基于水平集方法的连续体结构拓扑优化方法研究

考虑到现有各种连续体结构拓扑优化方法的优缺点,提出了一种新的连续体结构拓扑优化新策略。该方法将无网格法和水平集方法结合起来,充分发挥各自的优点,使得该拓扑优化新策略具有良好的收敛性和计算精度。     

基于Log—Sigmoid型径向基神经网络的雷达辐射源识别

提出基于一种新的鲁棒性径向基 (RBF)神经网络的雷达辐射源识别方法。此网络应用Log -Sigmoid函数作为基函数 ,避免了学习过程中的不稳定状态 ,并且比传统的RBF有更好的学习性能和函数逼近能力。并介绍一种新的归一化函数 ,通过归一化函数把不同类型 ,不同量纲的原始评估数值转换到 [- 1,1]区间 ,该效用函数较好地体现了“奖优罚劣”的原则 ,同时又更有利于神经网络的训练。仿真实验证明了该方法的优越性。     

电缆支座承受径向载荷时的弹塑性分析

采用ANSYS软件对发动机电缆支座几种不同结构方案及其承载能力进行了三维有限元分析。考虑了材料的非线性弹塑性行为，计算给出了电缆支座承载能力，与试验结果比较吻合。     

基于分层思路的动态非线性气动力建模方法

很多非线性气动力模型难以精确预测系统的小扰动线性特征。针对这一局限,提出了一种非线性分层模型,用于辨识跨声速非线性非定常气动力。分层建模需要同时提供微幅振荡和大幅振荡两套训练样本,首先通过线性模型(如带外输入的自回归(ARX)模型)对微幅振荡样本进行建模,而后采用非线性模型(如径向基函数神经网络(RBFNN))对大幅振荡的样本与线性模型的差量进行建模,进而把线性模型和非线性模型的输出相叠加,得到分层非线性动力学模型。算例表明建立的分层气动力模型与单一自回归径向基函数(AR-RBF)神经网络模型相比不仅具有更高的数值精度,可以精确预测大幅运动中的非线性特征,而且在小扰动状态下自动退化为线性模型,能够精确刻画结构微幅振荡下的线性动力学特性。     

基于径向基神经网络的气动热预测代理模型

为快速获取高超声速飞行器表面热流数据并缩短飞行器气动热设计周期,提出了一种基于径向基神经网络的气动热快速预测代理模型方法。首先,在飞行器表面每一个离散化的网格节点单独构造一种正则化的径向基神经网络。随后,通过训练集对所有网络同时进行训练,获得各自网络的连接权值。最后,所有网格节点的神经网络协同预测飞行器表面不同位置的热流。对NASA火星实验室的椭圆钝化高超声速飞行器的应用表明,所提出的代理模型方法在模型训练完成后能够快速进行飞行器表面热流预测,并且模型具有良好的泛化能力,在驻点及迎风大面积区域热流预测结果与数值模拟的偏差在10%以内。     

轮盘径向破裂转速计算方法分析及修正

分析了轮盘径向破裂转速理论计算方法及常用平均径向应力计算方法的含义及其特点.且依据理论计算方法的含义,提出了基于有限元计算结果的轮盘径向破裂转速计算修正方法.通过实例应用,证明了相对于理论方法计算结果,修正方法较常用平均径向应力方法计算精度更高,其计算精度由6.6%提高到0.5%以内,且修正方法较理论方法使用更方便、工程适用性更强.      

基于神经网络的电液转台非线性积分滑模控制

针对高精度电液飞行仿真转台具有高度非线性、参数不确定和不确定非线性等特点,提出了一种基于RBF（Radial Basis Function）神经网络的非线性积分滑模鲁棒控制方法.采用自适应RBF神经网络对该系统存在的参数不确定性和不确定非线性进行补偿,从而降低滑模控制器对切换项的增益的需求,进而减小系统抖振幅值.积分滑模面的设计能消除外部干扰对系统带来的稳态误差.根据积分滑模变结构控制器的特点,将控制律分为等效控制律和到达控制律.等效控制律使系统运动于滑模面附近,到达控制律可使处于状态空间内任意初始位置的系统趋近于滑模面,并进一步通过Lyapunov方法证明了系统的渐近稳定性.实验结果表明,所提出的非线性控制器不仅能满足电液转台的高精度跟踪性能的要求,且对参数不确定性和不确定非线性具有一定的鲁棒性.     

离心叶轮气动阻尼的数值分析

为进行运动边界下离心叶轮流场的数值分析,独立开发了网格变形程序和非定常流动分析程序,实现了流场中振动离心叶轮的气动阻尼计算。采用紧支撑径向基函数法进行结构到气动表面变形的数据传递,应用二叉树技术进行壁面距离的计算,大幅提高了网格变形和流场分析中距离搜索的计算效率。通过振动叶栅和离心叶轮的算例,验证了程序应用于运动边界流场计算和叶轮流场模拟的正确性。以某离心叶轮为对象,展开其模态气动阻尼比的计算分析。结果表明:考察的两个模态下气动阻尼比均为正值,小幅振动下模态气动阻尼比与振幅无关,轮盘振动模态下叶轮的气动阻尼比随工况接近失速而逐渐减小。