SVM在气体减压器稳定性能中的应用

使用支持向量机(SVM)研究涡轮气封减压试验系统中高压卸荷膜片式减压器的稳定性问题,主要集中于以往方法不易涉及的多结构参数变化.针对稀疏易有残缺的小样本空间,与BP(back propagation)神经网络模型进行对比,得出SVM方法在所研究数据集上的一些结论:SVM模型预测性能在多结构参数变化情形下优于BP神经网络模型,预测误差平均降低了25.5%;SVM的泛化性好于BP;在双参数、三参数情形下,SVM模型为气体减压器的设计提供了更好的决策支持,给出了优化结构参数的设计建议.      

固体火箭发动机装药的计算机辅助设计

本文提出了面向微型计算机的计算机辅助设计方法和程序,包括装药几何计算、内弹道性能计算及强度校核图形显示等一体化设计的计算机程序.目前已开发了三维翼柱型装药的模块化结构程序分支,可在微机PC-286/386上进行.本程序通用性广,精度高,可以很方便地扩充到其他药型.     

双燃速固体火箭发动机内弹道计算方法

本文从工程应用的角度给出了双燃速发动机内弹道近似计算方法.推导了双燃速发动机的平衡压强关系式.分别描述了串装式和套装式双燃速发动机中的再生燃面及特殊燃面,并给出了这些燃面的近似求解方法和发动机的内弹道计算.     

一种研究逆向卸荷膜片式减压器稳定性的BP神经网络改进算法

为更好地研究多结构参数耦合变化下减压器PPR(pressure reducing regulator)的稳定性，使用BFGS (Broyden-Fletcher-Goldfarb-Shanno)拟牛顿法替换梯度下降法，实现了基于Wolfe条件的一维线搜索变步长BP(back propagation)算法.结果表明:改进的BP算法使迭代次数减少了1~2个数量级，且易于收敛到最小点.该算法用于逆向卸荷膜片式减压器时，能适应2~3个结构参数的耦合，可预测大于106个数据点的数据集.多结构参数同时变化时，更容易找到使得减压器稳定的结构参数组合.更重要的是这些结构参数同时变化时减压器的稳定性比仅其中一个参数变化时更好.