深度学习在C-130J飞机预测性维修中的应用和启示

预测性维修是减少维修工作量和维修资源、提高装备可用性的新的维修模式,实现预测性维修的关键是构建预测模型和算法.以深度学习为代表的新一代人工智能技术为预测模型和算法提供了条件.本文分析了当前C-130J飞机维修保障存在的主要问题和困难,重点研究了深度学习技术在飞机预测性维修中的应用,论述了应用深度学习技术的主要困难和解决...     

地面试验中的超燃冲压发动机特性分析

直连式试验和自由射流试验是冲压发动机开展地面模拟试验验证过程中最为普遍的两类试验。通过对比两类试验对来流条件的实现情况,说明加热器工作参数和来流组分等模拟要素符合试验要求,在此基础上分析同款超燃冲压发动机的直连式和自由射流试验结果,并结合仿真分析结果开展论述。结果表明:针对相近试验工况,两类试验中进气道流动形态一致性较好;进发匹配工作特性方面,自由射流试验中的结尾激波位置普遍靠后,其安全工作裕度高于直连式试验;在直连式试验中,基于沿程静压测值方法得到的发动机比冲与自由射流试验台测得的发动机比冲接近。     

单股射流倾斜撞壁影响因素的数值模拟

为研究倾斜射流撞击固体表面后液膜的形态变化规律,结合VOF模型和多面体混合网格的数值模拟方法,通过分析不同工况下倾斜射流撞壁后液膜的几何特征参数变化规律,获得了不同工况下液膜铺展的关键特征。研究结果表明:射流撞壁后,壁面压力从液膜的边缘水跃区到中心轴线逐渐减小;随着射流速度增大,壁面在撞击点附近受到的压力增大,而在液膜汇集区受到的压力减小;液膜在撞击点附近速度最大,在水跃区汇集点附近速度最小;随着射流孔径增大,液膜最大速度和最小速度区域的面积增大。     

高速列车通风设计方法的研究

 由于高速列车车厢高度密闭的特性,高速列车的通风设计必须满足旅客的安全性和舒适性.而传统的依赖自由射流的经验公式确定车厢内温度场和速度场的方法因无法考虑送排风气流和室内障碍物的影响,通风设计很大程度上依赖于模型实验.本研究将送排风气流与车厢型状及座椅作为一体来考虑、通过数值模车厢内温度场和速度场来保证满足舒适空调要求的同时,还可方便地确定出送风速度和送风温差.该方法不仅适用于高速列车的通风设计,还能适用于一般载人列车及飞机客舱的通风设计.     

基于卷积神经网络的雷达和通信信号调制识别

雷达和通信信号的调制识别是电子侦察对抗的一项关键技术,通过搜索、截获敌方电子设备发射的电磁辐射信号,经过电子侦察系统分析、识别,从而获取敌方战术、技术特征参数等情报。人工神经网络中的深度学习网络由于具有强大的表征学习能力,可以自动从原始数据中提取出各种复杂的特征。介绍了一种差分自相关预处理结合深度学习进行中频信号调制识别的方法,结合工作的实际需求,对深度学习在信号调制识别中提出了一些展望,如进一步提高在低信噪比下的识别率和研究深度学习调制识别混合架构。     

基于深度学习的欧几里得嵌入的推荐算法

推荐系统为用户推荐用户可能感兴趣的物品,可以有效地减轻信息过载。基于欧几里得嵌入的协同过滤方法将用户和物品映射到统一的隐藏空间中,是构建推荐系统的重要方法之一。然而,传统的基于欧几里得嵌入的推荐方法仅考虑用户和物品隐藏特征向量之间低阶交互,不能有效建模现实世界中用户和物品的复杂交互行为。本文提出基于深度学习的欧几里得嵌入的协同过滤算法,利用深度学习技术学习用户和物品隐藏特征向量之间的高阶、非线性交互函数,建模用户和物品之间复杂交互行为。在真实数据集上的实验结果表明,基于深度学习的欧几里得嵌入的协同过滤算法性能优于传统协同过滤算法。     

基于深度神经网络的自适应波束形成算法

自适应波束形成技术是航天领域中的旁瓣抗干扰关键技术之一。当回波数据量增多时,传统的波束形成算法无法进行快速的处理,而应用深度神经网络模型对数据进行预训练可以快速的进行波束形成,因此根据波束形成原理利用分段训练方式设计深度神经网络,应用Leaky-ReLU激活函数、Adam优化算法和Dropout正则化方法提升深度神经网络的性能,提出了基于深度神经网络的自适应波束形成算法。仿真结果表明,相比于传统的LMS算法,在实验环境下,基于深度神经网络的自适应波束形成算法的计算速度约有7~8倍的提高。     

封闭空间中不同压力下火焰过孔板加速机理研究

爆震或超级爆震发生时总会伴随着湍流火焰-冲击波相互作用,对其开展研究是揭示爆震或超级爆震机理的关键,研究火焰加速产生压力波的过程是火焰-压力波相互作用研究的基础性前提。基于自主设计的定容燃烧弹和Converge三维数值模拟方法,对封闭空间中火焰过孔板加速机理及影响因素开展了研究,讨论了初始压力对火焰过孔板加速的影响。依据火焰传播形态与速度,将火焰过孔板加速过程分为3个阶段:层流火焰阶段、射流火焰阶段和湍流火焰阶段。通过分析火焰过孔板过程中的流场情况,发现在火焰未到达孔板前,孔板附近存在强射流,火焰受强射流的驱动而急剧加速;但当火焰穿过孔板之后,火焰锋面前的流场速度沿着远离火焰的方向而逐渐下降,说明开始由火焰驱动未燃气体运动。比较不同压力下的火焰过孔板过程,发现湍流火焰传播速度和缸压振荡均随着初始压力的提高而升高。     

基于深度学习的地空导弹发射区拟合算法

目前地空导弹发射区的拟合算法主要是多项式拟合法和BP神经网络拟合法。多项式拟合法存在函数形式难以确定、函数范围不易分段等问题,且拟合精度较低;传统神经网络方法要想达到较高精度,需要大量的隐层节点,且在隐层节点数增加到一定程度后,训练变得十分困难且精度很难继续提高。同时,传统神经网络需要大量的标签数据,进一步增大了实际应用的难度。为此,基于深度学习理论,设计了一种基于堆栈稀疏自编码器（SSAE）的深度拟合网络（DFN）,并给出了相应的训练策略。仿真实验表明其相比传统算法具有更小的拟合误差优势。所设计的深度稀疏自编码器网络可以克服多项式拟合和传统神经网络的不足,不仅可以在大量无标签数据和少量标签数据条件下进行学习训练,而且可以进一步提升地空导弹发射区的拟合精度。     

脉冲能量沉积对超声速射流/激波相互作用掺混的控制研究

为探究超声速射流掺混增强的有效控制方法,基于二维非稳态雷诺平均Navier-Stokes方程,研究了脉冲能量沉积对超声速射流与斜激波相互作用后增强掺混的控制机理和规律。宽度为5 mm的低密度平面射流同向完全膨胀射入马赫数为2.5的主流中,并与20°压缩斜面所产生的斜激波相互作用。在流场中引入脉冲能量沉积对射流掺混进行控制,并考虑射流马赫数、射流长度、能量沉积位置及激励频率对掺混效果的影响。对比激励流场与基础流场,结果表明:脉冲能量沉积的加入诱导射流形成大尺度涡结构,显著提高射流的掺混效果;能量沉积位置对于不同马赫数射流的掺混增强具有不同的控制效果;激励前后射流宽度的对比表明,脉冲能量沉积的无量纲激励频率在0.22附近时,可使得射流的掺混效果最佳。