离散型粒子群算法求解民航飞机排班问题

本文首先介绍了民航飞机排班问题,给出了飞机排班问题的基本数学模型。然后介绍了离散型粒子群算法的基本原理和在组合优化问题方面的应用,并通过相应参数的匹配选择将离散型粒子群算法引入到民航飞机排班问题。     

航空发动机排气喷管红外辐射特征数值研究

红外隐身技术对提高未来战机战场生存力具有重要意义,发动机排气系统是飞机后半球的主要红外辐射源。为了研究涡扇发动机排气喷管的红外辐射特性,采用与成熟商用CFD软件相结合的策略,基于离散传递方法,自主开发航空发动机排气系统红外辐射特征数值计算软件。提出一种射线行程追踪方法,用来提高软件计算效率和模拟精度;最后用该软件对某型涡扇发动机排气系统收缩喷管及两种采用不同红外抑制措施的喷管进行数值模拟研究。结果表明：相对于传统的收缩喷管,二元喷管能够在绝大部分探测方向上有效降低喷管的红外辐射,引射喷管可在大角度探测方向上起到显著的红外隐身效果。     

双S弯喷管流动特性及红外辐射特性分析

基于分区控制技术,发展了型面易控的双S弯喷管型面设计方法,用CFD数值模拟技术,对双S弯喷管的流动特性进行了数值模拟.采用信息通道界面(MPI)并行算法编写了基于离散传递法的红外辐射特性计算程序,对双S弯喷管红外辐射特性进行了计算,并与具有相同进出口面积的轴对称收缩喷管的红外辐射特性进行了对比.研究表明:双S弯喷管宽边探测面红外辐射强度低于窄边探测面红外辐射强度,最大幅度为80%;与轴对称收缩喷管相比,双S弯喷管红外辐射强度明显降低,尤其在宽边探测面的30°~40°探测方向上,比轴对称收缩喷管的红外辐射强度低大约30%.      

产品设计自动化系统中离散事件驱动的分布求解框架

在分析事件驱动的消息处理机制基础上,对过程设计自动化系统中如何有效利用事件—状态—动作(ECA)机制进行了研究,给出了支持离散事件驱动的过程模型,并结合工程求解问题实际情况提出了支持设计过程自动化的求解框架和动态求解策略。     

用多重网格方法计算旋翼跨声速无粘流场

发展了一种加快悬停旋翼无粘流场计算收敛速度的多重网格方法。由于悬停旋翼流场中存在不可压区域，同时旋翼尾涡系统的发展需要较长的时间，使得旋翼流场的收敛速度远低于固定翼流场，因此研究旋翼流场的多重网格算法具有重要意义。空间离散格式采用了中心有限体积方法，时间推进应用了五步龙格-库塔法。采用3层网格的V循环，对一跨声速悬停旋翼无粘流场进行了数值计算。计算结果表明：尽管多重网格方法对旋翼流场的加速收敛作用不如对固定翼流场的加速收敛效果，但是多重网格方法仍然可以显著地加快旋翼流场收敛。     

基于LMI的一类非线性离散动态系统的鲁棒故障诊断

 针对一类非线性不确定离散动态系统 ,提出了一种新型鲁棒故障诊断方法。该方法不但能够对被诊断系统进行故障检测 ,而且同时能够实现故障的分离和辨识。它首先通过构造一个辅助系统 ,将故障的辨识问题转化为min max问题 ,并且通过巧妙设计辅助系统的输出增益矩阵 ,使得辅助系统与被诊断系统的状态差值方程和输出差值方程稳定 ,然后将min max问题转化成LMI问题 ,最后通过求解LMI问题来实现故障诊断。分析了故障诊断方法的鲁棒性、灵敏度和故障的辨识误差。仿真结果验证了该方法的有效性。     

基于DCT中频域数字水印算法研究

提出了一种基于DCT的图像水印算法,该算法充分利用人眼视觉系统特性,把水印嵌入DCT中频域中。保证了水印的不可见性。并用高斯低通滤波攻击和椒盐噪声攻击对算法鲁棒性进行检测。实例分析结果表明该算法具有较好的鲁棒性和隐蔽性。     

大涡模拟模型环形燃烧室污染特性

在任意曲线坐标系下,采用大涡模拟模型环形燃烧室两相燃烧流场中污染物的生成.用亚网格涡破碎(EBU)燃烧模型估算化学反应速率;分别用NO亚网格动力学模型与CO亚网格模型来模拟NO和CO的生成;采用随机离散模型模拟气液两相湍流流动,两相之间耦合采用PSIC算法.计算结果与瞬态速度场、出口温度和污染物质量分数分布的实验数据比较吻合,表明大涡模拟方法和亚网格模型可以用来预估实际燃烧室两相喷雾燃烧流场和污染物生成过程.      

基于二维频谱方法的直升机噪声源的分辨与提取

针对直升机飞行时其噪声中多种噪声源相互混叠难以分辨的问题,通过随机信号理论分析,结合直升机噪声信号的特点,发展了基于二维频谱分析的直升机噪声源分辨与提取模型及方法,在此基础上将该方法应用于剪刀式尾桨直升机尾桨噪声信号的频域提取与分析.本文首先推导了这种方法的理论模型,并给出相应的求解方法;然后采用该方法分别对模拟和实测的直升机总体噪声信号进行分析,计算结果表明该方法可以有效地提取出总体噪声中的各谐波成份.最后通过对剪刀式尾桨直升机噪声的分析,获得了剪刀式尾桨降噪的机理.     

Adaptive Gaussian sum squared-root cubature Kalman filter with split-merge scheme for state estimation

The paper deals with state estimation problem of nonlinear non-Gaussian discrete dynamic systems for improvement of accuracy and consistency. An efficient new algorithm called the adaptive Gaussian-sum square-root cubature Kalman filter（AGSSCKF） with a split-merge scheme is proposed. It is developed based on the squared-root extension of newly introduced cubature Kalman filter（SCKF） and is built within a Gaussian-sum framework. Based on the condition that the probability density functions of process noises and initial state are denoted by a Gaussian sum using optimization method, a bank of SCKF are used as the sub-filters to estimate state of system with the corresponding weights respectively, which is adaptively updated. The new algorithm consists of an adaptive splitting and merging procedure according to a proposed split-decision model based on the nonlinearity degree of measurement. The results of two simulation scenarios（one-dimensional state estimation and bearings-only tracking） show that the proposed filter demonstrates comparable performance to the particle filter with significantly reduced computational cost.