基于BP神经网络的飞行器参数辨识与自适应控制

针对跨域空间飞行器气动参数非线性严重和具有大不确定性等特点,提出一种基于BP神经网络的飞行器离线参数辨识与在线自适应控制的方法.首先,临近空间飞行器进行风洞试验吹风得到的气动参数是典型的输入输出非线性系统,运用BP神经网络算法进行离线训练建立气动数据的辨识模型;其次,根据气动数据的辨识模型计算实时舵效变化参数,飞行器控...     

基于分层有限元的功能梯度混凝土梁热弹性分析

功能梯度混凝土材料(Functionally Graded Concrete Materials,简称FGCs)是一种材料组分和性质在空间上呈梯度连续变化的新型复合材料.本文采用分层模型的思想并借助有限元软件ANSYS建立了FGC梁的有限元模型,通过一个典型算例验证了模型的可行性和计算精度,结果发现本文解与参考解具有很...     

R/S方法求解网络流量自相似参数的实现与应用

基于网络流量具有统计自相似性的理论,通过计算自相似参数Hurst值来检验流量的自相似程度。采用R/S方法对流量数据进行分析,给出了R/S方法详细的实现算法,通过实验的分析与比较,验证了自相似性的存在。自相似性是正常网络流量具备的特征,当流量发生异常时,Hurst值会出现明显的变化,本文将这一变化应用于DDoS攻击检测做了初步的探讨。基于自相似理论的网络流量异常检测技术与传统的基于统计异常技术和数据包特征匹配等方法相比,具有更高的准确性和可靠性。     

基于优化最小二乘支持向量机的襟翼趋势预测

将最小二乘支持向量机(LS-SVM)应用于飞机襟翼状态趋势研究。首先,通过分析飞机襟翼故障与襟翼动作耗时参数的关系,提出了利用动作耗时趋势来确定该系统未来状态的方法。然后,使用最小二乘支持向量机建立耗时回归预测模型,采用最终预报误差(FPE)准则确定回归模型嵌入维数,提出了自适应网格搜索法,优化最小二乘支持向量机的建模参数,从而实现比现有方法精度高,泛化性能好的预测模型。训练和测试样本取自飞行数据记录系统(QAR)中译码襟翼参数值。与神经网络模型的比较实践表明,该方法具有实用价值。     

基于航空煤油重整的SOFC-GT混合动力系统性能

建立了基于航空煤油重整固体氧化物燃料电池-涡轮发动机(SOFC-GT)混合动力系统仿真模型,比较了两种回热方式的重整装置以及不同涡轮布置位置时的系统性能变化,优选出最佳的混合动力系统架构。进一步分析了压气机压比、燃料利用率、燃油流量以及空气流量等运行参数对SOFC-GT混合动力系统性能的影响。研究结果表明:设计点工况下,最佳混合动力系统的发电效率能达到45%,体现出良好的系统性能;当燃料利用率为0.82时混合动力系统的效率和功率最高;随着燃油流量(0.051 1～0.058 4 mol/s)的增加,混合动力系统的效率和功率均增加;而随着压气机压比(2.5～3.3)或者空气流量(37～44 mol/s)的增加,混合动力系统的效率和功率都减小。     

基于灰色关联分析法的GH4169合金电火花线切割加工参数优化

本文选择脉冲宽度、脉冲间隔、功率管数和运丝速度4个主要加工参数,采用正交试验法,通过计算、比较方差和极差来分析这些参数对于GH4169镍基高温合金表面粗糙度和材料去除率的影响。通过灰色关联分析法,确定了一组最优加工参数,即脉冲宽度为24μs、脉冲间隙为80μs、功率管数为6个、走丝速度为6.6m/s,并通过实验验证了其准确性。     

利用WACCM-3模式对平流层动力、热力场及微量化学成分季节变化的数值模拟研究

利用美国NCAR最新的化学-气候耦合模式WACCM-3对平流层风场、温度场以及平流层臭氧等多种微量气体成分(O3, CH4, N2O, H2O, HCl, HNO3)的季节变化进行了数值模拟, 并使用ECMWF再分析资料与美国UARS卫星 搭载的HALOE, MLS, CLAES等探测器的观测资料, 对模式输出的动力、热力及化学成分浓度的气候平均值进行了验证. 结果表明, 在气候平均海表温度值驱动下, WACCM-3模式能够很好地再现ECMWF资料中平流层纬向平均风场与温度场的季节变化. 模拟结果中平流层化学成分的经向-垂直分布及其季节变化与卫星观测结果基本一致. 模式的动力、热力场在极地平流层以及热带对流层顶等区域存在一定的偏差. 这些偏差对于微量气体成分分布 的模拟具有一定影响, 特别是南半球冬(7月)、春(10月)季节南极平流层低层极夜 急流偏强, 造成极地地区附近的输送障碍增强, 从而导致CH4, N2O, H2O浓度比观测偏低. 此外, WACCM-3缺少热带平流层风场的准两年振荡(QBO) 机制, 这对于热带平流层东风急流以及低纬度平流层O3, CH4, N2O, H2O等成分经向输送的模拟结果也有一定影响.     

北京上空下三角钾层的激光雷达观测与研究

利用2010年11月至2011年10月和2013年5月至2014年4月两年的观测数据发现一种特殊的钾层,称其为下三角钾层.下三角钾层的峰值密度随时间逐渐增加,峰值密度所在高度不断降低,钾原子浓度随高度的升高先迅速增加,然后又缓慢减少.当下三角钾层出现时,90km以下的柱密度显著增加,而90km以上的柱密度变化不大,导致钾层总的柱密度明显增加.一月是下三角钾层出现时长最多且出现率最高的月份,这可能与大气半日潮汐的季节变化有关.下三角钾层的频繁出现使钾层一月份的柱密度和峰值密度分别增加15.7%和12.9%,而质心高度却降低0.18km.将下三角钾层与同时同地观测的钠层进行比较,结果显示当钾原子浓度增加时,钠原子浓度却变化不大.假设不存在特殊的源注入,结合钾层模型与钠层模型中的化学反应及其相应的化学反应速率,可以推测下三角钾层中增加的钾原子主要来自KO₂,部分来自KOH.     

基于深度学习递归神经网络的电离层总电子含量经验预报模型

利用行星际太阳风参数与太阳活动指数、地磁活动指数、电离层总电子含量格点化地图数据,首次基于一种能处理时间序列的深度学习递归神经网络（Recurrent Neural Network,RNN）,建立提前24h的单站电离层TEC预报模型.对北京站（40°N,115°E）的预测结果显示,RNN对扰动电离层的预测误差低于反向传播神经网络（Back Propagation Neural Network,BPNN）0.49～1.46TECU,将太阳风参数加入预报因子模型后对电离层正暴预测准确率的提升可达16.8%.RNN对2001和2015年31个强电离层暴预报的均方根误差比BPNN低0.2TECU,将太阳风参数加入RNN模型可使31个事件的平均预报误差降低0.36～0.47TECU.研究结果表明深度递归神经网络比BPNN更适用于电离层TEC的短期预报,且在预报因子中加入太阳风数据对电离层正暴的预报效果有明显改善.     

时间序列法在临近空间大气风场预报中的应用

受多种因素影响,临近空间大气环境要素复杂多变,预报难度很大.本文采用时间序列法中的自回归滑动平均（ARMA）模型对临近空间大气风场开展统计预报方法研究,基于廊坊（39.4°N,116.7°W）中频雷达在88km高度的大气纬向风数据开展预报试验.本次预报试验的样本数据为2015年9月24日至10月24日风场数据,利用过去7天数据对未来第8天风场数据进行预报.试验结果显示,ARMA模型对临近空间大气风场预报有一定的适用性.当风场变化规律性较强,即样本数据风场呈现出比较显著的24h周期性变化时,ARMA模型预报效果较好;当风场发生突变时,预报效果变差.与实测数据的对比结果表明,ARMA模型预报结果的误差在9~27m·s^-1,预报效果优于同阶自回归（AR）模型,略优于高阶AR模型.