基于粒子群算法的切削参数优化及其约束处理

切削参数优化问题通常是多约束、非线性的,通过对其目标函数进行分析,发现这类问题的最优解通常位于可行域边界上.针对该问题的求解,在约束处理方法上引入了非固定多段映射罚函数法和半可行域概念,并考虑到绝对半可行域宽度导致的不同约束条件难以同步得到满足问题,提出了相对半可行域设置方法,即将半可行域宽度与各约束许用值的相对误差相对应,应用于粒子群算法实现了切削参数优化,并通过实例计算对所提出的方法进行了验证.     

应用于DSMC方法的直角网格技术

研究了应用于直接模拟蒙特卡洛DSMC(Direct Simulation Monte Carlo)方法的直角网格技术.通过对边界三角形表面微元进行统计,建立直角网格缺陷单元与表面微元之间的映射关系,并进一步将缺陷单元区分为一级缺陷单元以及二级缺陷单元,同时结合可变时间步长技术,从根本上解决了在DSMC方法中利用直角网格技术贴体光滑地匹配复杂几何型面的问题.给出了相应的自适应网格调整方法.基于以上策略,编制了通用DSMC计算程序RGD-Tool(Rarefied Gas Dynamic Tool).利用RGD-Tool程序对典型的圆球绕流以及无限薄斜挡板绕流两个算例进行了验证计算,结果表明所讨论直角网格技术是有效的.     

结合自组织映射网络及三角形算法的星图识别方法

三角形方法是最经典且应用最广的星图识别方法之一,但是存在搜索范围大、匹配冗余、抗噪能力弱等问题。将神经网络技术应用到星图识别过程中,结合自组织映射网络（SOM）优秀的分类能力和三角形算法可靠的角距匹配能力,提出了一种新的识别方法。该方法基于邻近星的分布来构建每颗导航星的特征向量,将其作为SOM网络的输入向量,通过训练得到具有分类识别功能的网络及相应的三角形库。识别阶段,输入待识别星的特征向量,网络输出识别类,在该类对应的三角形库中应用三角形算法查找匹配三角形,完成星图识别。试验发现该方法减小三角形搜索范围、实现快速匹配的同时,提高了识别系统的抗噪能力,在全天识别过程中平均识别时间低于5ms,识别率在噪声标准差为0.025时仍高达99%。     

用修正数据映射方法实现快速稳健子空间跟踪

为改善现有子空间跟踪方法的运算量大或鲁棒性/稳定性差等缺点,基于原数据映射方法(DPM),采用新的正交归一化,提出了一种快速稳健的修正DPM(MDPM)算法。通过改变符号选择跟踪信号子空间或噪声子空间,同时提供了子空间基的正交矢量,运行时无累积性误差。研究和仿真结果表明:与传统子空间跟踪算法相比,MDPM算法的鲁棒性/稳定性好、收敛速度快、运算量小。     

渐近严格伪压缩映象的Mann迭代序列

证明了希尔伯特空间上的渐近严格伪压缩映象的Ｍａｎｎ迭代序列的收敛性定理。     

用同心环域映射法求解层流偏心环域速度场

用同心环域映射法可推导出求偏心环域层流速度场的另一种表达式。该表达式形式简单,收敛快,在一定条件下还可简化成有限项之和,比过去的经典解法更适用。     

基于狄拉克符号的异构模型集成方法

针对数字工程中异构模型集成仿真的问题,提出了一种基于狄拉克符号的系统建模方法。该方法可以屏蔽子系统的建模逻辑和模型实现差异,描述全系统的集成模型和动力学演化。利用类TNEA中间件提供的状态定义和方法调用机制,可以将异构模型映射为具有相同建模逻辑和软件接口的对象模型,构成数字主线,开展虚实融合系统集成试验。该方法可以支撑航天“簇”演进模式下的新技术快速插入、新系统原位替代和新状态快速验证,并针对数字航天开展全要素虚实融合试验,在虚拟环境中摸边探底,验证核心指标。     

面向数字孪生的智能生产线监控系统关键技术研究

传统的生产管理往往面临着较为严重的"黑盒"问题,即不能及时掌握现场的各类信息,导致现场实际状态与预期计划脱节,并进一步导致效率降低、质量下降.针对这一问题,主要研究了面向数字孪生的监控系统实现关键技术,在虚拟空间中建立生产线的三维模型,通过现场数据的采集,实现数据与模型的关联映射,并通过各类状态及绩效看板,打造虚拟领导...     

基于数据中台的数据融合集成关键技术研究

当前开发新的业务系统往往需要从其他系统引接数据,系统之间的直接数据交互增加了系统开发的复杂性。为解决上述问题,研究基于数据中台的数据融合集成关键技术,为数据中台建设提供参考。设计数据中台技术架构,实现数据引接、数据管理和数据服务。覆盖数据生命周期,设计数据中台业务流程。瞄准数据赋能目标,提升数据融合集成核心能力,采用混合架构完成多源异构数据存储,利用数据层次模型实现数据映射,应用知识图谱进行数据关联。本文提出的数据中台技术架构已在实际项目中运用,达到预期效果。