基于广义回归神经网络的飞参数据预处理

由于存在干扰,飞参系统记录的发动机参数中,经常会有不少间断点和奇异值.为了利用数据对发动机性能趋势进行预测,必须对数据进行预处理.分析了航空发动机作为一个系统,其各主要输入和输出参数之间存在的函数关系.研究了利用广义回归神经网络和参数之间的关系对数据进行预处理,结果得到了较为正常的数据,证明该方法是有效的.     

微射流作动器三维外流场数值模拟

采用有限体积法求解Faver平均N—s方程，对三维、粘性、非定常、不可压微作动器外流场进行数值模拟。计算结果揭示了微射流产生、发展与耗散的过程，和实验中观察到的现象比较吻合。旋涡对沿展向的不稳定性是涡环破裂、旋涡对的相干性消失的主要原因。二次涡的发现为以后研究微射流旋涡对的细微结构打下良好的基础。     

非热压罐预浸料成型技术研究进展

非热压罐成型(out of autoclave process,OoA)技术是实现结构复合材料低成本制造的有效途径,是当前复合材料研究领域的热点之一。本文介绍了OoA成型复合材料国内外的研究前沿以及在航空航天领域的应用现状,从材料体系和成型工艺两大方面总结了OoA成型过程中的缺陷控制方法。在OoA预浸料成型技术中,可通过尽量减少树脂体系中挥发物含量、精细调控树脂体系反应和流变特性、控制预浸料中纤维和树脂的浸润程度、优化成型工艺等手段有效降低复合材料的孔隙率等缺陷。     

轴对称激波诱导矢量喷管三维两相流数值模拟

运用颗粒轨道模型对轴对称激波诱导矢量喷管内流场进行了数值模拟,并与纯气相条件下的计算结果进行了对比分析,研究了1～30μm不同直径颗粒的运动轨迹和内流场参数的分布特征,并对矢量喷管的推力性能进行了研究。结果表明,颗粒相的加入对射流推力矢量喷管内流场和推力性能都带来很大影响,影响规律与颗粒直径密切相关。为两相流条件下射流矢量喷管的试验研究提供了一定依据。     

储液油箱晃振响应分析

根据CCAR25部965条燃油箱晃振试验要求,以数值分析为手段．研究了某机整休油箱在晃动环境下动力学行为。结果表明,液面在晃动过程中几乎处于平面状态,波动很少,可近似为准静态现象;且油箱结构应力响应与激励载荷时间历程趋势一致。可为燃油箱结构设计及试验测试提供参考。     

电动汽车传动系参数设计及动力性仿真

对电动汽车电动机、传动系的传动比和电池组容量等参数设计的原则和方法进行了分析和探讨,并以某种型号电动汽车为研究对象,对动力传动系的参数进行合理的选择和设计.建立了整车动力传动系统及其关键零部件电动机、电池、减速器等的性能仿真模型.应用电动汽车仿真软件ADVISOR(Advanced Vehicle Simulator)对整车动力性进行了仿真计算.仿真结果表明,以锂离子电池为能源的电动汽车的加速性、爬坡能力、最大车速、续驶里程等动力性能均满足设计指标要求,从而验证了仿真模型的正确性和有效性.      

模拟月壤可行驶性的离散元数值分析

基于模拟月壤扫描电镜显微照片,建立土颗粒的几何模型,提出不规则形状颗粒群系统的生成策略,构建模拟月壤颗粒间接触的简化本构模型,并利用量纲分析法和双轴压缩试验离散元模拟,建立土宏观力学特性与细观模型参数的关系,结合模拟月壤的三轴压缩试验数据确定离散元模型参数.在月球重力环境下,对轮-土交互作用进行离散元模拟,推导土壤推力的细观表达式,定性分析不同滑转率时土颗粒的动态行为,定量分析模拟月壤的可行驶性.研究结果表明,土壤推力随滑转率的提高而增大;当车轮以高滑转率行驶时,土壤推力相对行驶时间存在瞬态和稳态2个阶段,并且瞬态值高于稳态值.     

基于单幅立式标靶图像的单目深度信息提取

针对在智能车中车载单目视觉系统已经检测到路面障碍物的情况下,计算障碍物相对于本车的距离问题,提出了一种仅利用单幅标靶图像且无需相机内部参数的图像深度信息提取方法．该方法利用一种放置于相机前方的立式标靶,建立图像纵坐标像素与实际成像角度之间的映射关系,结合投影几何模型实现实时深度信息的提取．依据立式标靶图像的特点,设计了包括标靶图像感兴趣区设置、模板匹配、候选点聚类、筛选及精确定位等处理的亚像素级角点检测及定位算法．实验结果显示,该方法具有较高的测量精度及实时性．相对于在路面摆放参照物的方法,该方法无需大标定场地且规避了数据拟合引起的误差．同时该方法标定只需一幅图像,过程简单,便于实际应用．      

采用进化算法优化H∞加权阵的选取

在H∞控制设计中，加权阵函数直接反映了系统的稳定性和性能要求。本文提出了一种采用进化算法优化加权阵选取的方法，把控制系统的多个设计目标转化成不等式约束，将H∞控制器设计中加权阵的选取表示成一个多目标优化问题，并通过进化算法求解该优化问题。仿真结果表明，所提出的方法能够找到满意的加权阵，同时找到满足给定频域和时域性能指标要求的H∞控制器，是一种有效的加权阵选取方法。     

基于稀疏自动编码器的飞参数据异常检测

为了改善人工判读飞参数据效率低且易出现误判和漏判的不良状况,本文提出一种基于稀疏自动编码器(Sparse auto-encoder,SAE)的飞参数据异常检测方法。首先构建了SAE的基本框架,然后以滑动窗口的形式生成训练样本。其次,用正常样本并结合BP算法对整个网络模型进行训练和优化以得到相应的正常样本重构误差分布阈值。最后,根据测试样本的重构误差对飞参数据中的典型异常进行检测。实验证明,该方法可在样本不平衡的情况下,仅利用正常样本构建参数空间,并得到正常样本重构误差分布门限,准确检测出飞参数据中的异常,实现飞参数据机器判读。