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。     

倾角回转误差算法问题分析及改进

对倾角回转误差的算法和公式进行了积极探讨,对GJB1801-1993中倾角回转误差算法进行改进尝试并通过对测试方法进行理论分析和一组典型数据的计算结果对此予以进行证明。在此基础上对倾角回转误差算法进行了修正,增加约束条件:消除的一阶谐波分量必须幅值相同,相位相差90°,从而得到修正公式。再从基本误差定义出发,重新对倾角回转误差进行推导,得到了相同的结果。     

微通道中液滴和粒子的运动特性研究

微流控技术的快速发展反映了新型检测器件对微型化和集成化的要求，以及当前科学研究和工程应用逐步向多学科交叉领域过渡的趋势。其中，液滴和粒子是微流控技术中两种重要的操控对象。液滴和粒子的微尺度流动通常处于层流范围，然而尺度效应和界面效应将非线性因素引入流动，且受到通道结构、流动条件等多个控制参数的耦合影响，使得微尺度系统表现出多种复杂的流动现象。因此，从流体动力学的机理研究出发揭示微尺度流动的物理机制至关重要。本文综述了课题组近年来关于微通道中液滴和粒子运动的研究，分析了液滴/粒子特征参数的变化规律，界定了不同流动模式的分布状况及临界条件，明确了主导流动的关键参数并建立了相应的受力模型，以期探寻不同行为的操控方法。本文工作可为微尺度下复杂流动理论体系的完善及相关工程应用提供参考。     

可编程PCM模拟器

该文论述PCM模拟器的主要性能、软件编程和工作原理,采用专用软件和专用CPU的设计方法,使模拟器兼有高码率输出和智能,可以模拟多种极其灵活和复杂的帧格式,还可实现帧码容错、帧格式参数实时变换等功能,能够接收遥控设置和命令。本模拟器已多次用于Y9可编程遥测系统中,其灵活、多样的数据格式为系统测试和单机调试提供了方便和保证。     

横航向驾驶员诱发振荡研究及地面模拟验证

本文建立了包括非线性环节在内的横航向驾驶员—操纵系统—飞机本体组合系统的数学模型,采用闭环控制原理,对JJ-7飞机横航向驾驶员诱发振荡PIO问题进行了研究,并详细地讨论了驾驶员参数及其各种操纵动作、操纵系统和飞机本体气动参数对横航向PIO的影响,探讨了横航向PIO产生的机理。文中以JJ-7飞机为例,采用时域法在整个飞行包线各点进行了检查,并用固基飞行模拟器进行模拟验证。其结果与理论计算结果相一致。     

考虑地面效应影响飞机起飞着陆过去运动模型的参数辨识

利用基于最小模型误差法和线性不连续跳跃多重打靶法基础上建立的非线性辨识法，辨识飞机起飞着陆过程飞机的非线性动态模型，对于包含复杂非线性项的动态系统，本方法可以从实际试验量测的系统非线性数据，确定飞机处于地面效应影响运动过程的系统模型，而不需要预先详细描述系统的非线性形式。