基于活动网络图的工作流建模工具的设计与实现

在描述工作流过程的模型中,基于活动网络图工作流模型的可读性最好。它对于工作流过程的描述非常直观,是最自然的过程表达方式。本文首先分析了工作流管理联盟(WfMC)提出的工作流过程定义的元模型,然后给出了一种基于活动网络图的工作流过程模型,并采用面向对象的程序设计方法,完成了工作流过程建模工具的开发。     

CASE工具中的建模透明性

主要讨论了ＣＡＳＥ集成工具中支持的建模透明性。首先介绍了图的串行和并行依赖，并给出一些实例；然后讨论了ＣＡＳＥ工具支持的各种程度的建模透明性。最后介绍了仓库的元模型对建模透明性的支持。     

基于机器学习方法的压气机落后角与总压损失预测代理模型

为了提高压气机特性预测的精度,基于机器学习方法构建预测落后角与总压损失的代理模型。以一台两级压气机为研究对象,基于多个转速工况下的流场实验数据和叶片几何参数建立了基元叶型数据库。通过灵敏度分析方法筛选出对落后角和总压损失影响最大的输入参数,分别采用高斯过程回归和人工神经网络两种机器学习算法建立落后角与总压损失模型,并引入贝叶斯优化算法搜索最佳模型超参数。对于人工神经网络面临的优化问题和泛化问题,调整模型学习率和修正参数梯度以加速收敛,同时采用正则化方法增强模型泛化能力。模型训练过程采用交叉验证策略以降低过拟合风险,并将优化后的代理模型整合到通流程序中对压气机进行特性预测验证。对比表明,低转速工况代理模型的压比特性预测误差显著低于经验模型,其中人工神经网络建模改善最明显,相比经验模型预测误差降低了0.1。通过代理模型横向对比,基于人工神经网络建立的代理模型比基于高斯过程的代理模型预测精度更高且鲁棒性更强。     

基于子元模型的全局优化与设计空间知识挖掘方法

为有效求解大资源黑盒子问题如叶轮机械设计优化等,提出了基于子元模型的全局优化与设计空间知识挖掘方法MBOE。该方法包括全局优化算法MBGO与数据挖掘两部分,其中MBGO算法需要极少的函数估值即可获得全局最优解;数据挖掘技术能有效分析变量间的相关关系,揭示最优设计性能提高的本质原因。利用MBOE,完成NASA Rotor37转子叶栅三维气动设计优化与知识挖掘,最优设计等熵效率相对参考设计提高1.74%。同时,利用MBGO算法所需要的计算量仅为进化算法的1/5。数据挖掘结果表明叶栅前缘及三维积叠参数对叶栅气动性能影响较大,最优设计由于上述叶型参数的改善有效减弱了叶栅进口激波损失,使得最优设计气动性能明显提高。由此,MBOE方法的正确性和有效性得到了验证。     

基于CATIA V5的装配工具快速建模技术研究

针对装配工具种类繁多、建模过程费时费力的情况,通过完善CATIA V5参数化建模功能,构建一种基于CATIA的可视化快速建模方案.在Visual Studi02005平台下,利用CAA技术对CATIA进行二次开发,实现3种类型气钻的应用开发实例.实例表明,利用该建模方案可以大大提高装配工具建模的效率,为进一步实现装配工具模型库的建立奠定基础.     

机器学习方法在气动特性建模中的应用

气动数据建模是飞行性能仿真评估的基础。气动特性建模主要有机理建模方法和“黑箱”建模方法。本文对“黑箱”建模的三类机器学习方法——分类与回归树方法、浅层学习方法和深度学习方法,进行了算法说明与分析应用。将分类与回归树方法、浅层学习方法中的Kriging建模方法、RBF神经网络方法及SVM支持向量机方法分别应用于火箭气动特性建模、三角翼大迎角非定常气动特性建模、气动热试验数据融合,对这几类建模方法的优势和不足进行了比较分析。同时,将流动条件参数组成向量,再映射为图像,与翼型图像构成“合成图像”,建立了基于翼型几何图像、来流马赫数、迎角的翼型气动特性深度神经网络模型,得到了比较好的预测效果,拓展了气动特性深度学习建模方法的使用范围。     

机器学习辅助湍流建模在分离流预测中的应用

数据驱动湍流建模是近年来发展的提高雷诺平均N-S方程预测精度的有效手段,通过机器学习算法能够从高置信度数据中自动提取特征,建立准确的从平均流动特征到雷诺应力的预测模型。针对高雷诺数下积冰翼型绕流这一类典型的复杂流动分离问题,基于此前研究者提出的机器学习预测框架,从输入输出特征选择和翼型绕流中数据分布特性两个方面出发,对机器学习预测结果的光滑性和准确性进行改善。提出了基于雷诺应力张量分析和流动特征辨识的输入特征选择准则;提出了局部区域建模方法以及基准模型和机器学习预测模型混合的代入计算方法。将改进方法应用于积冰翼型绕流问题之中,结果表明改进的方法能够准确给出训练集和预测集上的雷诺应力结果,并且代入平均流计算可以得到和真实分布更加接近的流动和机翼表面压力分布。     

基于GEF框架的AFDX网络建模工具的设计与实现

本文提出了基于Eclipse GEF框架的AFDX网络建模方法。该方法应用GEF的MVC结构,以RCP的形式实现了图形化的AFDX网络建模工具,为用户提供了高效的展示和编辑AFDX网络模型的环境。由于建立了基于Eclipse RCP技术的开放性平台,用户可以Eclipse插件的形式将任何新的功能无缝地集成在此平台下,极大地提高了工具的可扩展性。     

动态产品模型与建模方法

分析了产品开发的动态特征--开发模式动态性、设计过程动态性和产品数据动态性,提出了集成功能、行为、结构、环境、性能的动态开发模式来反映整个开发过程的外延动态性和内涵动态性,基于动态对象模型理论建立了动态产品模型的建模方法.     

基于机器学习的航行通告文本分类研究

航行通告是与航空飞行有关人员必须及时知道的,影响民航飞机使用服务,关于设施、空域、资料的通知,对航行通告进行文本分类处理可以提升飞行运行效率、助力飞行正常、落实相关法律规章。以国内某大型航空公司为例,日均接收处理航行通告约2 600条,大部分需人工进行分类处理,且航行通告的数量在稳步增长,故机器学习文本处理极具应用前景。本文使用航空公司收取的航行通告为文本原料,使用词袋模型以及TF-IDF模型,借助朴素贝叶斯分类器,结果表明词袋模型朴素贝叶斯分类器以88.41%的准确率优于TF-IDF模型朴素贝叶斯分类器,具有较好的生产推广价值。     

数控机床及工装的发展与创新设计

在现代数控加工中,由于被加工件的精度要求以及复杂度不断提高,传统加工系统无法满足使用需求,为解决这一问题,数字控制系统的核心算法以及驱动系统得到了快速发展,一些创新机构也应用到了数控机床的整机结构设计中.这些解决措施大幅提升了被加工件的精度和表面质量,促进了市场上一系列新型数控机床的出现,如复合机床、镜像铣削机床等,与之配合的新型加工工装技术也取得了相应的突破.     

组合机床及自动线所用复合镗,车刀的设计

结合具体实例和设计经验，阐述了组合机床及自动线所用复合镗、车刀设计的有关问题。     

基于极限学习机的修正当前统计模型跟踪算法

针对当前统计(Current Statistical,CS)模型由于先验知识的缺乏和其结构特点导致的跟踪精度降低的问题,通过使用极限学习机(Extreme Learning Machine,ELM)并根据目标历史状态信息,实时估计并修正CS模型的加速度估计值,提出了基于ELM的修正CS模型跟踪算法.ELM的训练结果表明...     

并联机床的运动学标定

并联机床具有刚度高、动态性能好、加工效率高等特点,已在大型航空结构件的加工等领域得到了成功应用.运动学标定是并联机床重要的精度保证手段之一.本文从误差建模、位姿测量、误差辨识及误差补偿等方面介绍了并联机床的运动学标定方法,并具体介绍了一台国产并联机床的运动学标定试验及相关研究.     

基于微小型机床的微细铣削力实验研究

在自行开发的三轴联动微小型铣床上,对铝合金材料2A12进行了微细铣削力实验.采用单因素方法,研究了微细槽铣时主轴转速、轴向切削深度、每齿进给量对切削力的影响,以及微细顺铣和逆铣时径向切削深度对切削力的影响,并对切削力信号进行频谱分析.     

智能机床的误差补偿技术

误差补偿技术是智能机床精度提高与保持的关键技术之一.分析了国内外机床误差补偿技术研究现状,提出智能机床误差补偿技术总框架;总结了智能机床误差源、误差元素、几何与热误差的误差元素模型及建模方法,以及典型的误差补偿方法;研究了力误差补偿技术、基于零件在线测量的误差综合补偿技术;最后,对未来智能机床误差补偿技术的发展重点进行展望.     

基于三坐标测量机的复杂曲面的重构设计与实现

阐述了基于三坐标测量机的复杂曲面反求设计思路,分析了采用等距扫描获取曲面数据的方法。同时对多种情况下的数据处理技术进行了简要总结,并深入剖析了NURBS曲面造型方案。     

基于多体系统理论的机床静态精度分析方法研究

通过对多体系统理论方法的研究,阐述了该理论的精度建模原理。以某型号三轴数控机床为例,建立机床静态精度模型,利用机床厂提供的基本参数,预测某水平面的加工精度,并将预测值与试件的加工精度要求进行对比,证明了精度预测的准确性。     

机床实体模型复模态空间动位移显示技术的研究

介绍了用实体模型在复模态空间显示机床整机动位移的原理和方法。并在VC++6.0开发平台上用OpenGL语言开发了相应软件。解决了以往同类软件动画效果不能真实地表现实际机床整机的动态位移情况的难题。