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。     

航空发动机传感器解析余度模型的建立方法

为了使用解析余度模型对传感器故障进行诊断,提出了1种基于K-均值聚类与改进微分进化算法优化的极端学习机(IDE-ELM)的发动机传感器解析余度模型建立方法。为避免求解ELM算法时H矩阵奇异,采用K-均值聚类对试验数据进行聚类处理,然后从每类数据中选取1组数据组成训练样本用于训练;利用IDE算法优化ELM的输入层权值和偏置,提高ELM的泛化能力。利用飞行试验数据进行了仿真验证。结果表明:基于K-均值聚类和IDE-ELM设计的传感器解析余度模型具有较高的精度,可用于FADEC系统双通道传感器的故障诊断。     

基于ESN的航空发动机状态组合预测方法

基于回声状态网络(ESN)预测模型,结合小波分析和主元分析,提出一种组合预测方法.首先对含噪非线性时间序列进行小波降噪,并重构时间序列产生训练样本,再将训练样本通过主元分析进行降维处理,降维后的时间序列数据则输入ESN模型进行预测分析.对控制飞机动力输出的动压参数非线性时间序列数据进行了仿真对比实验,结果表明:组合预测方法的5步和单步预测速度累计提高了66.97%,预测的平均平方误差、标准均方根误差和归一化绝对误差也均有较大提高.该方法与传统基于ESN的预测模型相比,能有效地提高预测的效率和精度,是一种有效的非线性时间序列预测方法.      

一种终端区利用率评估方法研究

终端区利用率量化评估是解决终端区运行瓶颈、挖掘运行潜力的重要前提。现有方法大都面向全空域,指标缺乏通用性。聚焦终端区运行特点,构建了终端区利用率评估指标,基于灰色绝对关联度和主成分分析法,建立了灰色主成分评估模型,并对传统灰色绝对关联度的计算方法进行改进。以20个典型终端区数据为基础,经模糊C均值聚类验证了所提方法有效正确,且可区分性更好,能够满足多个终端区间的横向对比要求;结合广州终端区雷达数据进一步分析,发现方法更加细致地反映了沿时间轴的资源利用情况,满足单个终端区的纵向对比要求,可以为终端区的天气影响评估及流量管理优化策略评估提供论证依据。     

基于QPSO算法的压气机特性代理模型优化

考虑到小样本特性数据情况下进行部件特性数据的二维线性插值精度低,提出一种基于量子粒子群优化(QPSO)算法的压气机特性代理模型优化方法。针对原始Kriging模型对其相关模型参数的初始值极度敏感以及易限于局部最优解的缺陷,利用QPSO算法对Kriging的相关模型参数进行全局寻优,克服了基于梯度的模式搜索法对于参数初始值的依赖,经测试该方法具有较好的效率以及稳定性。将该优化模型扩展应用于低压压气机特性代理模型建立与重构。经验证,在小样本特性数据下,基于QPSO的压气机特性Kriging模型仍具有较高精度,应用前景可观。     

基于代理模型的高超声速飞行器外形参数优化

针对高超声速飞行器分析复杂且难度较大,提出了一种代理模型的构建方法,使用代理模型近似替代性能分析与优化过程中含有复杂学科耦合的机理模型。根据巡航任务需求,确定了优化目标为静动态性能最优与模型差异最小。使用灵敏度分析的方法,建立了代理模型。将代理模型进行静动态性能分析,并与机理模型配平结果进行了对比验证,发现两个模型的配平特性趋势是完全一致的,迎角的数值差不足3%,升降舵偏转角的数值差仅在前体下倾角较大时偏大,约为20%。基于构建的代理模型与优化的性能指标,对模型的外形参数进行了配平性能优化与间隙度量优化,并与机理模型的优化结果与优化效率进行对比,发现两者结果相差不足2%,但使用代理模型的优化效率提高了456%,证明了基于代理模型的优化可以在确保精度的基础上提高优化效率。      

超临界翼型设计中的多响应代理模型

为考虑超临界翼型设计中代理模型多响应之间的相关性,研究了基于多输出高斯过程回归的代理模型。通过实验数据验证了升力系数、阻力系数及力矩系数之间显著的相关性,建立了超临界翼型设计中的基于多输出高斯过程的多响应代理模型,并与kriging模型、BP和RBF两种人工神经网络模型进行了对比。结果表明,当超临界翼型设计中多输出端口之间存在显著的相关性时,多输出高斯过程相比kriging、BP和RBF能有效显著提高预测精度,并获得更加稳定的预测性能。     

纤维增强复合材料力学性能预测及试验验证

针对纤维均匀排布的单向纤维增强复合材料结构力学性能预测问题,基于复合材料细观力学有限元方法,研究建立了代表体积元(RVE)模型,并施加周期性边界条件,实现了纤维增强复合材料基本力学性能的预测。通过将应用上述RVE模型所获取的B/Al纤维增强复合材料力学性能预测结果与解析解和试验数据进行对比表明,施加周期性边界条件的RVE模型的力学性能预测结果与解析解和试验数据吻合良好,验证了所建立计算模型的有效性。基于单向连续纤维增强SiC/TC4复合材料板材的力学性能测试试验,获取了不同铺层方案结构的纵向/横向弹性模量和泊松比,得到的纵向/横向弹性模量计算值与各自试验值均值的误差均小于5%,表明弹性力学性能参数基本一致,计算模型具有合理性。      

Dryden型大气紊流对平流层飞艇能量最优轨迹影响

研究了常值风场作用下平流层飞艇的上升段轨迹优化和大气紊流对最优轨迹的影响问题。首先基于平流层飞艇的受力分析,建立了考虑常值风场、地球自转和飞艇质量变化等诸多因素的三自由度动力学模型,处理参数得到归一化的系统方程;其次采用直接配点法将平流层飞艇的最优轨迹问题转换为非线性规划问题,以最小能量为目标函数,给出非线性规划问题的求解策略,优化得出可行解后对飞艇的最优上升轨迹及相应的加速度项进行了分析,将优化的控制量代入微分方程验证了优化轨迹的准确性;最后加入Dryden型大气紊流的干扰,选取多组大气紊流干扰下的数据进行对比分析,仿真结果表明大气紊流叠加风场均值与飞艇终端位置误差存在一定规律,分析并提出了平流层飞艇抵御大气紊流干扰的策略。     

多元正态分布整体推断方法

提出多元正态分布整体推断方法。通过仿真结果与试验数据有机结合,该方法能够将多个不同状态下的多变量(多指标)的试验数据作为一个整体进行统计分析,给出多元正态分布均值和协方差矩阵的整体估计。文中详细讨论了多个状态下二元正态分布均值和方差的无偏估计和置信区间估计。与传统方法相比,该方法不但具有更高的精度,而且解决了一种状态下只有一个试验数据时多变量(多指标)产品可靠性评定的难题。此外,文中还给出一种均值和方差仿真结果的极小子样检验方法。      

二维气动问题中Kriging代理模型精度影响因素

以二维跨声速临界翼型的阻力特性为对象,探讨样本点数目、Kriging代理模型参数及其类型等对模型精度的影响.阻力系数采用计算流体力学（CFD）方法得到.模型精度的验证采用交叉验证方法,采用平均误差、最大误差和标准交叉验证残差来衡量Kriging代理模型的精度.研究结果表明:①Kriging代理模型预测气动阻力效果较好.②模型精度随样本点的增多而提高,剔除与样本点响应趋势不相符的“奇异点”后,模型精度显著提高,平均误差减小5%~38%,最大误差减小13%~77%.③核函数类型对模型精度的影响最大,相关参数次之,回归模型的影响最小.采用高斯相关函数、2阶多项式回归模型,以及合适的相关参数值时,Kriging代理模型的精度最高.      

基于替代模型的高超声速前体/进气道一体化优化

采用基于替代模型的渐进优化策略对二维高超声速前体/进气道进行一体化设计优化,采用拉丁超立方试验设计法选择样本点,采用二维粘性CFD方法计算进气道流场来建立样本数据库,综合运用了多项式响应面、Kriging模型、BP神经网络和径向基神经网络等替代模型.相对于基准构型,前体/进气道的优化构型在设计态时提高了流量捕获与来流压缩能力,提高了总压恢复性能,同时减小了阻力系数,综合性能提高了5.3%;在非设计态时优化构型的综合性能也有不同程度的改善.      

锥导乘波体气动代理建模方法研究

传统的气动计算方法计算繁琐、计算效率低,不适应于乘波体多学科设计优化,通过建立气动代理模型可以很好地解决气动计算精度和效率的矛盾.利用面元法进行气动估算,采集了锥导乘波体在设计点、非设计点的气动特性作为训练数据,构建了Kriging和LS-SVM代理模型,对比了两种模型对此高维问题的代理效果.结果表明,Kriging代理模型能更准确地表达锥导乘波体的气动特性,应用代理模型进行优化等工作的计算效率与传统气动计算方法相比有显著的提高.     

考虑飞行条件变化和制造误差的气动优化方法

提出一种渐近全局代理模型方法以提高稳健优化中的代理模型的精度.基本思路是连续成批地在样本空间的全局和局部均加入新样本点,不断提高代理模型的全局拟合精度.将基于渐近全局代理模型稳健优化方法应用于高亚声速翼型设计,结果表明不仅目标值阻力系数具有稳健性,对飞行条件的小幅度变化和制造误差不敏感,而且力矩系数的约束也具有稳健性.     

考虑不确定性的飞机总体参数优化方法

由于在各种设计问题包括飞机概念设计中都存在一定的不确定性,因此在总体参数优化时有必要考虑这种不确定性。以大型客机总体参数优化设计为例,定义了考虑不确定性的飞机总体参数优化问题,该问题与传统飞机总体参数优化的区别是要进行不确定性分析。而不确定性分析的计算量过大,为此提出了一种渐进代理模型方法来解决这一难题。在建立代理模型时,通过连续成批地在设计空间的全局和局部均加入新样本点,不断提高代理模型的全局拟合精度,直至获得满意的代理模型为止。然后在优化过程中使用计算量小的代理模型。大型客机总体参数优化问题中含有5个设计变量,目标函数为起飞重量最轻,并需满足4个性能约束。考虑了不确定性后,不仅使目标值（起飞重量）对总体参数变化的敏感度有所减小,而且满足约束（设计要求）概率显著提高。     

Surrogate role of machine learning in motor-drive optimization for more-electric aircraft applications

Motor drives form an essential part of the electric compressors, pumps, braking and actuation systems in the More-Electric Aircraft (MEA). In this paper, the application of Machine Learning (ML) in motor-drive design and optimization process is investigated. The general idea of using ML is to train surrogate models for the optimization. This training process is based on sample data collected from detailed simulation or experiment of motor drives. However, the Surrogate Role (SR) of ML may vary for different applications. This paper first introduces the principles of ML and then proposes two SRs (direct mapping approach and correction approach) of the ML in a motor-drive optimization process. Two different cases are given for the method comparison and validation of ML SRs. The first case is using the sample data from experiments to train the ML surrogate models. For the second case, the joint-simulation data is utilized for a multi-objective motor-drive optimization problem. It is found that both surrogate roles of ML can provide a good mapping model for the cases and in the second case, three feasible design schemes of ML are proposed and validated for the two SRs. Regarding the time consumption in optimizaiton, the proposed ML models can give one motor-drive design point up to 0.044 s while it takes more than 1.5 mins for the used simulation-based models.     

正交多项式在不确定转子动态响应计算中的应用及对比分析

为研究航空发动机转子系统中的区间不确定性对系统动态响应的影响,提出利用正交多项式求解不确定转子响应的非嵌入式区间分析法,克服了传统概率方法需要参数先验概率分布的苛刻要求。用有限元法建立了悬臂转子的确定性运动方程,阐述了Chebyshev和Legendre两种正交多项式建立响应代理模型的原理和计算步骤。通过与Monte Carlo抽样对比,验证方法的可行性和精度。对照Monte Carlo方法500样本的计算结果,两种多项式区间法计算结果都具有较高精度,误差均小于1%,而计算时间则分别为Monte Carlo法的2.5%和5.4%,Chebyshev多项式方法具有更高的计算效率。分析了不同不确定参数在不同不确定水平下,系统的响应范围。研究表明,正交多项式区间分析法可高精度高效率地计算转子系统区间响应范围,不确定性对该转子系统动力特性影响很大,多源不确定性传播可引起转子系统大幅振动。      

Efficient multi-response adaptive sampling algorithm for construction of variable-fidelity aerodynamic tables

Adaptive sampling is an iterative process for the construction of a global approximation model. Most of engineering analysis tools computes multiple parameters in a single run. This research proposes a novel multi-response adaptive sampling algorithm for simultaneous construction of multiple surrogate models in a time-efficient and accurate manner. The new algorithm uses the Jackknife cross-validation variance and a minimum distance metric to construct a sampling criterion function. A weighted sum of the function is used to consider the characteristics of multiple surrogate models. The proposed algorithm demonstrates good performance on total 22 numerical problems in comparison with three existing adaptive sampling algorithms. The numerical problems include several two-dimensional and six-dimensional functions which are combined into singleresponse and multi-response systems. Application of the proposed algorithm for construction of aerodynamic tables for 2 D airfoil is demonstrated. Scaling-based variable-fidelity modeling is implemented to enhance the accuracy of surrogate modeling. The algorithm succeeds in constructing a system of three highly nonlinear aerodynamic response surfaces within a reasonable amount of time while preserving high accuracy of approximation.     

吸热型碳氢燃料RP-3替代模型研究

利用广义对应态法则对吸热型碳氢燃料RP-3的5种替代模型的密度、黏度、导热系数和比定压热容进行了数值计算.计算温度变化范围为300~800K,压力变化范围为3~6MPa.结果表明:不同替代模型均能定性重现RP-3在拟临界温度附近的物性急剧变化;由53%正十一烷,18%正丁基环己烷,29%1,3,5-三甲基苯组成的3组分替代模型在预测RP-3物性上表现最优,相对于实验数据,300~700K内密度相对误差均小于0.08;替代模型的相对分子质量越大,预测的拟临界温度越高,对拟临界温度下物性值的影响无显著规律.