基于神经网络的翼型积冰预测

采用神经网络方法对翼型表面的积冰进行了预测研究.建立了一种型面曲线坐标系,通过坐标变换将积冰外形转化为几何曲线.利用傅立叶级数对此曲线进行拟合,实现积冰外形的参数化.以结冰条件作为输人,冰形参数作为输出构建神经网络,对NACA 0012翼型表面的积冰进行预测.通过将预测结果与实验结果以及数值模拟结果进行对比,说明所提出...     

模拟飞机迎风面三维积冰的数学模型

针对飞机迎风面的积冰建立了三维积冰模型,给出了模型的求解方法和求解步骤.该模型不但可以模拟明冰积冰、霜冰积冰和不结冰三种情况下的冰层生长,还可以模拟未凝结水膜在冰层表面的流动,而且在求解过程中可以自动判断过冷水滴撞击到迎风面以后的积冰形态.利用该模型数值模拟了翼型与平板相正交而形成的简单三维结构上的积冰过程,并将所得结果中翼型上三维冰形的二维截面与美国航空航天局(NASA)的冰形进行了对比,获得了较好的一致性,证实了所建立的积冰模型是合理的.      

机翼积冰数值模拟

采用计算流体力学（CFD）方法对三段翼和MS-317后掠翼进行了积冰数值模拟研究,基于欧拉两相流理论,应用分区算法,对空气流场和水滴流场进行了数值求解,得到水滴收集率.求解3-D积冰模型得到积冰量.将MS-317的冰形计算结果与实验数据以及软件LEWICE3D的计算结果进行了对比.结果显示:三维积冰模型具有较好的精度,虽然预测的冰形与实验数据有一些差异,最大厚度方面,误差在13.1%以内,但是积冰的类型与体积和实验数据基本一致.      

锥角对旋转整流罩积冰影响的模拟实验

采用缩比模型对4种不同锥角的旋转整流罩进行了冰风洞积冰模拟实验.推导出旋转表面积冰相似参数,并根据重要参数的匹配确定缩比整流罩模型的积冰实验参数.在实验中采用高速摄像系统记录冰生长过程及最终冰形.结果表明:4种锥角的整流罩表面积冰均由初期生成、分布连续的明冰和后期增长迅速的白色霜冰构成;锥角小于等于74°的整流罩表面霜冰为针状或粒状,积冰厚度较小;锥角大于80°的整流罩表面霜冰为羽毛状,积冰厚度较大,并伴随冰脱落现象,锥角较大的整流罩冰脱落位置向下游移动.      

基于云微物理参数的飞机积冰多因子预测方法

基于气象探测信息,准确进行飞机积冰预测并及时开启防/除冰系统是保障飞机飞行安全的重要方法。提出了一种多因子积冰预测方法,当已知飞机所在飞行云层类型、飞行高度、速度、气温、气压和露点温度时,使用提出的方法可计算得到飞行高度上的相对湿度、比湿、0℃高度上的气压、液态含水量等气象参数,用所建立的多因子积冰强度判别式可对飞机积冰的可能性及积冰强度进行预测。将方法应用于飞机积冰案例中,与美国国家大气科学中心提出的RAOB积冰预报方法进行了对比。分析结果表明,提出的方法准确有效,可为飞机积冰预测提供技术支持。     

基于非结构动态网格的翼型积冰过程数值模拟

讨论了积冰气象条件下翼型积冰过程的非结构动态网格数值模拟方法。外部无黏绕流流场采用基于非结构网格的分布式并行计算技术,空间离散采用VanLeer迎风有限体积格式,时间推进为5步显式龙格 库塔方法。采用四阶龙格 库塔方法求解过冷水滴运动轨迹方程,使用了一种合理、简单的物面水积冰量计算方法,提高了计算效率。使用非结构动态网格技术对积冰后的翼型网格进行快速调整。在对NACA0012翼型积冰形状进行校核验证后,对某型飞机在积冰气象条件下飞行时翼型积冰过程进行了数值模拟,得到了与参考文献结果相符的冰形特性。     

基于非结构动态网格的翼型积冰过程数值模拟

讨论了积冰气象条件下翼型积冰过程的非结构动态网格数值模拟方法.外部无黏绕流流场采用基于非结构网格的分布式并行计算技术,空间离散采用VanLeer迎风有限体积格式,时间推进为5步显式龙格-库塔方法.采用四阶龙格-库塔方法求解过冷水滴运动轨迹方程,使用了一种合理、简单的物面水积冰量计算方法,提高了计算效率.使用非结构动态网格技术对积冰后的翼型网格进行快速调整.在对NACA0012翼型积冰形状进行校核验证后,对某型飞机在积冰气象条件下飞行时翼型积冰过程进行了数值模拟,得到了与参考文献结果相符的冰形特性.     

旋转帽罩表面积冰甩脱位置的数值模拟

为了更好地理解旋转帽罩表面积冰的甩脱机理和过程,采用水杯法在万能试验机上分别测得积冰/铝板界面黏附强度值和积冰内部拉伸强度值。参考试验测得的这2个数据,结合内聚力模型（CZM）和扩展有限元法（X-FEM）,在有限元软件ANSYS中分别模拟得到积冰与旋转帽罩之间的界面分离区域和冰形内部裂纹路径及其扩展过程,对旋转帽罩表面积冰甩脱的位置和体积作出预测。预测结果与帽罩表面积冰甩脱试验结果作比较,证明了CZM和X-FEM耦合的数值模拟方法可行。为实际工程应用中的热气或者电防冰系统的布置提供参考。     

改进的翼型积冰数值模拟方法

基于微团概念,以雨滴运动的基本假设出发,对翼型积冰的拉格朗日方法进行了改进.新方法克服了原方法计算效率低、冰形同雨滴分布密度及网格密度相关的缺点,继承了原方法的鲁棒性,不存在欧拉方法的收敛性问题.为验证方法的正确性,计算了NACA0012翼型在0°和4°攻角下的霜冰积冰情况、表面水收集量和局部撞击系数.结果表明新方法减少了计算量,预测的冰形和实验结果一致,并分析了积冰对气动性能的影响.      

考虑水膜蒸发的三维明冰积冰数值研究

明冰积冰过程中冰层表面会覆盖一层薄水膜,水膜在冰层表面流动和传热,水膜蒸发会引起质量和能量传递,对积冰相变产生影响。为了研究水膜蒸发对积冰的影响,在已有三维积冰模型的基础上,考虑了明冰积冰过程中水膜的蒸发,建立了考虑水膜蒸发的三维积冰数学模型,并开发了相应的积冰计算程序。选取NASA提供的典型算例,模拟了明冰积冰条件下NACA0012翼型的积冰过程,并将计算结果与NASA试验和数值结果进行对比。结果表明水膜的平均蒸发量为1.5g/(m~2·s),蒸发吸收的热量占总传热的35%。与不考虑水膜蒸发的计算结果相比,本文得到的积冰量和冰形都与试验结果具有更好的一致性,说明三维明冰计算中考虑水膜蒸发是有必要和合理的。     

积冰对飞行的影响及处置

研究积冰的气象因素对飞行的影响以及积冰的处置。从云的物理学原理方面进行推导和讨论,分析积冰形成的机制,重点论述翼面积冰对飞行的影响,并从机翼积冰和尾翼积冰两个方面进行详细分析。通过对一些典型事例进行分析,阐述飞行中积冰的预防和积冰后的处理方法。     

基于深度学习的太阳10.7 cm射电流量日值的中期预报

针对太阳10.7cm射电流量中期日值预报问题,采用深度学习方法,建立了一个典型的基于多层感知器模型的神经网络。该网络采用1个包含90个神经元的隐含层,实现了一种非参数的时间序列自回归模型。预报中不仅考虑历史日值,还考虑了历史预报误差。模型根据前27d的历史数据实现了未来27d的日值预报。通过对50多年数据的训练和试验分析,该方法在短期和中期预报上较传统方法的相对误差明显降低。特别是模型经一次训练后,参数可以完全固定,不同于以往研究参数需要每天滚动更新,大大简化了日常预报,同时极为有利于模型在其他相关应用中的推广。     

军用飞机维修保障费用机器学习预测方法

介绍了军用飞机维修保障费用预测方法。确定影响费用值的元素为说明性变量,应用BP人工神经网络和支持向量回归估计（Support Vector Regression,SVR）理论模型,以及收集到的维修保障费用数据进行了训练并对某型飞机的维修保障费用进行了预测,将预测结果与实际费用值进行了对比,并将神经网络预测方法、支持向量机方法和其它预测方法进行了比较。     

不确定航迹自适应预测模型

针对现有航迹预测技术中，存在无模技术缺乏理论分析支持、能力有限、适用范围窄、有模技术先验假设过多、前提条件严苛、通用性差等问题，通过理论推导，利用循环和多层神经网络结构，研究提出了具有理论严谨、先验假设少、适用范围广、通用性强等优点的不确定航迹自适应预测模型，同时给出了典型的实现方法。该模型克服了现有航迹预测方法的缺点与不足，并具有无模与有模两类技术的优点与长处，仿真和实测实验验证表明：该模型能很好地提取识别出数据中存在的模式，并基于模式，进行正确有效地预测，能有效解决不同实际环境中的航迹预测问题，效果明显。     

OLS算法在无人机传感器故障诊断中的应用

在故障诊断领域,神经网络故障诊断方法以其优良的特性正得到越来越广泛的应用。本文针对无人机的特点提出一种基于RBF神经网络故障诊断方法,通过建立神经网络预测器来实现无人机机载传感器的故障诊断,其中网络学习算法的选取将直接影响神经网络故障诊断的性能。正交最小二乘算法(OLS)以其在设定网络参数方面的优点常用来作为RBF神经网络学习算法。本文将介绍OLS算法的原理和实现步骤,通过VC 6.0编程实现OLS算法,并利用无人机机载传感器数据来验证OLS算法的有效性。     

多因素影响下舰载机备件需求的组合预测

舰载机列装时间较短,备件的样本数据较小,而且保障中受起落次数、飞行强度、海洋恶劣环境等因素影响较大。针对舰载机这一系列保障特点,选用了对多因素影响的小样本有较好预测效果的 BP神经网络、GM(1,N)预测模型和 SVM回归预测模型 3种预测方法,建立基于 IOWA算子的组合预测模型,以误差平方和为准则对数据进行分析,并利用 Matlab工具箱进行优化计算,从而得出最优组合预测结果。实例分析结果验证了该组合预测模型 的科学性和优越性。     

微小型飞行器的神经网络动态逆控制方法

微小型飞行器(MAV)精确的数学模型很难得到,限制了单纯动态逆控制方法的使用,比例-积分-微分(PID)等传统的控制方法已不能满足要求。针对这一问题,研究了应用动态逆控制方法的新途径──神经网络动态逆。选取串接积分器的多层前向神经网络训练飞行控制系统的动态逆模型,并自适应补偿逆误差。用MATLAB的NNCTRL20工具箱并结合NNSYSID20工具箱建立了仿真系统。升降舵和方向舵联合控制转弯。用PID控制器、近似神经网络动态逆模块、在线神经网络补偿器构建了飞行控制系统。仿真结果表明,神经网络动态逆有较强的鲁棒性、稳定性和指令跟随能力,比PID更适合于微小型飞行器的姿态控制。     

基于神经网络的故障率预测方法

 为了更好地预测产品故障率,提出了基于神经网络的故障率预测方法,分别给出了基于反向传播(BP)网络和径向基函数(RBF)网络进行故障率预测的基本思想、预测模型和实施步骤。分别对比分析了神经网络法与回归分析法、分解分析法、移动平均法、指数平滑法、自适应过滤法、自回归移动平均混合(ARMA)模型等统计预测方法的区别,对照故障率的特点,说明了神经网络法是其中最适用于故障率预测的统计方法。最后分别按这两种模型对某航空公司波音飞机故障率进行了预测,预测结果表明：这两种模型均适用于故障率预测,预测值与真实值的误差在20%之内,且RBF网络的预测效果略优于BP网络,此外通过与上述统计预测法的误差进行对比,说明神经网络法预测误差最小。     

Neural solution to the multitarget tracking data associationproblem

The problem of tracking multiple targets in the presence of clutter is addressed. The joint probabilistic data association (JPDA) algorithm has been previously reported to be suitable for this problem in that it makes few assumptions and can handle many targets as long as the clutter density is not very high. However, the complexity of this algorithm increases rapidly with the number of targets and returns. An approximation of the JPDA that uses an analog computational network to solve the data association problem is suggested. The problem is viewed as that of optimizing a suitably chosen energy function. Simple neural-network structures for the approximate minimization of such functions have been proposed by other researchers. The analog network used offers a significant degree of parallelism and thus can compute the association probabilities more rapidly. Computer simulations indicate the ability of the algorithm to track many targets simultaneously in the presence of moderately dense clutter     

某粉末冶金高温合金涡轮盘破裂转速分析

介绍了平均应力法、平均径向应力修正法、残余变形法、局部塑性应变法等破裂转速预测方法,并采用这些方法对某粉末冶金高温合金涡轮盘破裂转速进行了分析.通过理论预测与试验结果的对比得知:采用平均径向应力修正法、残余变形法、局部塑性应变法预测的破裂转速与试验结果吻合较好,而采用基于径向应力分布均匀假设的平均应力法推算的破裂转速与试验结果相差较大.