基于MLFMA的飞行器锯齿边板散射特性分析

为精确求解散射问题,采用混合场积分方程、多层快速多极子算法(MLFMA, Multilevel Fast Multipole Algorithm)和共轭梯度算法的迭代技术,并改进了多极子模式数.金属球双站雷达散射截面(RCS,Radar Cross Section)的算例表明,该方法在保证精度的前提下,降低了内存和计算时间;分析了锯齿边板的电磁散射特性,总结了锯齿边板相对于直边板在不同角域内的RCS减缩特性以及RCS减缩与入射频率变化之间的关系:随着入射频率的增高,RCS减缩效果迅速提高,且垂直极化减缩效果较水平极化减缩效果好.该结论可以用来提高飞行器的隐身性能.      

失重性骨质疏松腰椎力学性能研究

航天员在长期失重环境影响下,会容易造成椎体失重性骨质疏松。为了探究骨质流失对腰椎承载能力的影响,设计了不同骨密度的腰椎力学仿真,通过图像处理建立了腰椎三维模型,利用有限元算法得到腰椎应力分布,对比了不同材料属性腰椎模型应力结果。结果表明:骨质疏松腰椎的应力值较正常腰椎变小,而形变量却明显增大。可以看出,骨质流失时,会导致腰椎骨骼材料性能发生变化,使腰椎形变量增大,并且使腰椎结构承载能力降低。     

基于视觉注意力分配的飞机驾驶舱人机界面布局优化

以优化飞机驾驶舱人机界面布局设计为目的,提出了一种基于飞行员视觉注意力分配的布局优化模型。首先分析了计算机辅助三维交互应用软件(Computer aided three-dimensional interactive application,CATIA)中的可视域分析模块,给出不同视野区域的可视性等级,并对驾驶舱人机界面所在的视野范围进行栅格化处理;然后用G1法分析人机界面上各个设备的重要程度,并给予定量赋值;最后建立以飞机驾驶舱人机界面布局的视觉注意分配达到最优为目标函数的优化模型,并引入带有惯性权重的粒子群算法进行模型的求解。利用飞机模拟驾驶舱的人机界面布局为例,进行模型验证,结果表明该模型具有一定的可行性。     

涡轮基组合循环发动机分布式控制系统通信网络混合拓扑结构优化方法

涡轮机组合循环(Turbine based combined cycle,TBCC)发动机控制系统通信网络拓扑结构是其分布式控制系统方案设计的重要部分,优化网络拓扑结构可提高发动机推重比和控制系统可靠性。本文基于智能优化算法提出TBCC分布式控制系统网络拓扑结构优化方法。基于图论建立TBCC几何模型和网格模型,以重量和可靠性为优化性能指标,同时考虑发动机表面高温区域以及控制节点的工作可靠性,分别采用粒子群算法和遗传算法优化星形结构中智能中央节点位置、中央节点的环形拓扑结构,获得星形-环形混合拓扑结构。仿真实例表明,基于本文方法优化所得的混合拓扑结构相较于星形集中式控制结构,系统重量降低了51.9%。     

应用后缘装置的跨声速层流翼型多岛优化设计

高雷诺数状态下,自然层流技术(Natural laminar flow,NLF)是减小机翼表面湍流摩擦阻力的有效方法。然而由于层流翼面上大范围顺压梯度的存在使得后缘处的恢复压差更大,产生更强的激波。因此在减小摩擦阻力的同时又增加了激波阻力。本文采用后缘装置(Trailing edge device,TED)来控制翼型后缘处的激波强度,基于线性稳定性理论(Linear stability theory,LST)的eN方法对流动进行转捩判断,进而应用多岛并行多目标进化算法(multi-objective evolutionary algorithm,MOEA)以获得大范围层流区域和弱化激波强度为目标对翼型进行优化设计。优化结果表明合作均衡策略耦合进化算法可以快速地捕捉到该多目标问题的Pareto阵面解,阵面上翼型的波阻力和摩擦阻力性能较初始翼型大大改善。同时,采用后缘装置控制激波强度时,无论在设计点还是偏离设计点时,优化后翼型均具有良好的升阻力特性和鲁棒性。     

针对旋翼流场模拟的自适应网格算法

针对基于格心格式求解器的旋翼流场模拟,提出了相应的自适应笛卡尔网格的数据存储结构及自适应算法。给出了相应的单元处理策略,简化了对自适应笛卡尔网格的处理;对于频繁的自适应加密过程中产生的大量重复点,采用了高效的交替数字树算法(Alternating digital tree,ADT)予以删除;对于自适应疏化过程中产生的大量无用点,提出了标记-删除-移动(Mark,delete,move,MDM)算法予以快速地删除,减少了不必要的计算资源消耗。对CaradonnaTung旋翼在不同悬停状态下进行了模拟验证,对比了压力分布系数与桨尖涡位置。之后对HELISHAPE 7A旋翼在前飞情况下进行了模拟验证,计算值与实验值吻合。此外,求解器对桨尖涡的捕捉效果得到了明显的提高,表明本文方法具有良好的有效性与鲁棒性。     

基于深度混合模型评分推荐

从用户-项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。     

危险天气下航班等待与改航的实时集成优化

为了提高航班准点率,降低危险天气对航班飞行的影响,同时考虑等待策略和改航策略,进行实时空中交通流量管理的研究。以改航起始点至改航结束点间的总航行时长最短为目标,安全可行性、技术可行性为约束,建立了数学模型,并设计了两阶段求解算法,先基于遗传算法优化等待时长和改航路径,再基于"化曲为直"和"二分法"的思想调整改航路径,得到了最佳等待时长和改航路径。仿真结果表明,该算法得到的实时优化结果优于几何切线法;相比静态改航,更能提高空域利用率;相比单独考虑等待策略,总航行时长降低了17.04%;相比单独考虑改航策略,总航行时长降低了3.98%;验证了危险天气下航班等待时长与改航路径实时集成优化在实时空中交通流量管理中的有效性。     

基于改进灰狼优化算法的涡扇发动机性能/喷流噪声综合优化控制研究

为保证整个飞行过程中满足噪声适航标准和飞行器的安全性,需要按照最严苛的噪声要求进行发动机设计,并留有很大的安全裕度,因而导致发动机的性能潜力未能得到发挥。本文对传统灰狼算法进行了改进,提出自适应概率变异策略,在优化过程中调整狩猎模式,提升了算法的全局搜索能力;基于该算法开展涡扇发动机性能/喷流噪声综合寻优控制研究,根据不同飞行需求对航空发动机性能进行优化,获得最佳控制量,在满足安全性和噪声指标的同时,提高发动机的性能。仿真结果表明,改进后的算法具有更好的全局寻优性能,最大推力模式下可提升推力13.45%,最小油耗模式可降低油耗3.19%,最低涡轮前温度模式可降低涡轮前温度2.07%。     

基于动态扰动策略的人工搜索群算法

为了提高人工搜索群算法(ASSA)的整体性能,提出一种基于动态扰动策略的人工搜索群算法.为了增加算法的种群多样性,在算法初期,通过Tent映射的混沌策略产生初始种群.结合反向学习策略,算法在进化过程中对种群进行反向学习扰动,从而增加算法跳出局部最优解的可能性.算法采用动态步长的方式,在初期时能够扩大最优解的搜索范围,在...