Kn1,Kn2]域)"的概念,并用直接模拟蒙特卡罗(DSMC)算法与求解Navier-Stokes方程两种模型详细研究了在这个区域中的流动.数值计算表明:采用王保国教授课题组自己编制的DSMC源程序和求解多组分、考虑热力学非平衡以及化学反应非平衡、弱守恒型Navi...     

流场特性预测的两类高效方法

在多因素多水平试验设计方法建立数据库的基础上,提出了预测流场特性的两类高效方法:一类是响应面方法;一类是小波神经网络方法.典型算例表明,两类方法都可以高效率的获取流场特性参数,而且在预测的精度与计算的效率上,小波神经网络方法较响应面方法更具有优势.      

四种飞行器绕流的三维DSMC计算与传热分析

在地球大气层与火星大气层中,使用自己编制的DSMC(direct simulation Monte Carlo)源程序完成了四种飞行器(即Apollo,Orion,Mars Pathfinder以及Mars Microprobe)高超声速穿越稀薄气体时的三维绕流计算,给出了上述飞行器42个典型飞行工况(其中包括在地球大...