一种适用于三维混合网格的GMRES加速收敛新方法

为提高流场计算收敛效率,发展了一套适用于三维混合网格Naiver-Stokes方程求解的并行广义最小残差（GMRES）隐式时间推进方法。该方法由科学计算可移植扩展工具包（PETSc）中的Krylov子空间求解器实现,线性方程系统中的系数矩阵直接以显式给出以提高算法的稳定性。为进一步提高GMRES方法的收敛速度,对非结构网格的序号进行了重排序,使得系数矩阵的非零元素尽量向主对角线靠近。利用所发展的GMRES方法,完成了对ONERA-M6机翼、AIAA阻力预测会议通用研究模型（CRM）等算例的计算,计算结果与试验结果吻合良好。通过与其他隐式推进方法进行比较,对算法的收敛特性进行了研究。结果表明,所发展的GMRES方法计算更加稳定,残差下降速度相对LU-SGS（Lower-Upper Symmetric Gauss-Seidel）方法更快,尤其是气动力系数向着收敛解逼近的速度更加明显,提高了计算效率。     

命中精度Bayes推断中基于P值的验前可信度建模

在对散布参数验前可信度的定义与必要性进行分析的基础上,给出了给定散布参数（方差）的P值计算模型,构建了一维散布分析时验前分布可信度的P值模型,给出了验前P值与验前可信度的定义,并对其变动情况进行了阐述,给出了验前分布的拒绝条件.对二维散布分析条件下的验前可信度分析,分别构建了验前P值的独立求解模型和集成求解模型.并从0.05,0.2,0.4区分的数据区间,给出了验前分布选择的原则和要求.基于案例比较可见,验前可信度能较为显著地完成验前分布的差异化比较,相对现有的仅对验前可信度的定性说明,基于P值的验前可信度建模与计算,不仅能完成验前可信度的量化计算,而且能从概率的角度对验前分布选择的正确性进行假设检验.      

基于DQN的反舰导弹火力分配方法研究

反舰导弹作为海上作战的主战武器,由于其精度高、射程远、威力大等特性长期以来一直被当作舰艇编队的主要防御对象。针对反舰导弹打击舰艇编队的火力分配问题,我们提出了一种基于深度Q值网络求解反舰导弹火力分配策略的算法。不同于现有的基于领域知识的方法,深度Q值网络无需依赖任何先验信息,就能够通过与模拟器的交互自动求解最佳的攻击策略。该算法使用深度神经网络拟合Q值函数,解决了传统强化学习中的状态空间过大无法遍历的问题。实验结果表明,在各种不同的舰队防御配置下,深度Q值网络求解得到的攻击策略均获得了最佳的毁伤效果。     

基于小样本物理测试的T800H碳纤维复合材料许用值虚拟大样本技术研究

获得材料许用值的传统方法是对各种形式的材料和试样进行物理试验,并根据"积木式"方法逐级验证单元、子部件和部件。然而,按照"积木式"方法进行测试的成本很高。因此,需要一种新的方法,在较短的时间内完成新材料体系表征鉴定,并推进其在工程中的应用。根据FAA/ASTM建议,非均质单胞多尺度建模/虚拟测试技术,可以成为设计应用过程早期的材料和结构的验证策略。以材料的细观力学/宏观力学为基础,充分考虑制造过程,测试数据和服役环境影响,结合渐进失效分析来预测结构/部件安全性,建立了多尺度虚拟测试工程应用流程。本文采用美国AlphaSTAR公司研发的成熟商业软件平台GENOA,使用单向带测试的统计数据来逆推纤维和基体材料性能以及制造变量的不确定性。这些不确定性随后被用于生成层合板结构的随机虚拟测试试样,计算许用值。这种仿真方法在T800H项目中获得成功应用,大量减少了物理试验。     

航空发动机双转子系统“临界跟随”现象的机理及影响

为了探明“临界跟随”现象导致航空发动机振动居高不下的产生机理,建立了考虑中介轴承的双转子动力学模型,推导了双转子发生“临界跟随”现象时参数之间的关系,分析了“临界跟随”状态下转子系统的动力学特性。结果表明:“临界跟随”现象会导致转子系统无法越过盘偏摆振型临界转速,造成转子振动对不平衡质量分布极其敏感,其主要影响因素为盘极转动惯量与直径转动惯量的比值(简称惯量比)以及双转子增速比;当高压盘等效惯量比等于1,或增速比与任意低压盘惯量比相等时,转子系统表现出高压激励条件下的“临界跟随”特征;当低压盘惯量比等于1,或增速比与高压盘等效惯量比的乘积等于1时,转子系统表现出低压激励条件下的“临界跟随”特征。提出了必须严格控制航空发动机叶盘的等效惯量比以及双转子转速控制律的设计建议。      

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

多机场终端区进离场交通流协同排序方法

针对大都市及都市圈飞行冲突、空域拥堵和航班延误日益严峻的现状,研究了多机场终端区进离场交通流协同排序问题。综合考虑尾流间隔、跑道间隔、时间窗、进离场容量等约束限制,从时空多维角度引入航班满意度概念,建立了多机场终端区进离场交通流协同排序模型,设计了带精英策略的非支配排序多目标遗传算法(NSGA-II),寻求多机场终端区进离场排序问题的Pareto最优解。实例验证表明,所提方法可对多机场终端区进离场交通流进行优化排序,有效降低航班延误总时间,显著提高航班总满意度,并实现多机场系统对终端区空域资源的公平均衡使用。与经典的先到先服务策略相比,协同排序策略的整体优化效果较为显著,其中航班延误时间得到了一定的降低。     

多机场协同决策进离场航班排序模型及算法研究

多机场终端区内的航线网络错综复杂,来往同一方向的航班会共用一个交接点,航班的起飞降落不仅要考虑各方向航空器的运行间隔和各受限单元容量的限制,还需着重考虑交接点的间隔限制.基于终端区多机场多元受限情况,建立了终端区多机场协同决策进离场航班排序模型,并设计了递归遗传算法.首先以各机场为单位采用遗传算法进行航班排序,得出各机场延误时间最小的排队序列,之后将各机场航班在交接点处进行聚类并排序,再将各交接点的排队序列反推回各机场,运用递归算法不断优化各机场的航班序列,在保证安全运行的基础上,最终得出各机场的航班排队序列.仿真结果表明,该算法优化效果显著,各机场的总延误时间减少了48.2％,可有效缓解多机场航班延误.     

TC6钛合金超塑性变形

对TC6钛合金在800~900℃温度区间内,分别进行应变速率为0.0001~0.1 s-1的恒应变速率法拉伸实验和最大m值法超塑性拉伸实验,获得拉伸过程应力-应变曲线,并采用金相显微镜对拉伸后断口附近显微组织进行分析。结果表明：TC6合金表现出良好的超塑性性能,随着应变速率或温度的升高,伸长率先增大后减小,恒应变速率拉伸时,在温度850℃、应变速率0.001 s-1条件下伸长率可达到993%;在同一变形温度下最大m值法拉伸能获得比恒应变速率法更好的超塑性,850℃时伸长率达到1353%;TC6合金在超塑性变形过程中发生了明显的动态再结晶,并随着应变速率和温度的升高动态再结晶行为增强。     

基于SVR选择性集成的机场噪声预测模型研究

机场噪声预测对机场规划设计、航班计划制定以及机场噪声控制具有十分重要的作用。针对机场周围各个监测点上的单飞行事件进行噪声预测。由于机场噪声数据的复杂性,用单一的SVR方法对其预测往往得出局部优化结果,不能达到理想的预测效果,针对这一问题,提出一种基于SVR选择性集成的机场噪声预测方法,通过Adaboost方法对机场噪声数据进行采样训练得到多个SVR预测模型,并结合一种排序方法对预测模型进行选择集成得到最终机场噪声预测值,取得了较好的预测效果。