卷积和离散过程神经网络及其在航空发动机排气温度预测中的应用

 针对航空发动机排气温度的变化过程受复杂非线性时变因素的影响而难以用精确数学模型描述的问题,提出了卷积和离散过程神经网络(CSDPNN)模型,并将其应用于航空发动机排气温度(EGT)预测。该模型以离散样本作为直接输入,采用卷积和算法实现对时间累积效应的处理。相较于以连续函数作为输入的过程神经网络(PNN),不需要拟合离散样本得到连续函数后进行正交基展开,减少了精度损失,具有更高的预测精度。给出了卷积和离散过程神经网络模型的学习算法,并通过对Mackey-Glass混沌时间序列的预测对提出的方法进行应用说明和验证。通过航空发动机EGT预测实例,并与卷积和离散过程神经网络模型的连续函数输入过程神经网格以及传统人工神经网络(ANN)的预测结果进行了对比。结果表明,相较于连续函数输入过程神经网络以及传统人工神经网络,卷积和离散过程神经网络具有更高的预测精度,且对于EGT的预测具有较好的适应性,因而为航空发动机EGT预测提供了一种有效的方法。     

适用于概念设计的再入飞行器外形优化设计方法

面向再入飞行器概念设计,提出了一种实现外形多目标优化的综合设计方法.基于类型函数/形状函数变换技术建立参数化几何模型,实现了以少量设计变量描述较大范围的设计空间;引入考虑真实气体效应的工程方法估算气动特性,应用非支配排序遗传算法(NSGA-Ⅱ)实现考虑升阻比和容积利用率最大化以及热流量最小化的多目标优化设计;通过减法聚...     

飞艇吊舱隐身特性研究

吊舱的雷达散射特性决定了飞艇的隐身性能。为得到最优的设计方案,需要综合计算各种方案吊舱的雷达散射截面值。本文提出了采用多截面曲面对飞艇吊舱数字化建模的原理和通过形状因子描述吊舱脊线的方法,推导出利用物理光学法估算吊舱雷达散射截面的公式并总结了程序流程。通过典型吊舱分析了飞艇的隐身性能,结果表明：采用形状因子对吊舱的数字...     

唇口形状对二元进气道性能影响数值模拟

为了研究唇口形状对二元混压式进气道的性能影响,采用Fluent进行了数值模拟。研究发现,唇口面积的减小会带来一定的流量损失,但可以有效地降低起动马赫数,提高总压恢复系数。同时,据此提出了二元进气道的一种优化设计方法。     

基于FLUENT的不同喷管形状喷流噪声分析

通过简化发动机喷口模型,研究喷管的喷口形状改变后对喷气噪声的影响,针对三种模型,即普通、三角形锯齿以及半圆形锯齿喷管,通过FLUENT软件进行计算分析,并将计算得到的流场以及监测点的声压级进行比较,结果表明,锯齿形尾喷口形状对降低排气噪声较为理想,在最小程度影响出口速度的情况下能减少排气噪声2～6 dB。     

低惯量涡轮转子结构设计与优化

论述了低惯量涡轮转子结构设计的特点和要求。在发动机载荷条件下,开展了带双辐板涡轮盘的低惯量涡轮转子结构设计研究。特别是针对双辐板涡轮盘结构及其连接结构的设计特点,进行了经验设计、结构拓扑优化和形状优化。对优化得到的两种双辐板涡轮盘结构形式进行了对比分析,并对焊接的双辐板涡轮盘结构的制造工艺进行了简要分析。结果表明,低惯量涡轮转子采用双辐板涡轮盘结构可行,能有效减轻涡轮盘质量,降低转子热惯性和机械惯性。     

受侧向膨胀影响的爆震波传播过程研究

基于Fay流体扩张理论,运用实验观测、数值模拟和理论分析等方法研究了侧向膨胀对爆震波传播过程的影响.详细分析了爆震波在侧向膨胀段的流场结构,由于气体可压缩壁面限制性作用较弱,爆震波强度受到不同程度衰减,波面发生一定变形,横波数量明显减小且横波间距增大.对比研究了预混气活性对爆震波流场结构和传播过程影响,实验发现预混气活性较高时,即ER=1.0,爆震波能够抵御侧向膨胀衰减影响,能够自持传播;预混气活性较低时,即ER =0.7,其抵御侧向膨胀能力较弱,速度亏损变大,波面变形严重,爆震波解耦而熄爆.若要维持爆震波在气体可压缩壁面稳定传播,需要一定活性来抵御侧向膨胀影响.     

民用飞机翼梢小翼多约束优化设计

采用Lagrange乘数优化方法,约束升力系数和机翼翼根弯矩,通过修改机翼 翼梢小翼组合体的结构外形,减小机翼的诱导阻力和形状阻力,提高机翼的展向效率和升阻比的大小。成功的实例设计结果表明,本文方法对民用飞机机翼-翼梢小翼的设计具有应用价值。     

基于MMSE的近似最优Lattice Reduction辅助线性并行检测算法

现有基于Lattice Reduction (LR)技术的多输入多输出(MIMO)系统检测算法,虽然可以有效地提高MIMO系统的误比特率(BER)性能,但其检测性能与最优的最大似然(ML)算法相比仍然存在差距.针对这一问题,提出了一种新的基于信道分组的线性Lattice Reduction辅助检测算法.该算法首先将信道分为两组,对通过条件最差子信道的信号采用最优的ML算法检测,然后将其从接收到的信号中消除,再采用Lattice Reduction技术对第2组信道进行优化,最终并行地对剩余信号进行检测.仿真结果表明:在16QAM(Quadrature Amplitude Modulation)和64QAM调制下,对于4×4的MIMO系统,该算法的误比特率性能达到了最优;对于6×6的MIMO系统,该算法相比最优的ML算法其检测性能相差不到0.5 dB.     

输入无模型动态扰动非线性系统的反演控制

研究了输入无模型动态扰动的不确定非线性系统的全局镇定。基于控制李雅普诺夫函数,设计了反演控制律,利用自抗扰的思想,构建扩展状态观测器来处理输入无模型动态,仿真结果验证了本方法的有效性。文章提出的控制方法适用于很多非线性系统。