神经网络和专家系统复合材料优化设计研究

论述了复合材料设计及优化的基本方法,介绍了神经网络和专家系统人工智能方法,并对复合材料设卉及优化中的两种智能方法进行了详细论述,总结了两种方法在复合材料优化设计中的分类、建模、预测和应用.举例说明了神经网络和专家系统方法在复合材料优化设计中具有重要的研究价值.最后对该领域的发展提出了建议.     

关于变形网格“几何守恒律”概念的讨论

在国内外文献中应用包含有变形的动网格进行流动数值模拟时,要满足所谓的几何守恒律条件;通过对这一概念最早提出推导过程和近年来应用发展情况分析以后发现,逻辑上存在不适当之处.从流体力学基本理论出发,对包含有变形的动网格技术的理论基础进行讨论,证实几何守恒律是流体力学控制方程的伴随方程或退化方程;通过简单模型分析有限体积方法离散过程,发现计算过程中不满足几何守恒律所引起的非物理现象本质上是目前有限体积离散处理中微元体积计算方法不符合物理定律所致;因此在变形动网格计算方法中不存在必须要满足的几何守恒律.最后根据理论提出物理背景清晰的微元体积计算方法,数值验证可行.     

高速切削物理仿真技术及其应用

高速切削由于具有很高的切削速度,可以极大地提高材料切除率,从而大幅度提高生产效率,因此也称为高效切削加工.高速切削具有降低切削力、提高切削表面质量、减少传递给工件的切削热、避免颤振和积屑瘤的产生等优点.     

多传感器数据融合的平均航迹算法

提出了一种适用于分布式多传感器的平均融合算法,对其算法机理进行了详细描述。对融合算法、未融合算法和算术平均算法三者的跟踪航迹和方差进行了仿真比较。仿真结果表明,融合算法优于算术平均算法和未融合算法。它提高了跟踪精度,改善了航迹质量。尤其在多传感器跟踪系统工作异常的情况下具有独特的优良位能。     

基于证据理论的航空发动机早期故障诊断方法

在分析航空发动机早期故障特点和数据融合的基础上,将证据理论应用于发动机故障征兆级别的数据融合中,提出了构造基本信任指派函数的方法,从而得到了更准确的早期故障征兆.在此基础上,应用模糊聚类分析方法,依据最大隶属度原则得到发动机早期故障源.该方法考虑了发动机早期故障征兆不明确、不精确、不肯定等特点,应用模糊测度来表示征兆,更符合发动机早期故障的实际情况.      

航空发动机滑油综合监控中的磨损故障融合诊断研究

单一的滑油光谱监控手段容易漏报航空发动机磨损故障.根据滑油光谱监控和自动磨粒检测互补的特点,在某型航空发动机上实施滑油综合监控,应用Dempster-Shafer(D-S)证据理论实现发动机磨损故障的融合诊断,并开发出基于上述监控方法和信息融合诊断的滑油监控专家系统.通过对实际诊断案例进行分析,结果表明:提出的滑油综合监控和融合诊断方法可有效解决该型发动机轴承故障预报的难题.      

大跨度空间结构典型形体风压分布风洞试验研究现状

随着科学技术的发展和施工工艺的进步,各种外形美观、结构新颖的大跨度空间结构得到了广泛的应用。这类结构往往对风荷载十分敏感,其屋面几何形状对表面风压分布有着重大影响。不同形式的屋面,表面风压分布有很大区别;即使屋面整体形式相同,但由于其矢跨比(f/D)、长跨比(L/D)等几何参数的不同,也会使屋面风压分布发生较大变化。对此,目前尚无详细规范可依。本文回顾了几类典型空间结构的风洞试验,总结了这几类结构的屋面几何形状与风压分布之间的变化规律,为大跨空间结构风压分布规律确定及气动优化设计研究提供参考。     

基于弯曲激波压缩系统的高超声速进气道反设计研究进展

总结了近十年来弯曲激波压缩研究的主要成果。提出了弯曲激波压缩系统的新概念,即利用特殊设计的楔形弯曲压缩面或空间弯曲压缩面,产生一系列与前缘弱激波相互交汇或叠加的压缩波系,从而使前缘激波弯曲,形成特殊的弯曲激波,它与波后的等熵压缩波来共同完成对气流的压缩。在此基础上,实现了由给定出口气动参数的超声速内流道反设计,实现了由给定压缩面压力分布和给定压缩面马赫数分布要求的型面反设计,实现了由给定激波波面的压缩型面反设计。研究证明,弯曲压缩面-弯曲激波压缩系统具有良好的综合气动性能,为高性能高超声速进气系统的气动设计提供了一种全新的设计方法。     

基于改进信息融合的航空发动机状态评估方法

针对航空发动机状态监测数据的模糊性和随机性,结合贝叶斯粗糙集和D-S证据理论,提出一种改进信息融合的状态评估方法。首先对样本数据进行离散化处理,通过基于区分矩阵的属性约简算法对影响发动机性能的特征参数进行提取,生成最佳决策表。然后根据置信增益函数重新定义了贝叶斯粗糙集,利用贝叶斯粗糙集的支持度和置信增益函数作为证据的支持程度,得到各准则下的证据基本信任分配。最后利用证据合成法则对多个证据进行合成,得到评估结果。通过实例计算,验证了改进方法应用在航空器发动机状态评估中的有效性以及在处理不完备信息问题时的优越性。     

面向未知区域深度测量的序列图像稠密点特征生成算法

对未知着降区平坦度测量是无人机在复杂地形下安全着陆的关键问题。首先,根据小孔成像原理推导出基于单目序列图像的未知区域深度计算方程;其次,针对稀疏匹配存在深度信息重构误差大而稠密匹配在平滑区域误匹配率高的问题,提出一种基于Delaunay三角剖分的稠密点特征生成算法;然后,分别对序列图像中的2帧图像提取亚像素级Harris角点和尺度不变特征变换(SIFT)特征点,并分别进行特征点匹配;再以2种特征点间的欧氏距离作为约束条件将2种特征点进行融合,生成准稠密特征点;最后,将准稠密特征点进行Delaunay三角剖分,并根据每个剖分三角形上3个顶点像素偏差的方差值制定稠密特征点的生成策略,并结合所提出的深度计算方程计算整个未知区域各点的深度信息。通过Vega Prime(VP)搭建仿真演示验证系统,实验结果表明在机载相机距地面400m处计算高度分别为90m和55m的物体深度信息时,其深度测量相对误差不超过0.89%,具有较高的精度。