基于自适应网格的超声速液体射流破碎过程研究

为研究超声速气流中液体横向射流的破碎过程,采用脉冲背景光方法和VOF方法开展了实验和数值研究。为提高液体横向射流中气液界面和气流场特征捕捉的精确性,采用自适应网格技术对于气液界面、激波出现位置进行网格细化,计算得到了较为精细的气液界面、激波特征及涡系结构。研究结果表明:在低成本仿真模拟条件下,利用自适应网格计算得到的射流轨迹和轮廓与实验吻合较好,射流轨迹的最大误差为10%;射流初始段在超声速气流条件下,仍然存在一段高度约为1.9倍喷孔直径且圆柱形态保持较好的连续光滑液柱。随着喷注压降的升高,液柱的长度逐渐增大;主流气体流经液柱发生三维绕流,在射流附近和近壁面区域形成不断演化的反转涡对,反转涡对的形成加速了液体射流一次破碎过程。     

基于灰色神经网络的APU维修成本预测研究

对APU的维修工作进行分析,提出APU维修成本的结构组成,利用APU在翼性能参数与维修成本的映射关系确定预测参数,在传统灰色预测方法的基础上融合BP神经网络,构建了基于灰色神经网络的APU维修成本预测模型。以某航空公司APS3200型APU维修数据为样本,运用MATLAB对影响参数进行关联分析,并对所建立的模型进行拟合和验证分析。该模型具有样本少、训练快、预测精度高等特点,实现了对APU维修成本的准确预测,可为航空公司年度APU维修预算制定、维修合同谈判、经济性拆发等提供决策支持。     

战斗机嵌入式训练系统中的智能虚拟陪练

智能化"实虚"对抗是现代先进战斗机嵌入式训练系统的重要功能需求。自主空战决策控制技术在未来空战装备发展中扮演关键角色。将当前的功能需求和发展中的技术结合起来,得到了空战智能虚拟陪练的概念。先进控制决策技术的引入使得智能虚拟陪练能够帮助飞行员完成复杂的战术训练,而训练中真实的对抗场景为技术的验证提供了理想的环境,大量的训练数据为技术的持续迭代优化提供了保障。作为可学习和进化的空战战术专家,智能陪练在人机对抗和自我对抗中不断优化,当其具备与人相当甚至超越人的战术能力时,可应用于未来的无人空战系统。智能虚拟陪练需要具备4项基本能力：智能决策能力、知识学习能力、对抗自优化能力和参数化表示能力。对其包含的关键技术进行了分析,提出并实现了一个基于模糊推理、神经网络和强化学习的解决方案,展示了其各项基本能力及目前达到的空战水平。未来更多的模型和算法可在智能虚拟陪练的框架中进行验证和优化。     

基于图像识别的机械振动信号特征提取与寿命预测方法研究

滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management, PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator, HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network, ResNet)结合时空卷积网络(Temporal Convolutional Network, TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。     

绿色技术创新对企业成长绩效的影响——基于研发投入强度的调节作用

随着我国经济的高速发展,生态问题日渐凸显.通过技术创新处理好经济发展和生态效益的关系成为实现绿色发展的内在要求.本文利用94家创业板制造业上市公司2014-2017年的数据,采用广义最小二乘法对绿色技术创新、研发投入强度与企业成长绩效之间的关系进行实证分析,探讨了绿色技术创新对企业成长绩效的直接影响,并对研发投入强度的...     

最小二乘滤波在某型火控系统信息处理中的应用

为了提高某型火控系统的反应时间和射击精度,需要对采集到的目标运动参数进行滤波。为了使算法易于实现,采用了最小二乘滤波方法。基于对最小二乘滤波的分析处理,增加了修正序列,实现了接近自适应最小二乘滤波的功能,在滤波效果上能够完全满足系统要求。最后,对滤波效果进行了检测。     

基于多尺度时间卷积网络的航空发动机寿命预测

剩余寿命预测对于航空发动机设备的安全运行、制定维修计划具有重要的意义.目前现有方法无法有效提取设备复杂工况和复杂故障下的退化特征.针对此问题,提出一种基于多尺度时间卷积网络(MTCN)的发动机寿命预测方法.该方法利用时间卷积网络提取数据时序信息,并通过多尺度卷积核的不同感受野提取设备复杂工况下的退化特征,从而更好地预测极端条件下的设备剩余使用寿命(RUL)值.为了验证所提出方法的有效性,在航空发动机C-MAPSS数据集上进行试验.结果表明所提出方法能有效提高设备在复杂工况和复杂故障下的RUL预测精度.     

基于深度学习的雷达干扰识别方法研究

针对复杂电磁环境下雷达干扰信号识别问题,从优化卷积神经网络结构的角度出发,本文提出了一种对卷积神经网络结构LeNet-5增加批量归一化层和改变激活函数的方法。该方法能够加速网络收敛,提升网络的学习效率。本文首先建立舰船目标模型,分析了噪声调幅干扰、噪声调频干扰、梳状谱干扰和无干扰的真实目标回波信号在时频域的差异,然后利用四种信号对舰船目标模型生成数据集,最后通过本文所提方法实现雷达干扰的自动识别。仿真结果表明：在全信噪比条件下,本文所提方法对四种信号的识别准确率达到98.1%,表明所提方法有着较好的稳定性和鲁棒性。     

可重复使用飞行器再入姿态的区间二型自适应模糊滑模控制设计

针对具有强非线性、多变量耦合特性的可重复使用飞行器（RLV）,同时考虑模型参数不确定性和外界干扰对飞行器再入姿态跟踪的影响,提出了一种基于区间二型自适应模糊滑模的姿态控制方法。首先,建立飞行器再入动态模型,并基于反步思想将控制模型转化为姿态角和角速率相关子系统。其次,将模型参数不确定性和外界干扰视作子系统非线性项的一部分。再次,采用区间二型模糊系统逼近子系统非线性项,并结合自适应技术和滑模控制方法分别设计虚拟控制量和实际控制量。此外,引入一阶低通滤波器用以处理子系统虚拟控制律。通过Lyapunov方法的分析证明了闭环控制系统的稳定性,且飞行器姿态跟踪误差可收敛于原点附近的小邻域。最后,利用飞行器的数值仿真验证了所设计控制方法能有效跟踪飞行器参考指令,且对外界干扰有较强的鲁棒性。