一种高升力系统卡位信号的算法设计

提出了一种高升力系统卡位信号的算法。用于将襟/缝翼控制手柄上的传感器信号转换成高升力系统计算机的命令卡位信号。本算法相较于传统的算法有两处改进,第一处是在手柄卡位信号的计算中增加了信号有效性的确认环节,可以避免当手柄短暂通过手柄卡位信号无效的区域时,产生无效的卡位信号,继而对后续的命令卡位信号计算造成影响。第二处是在命令卡位信号的计算中加入将两个计算机设为主-备关系,并进行表决计算的算法环节,避免了传统算法中由于信号传输延时导致不同通道间输出的命令卡位不一致,从而导致襟/缝翼半速运动的现象发生。本算法可以使最终输出的四个通道的命令卡位信号正确且一致,并已通过实验验证其鲁棒性较强,对民用飞机高升力系统设计有一定的指导作用。     

含连续／离散变量结构优化中的神经网络与变尺度模拟退火方法

传统的优化方法难于有效地处理含有连续／离散混合变量优化问题，本文介绍了一种改进的变尺度模拟退火方法并与人工神经网络能量函数模型相结合，用于求解含连续／离散设计变量的工程结构优化问题，较好地解决了模拟退火技术用于工程结构优化时选取具有全局性的初始点困难及迭代次数较多的弱点。算例表明，该方法可以使模拟退火算法从局部最优的陷阱中跳出，最后求出整体最优解。     

基于 Kriging与多点取样算法的压气机特性建模

针对航空燃气轮机流量系数插值建模过程中,获取样本数据时的实验成本较高以及插值模型精度偏低这 2个问题,根据样本点在设计空间中的分布与模型精度的关系,在 Kriging插值模型的基础上,采用把垂距作为设计变量取值标准的取样算法。首先,将样本点与相邻 2点之间连线的垂距与垂距阈值进行比较,筛选出符合条件的数据点,形成候选点集;其次,选用高斯函数判定基础点集和候选点集的相关性;最后,使用该算法筛选后的样本点构建 Kriging插值模型。实验结果表明,该方法使用的样本点为原来数量的 70%左右,并且预测精度得到了提高,该方法是有效可行的。     

基于波段选择的RX改进算法

针对高光谱检测亚像元飞机的问题,提出基于大气吸收谱段的改进RX异常检测算法,实现亚像元检测能力和检测效率的提升.阐述了改进算法的基本原理,对比了10 km高度和地面大气吸收系数的曲线差异,建立了改进算法的检测模型,采用仿真的客用飞机可见-短波高光谱数据和海水背景高光谱数据,获得了信噪比10 dB的高光谱仿真图像.采用经...     

基于CST方法的吸附式压气机叶型及抽吸方案耦合优化设计

为了探索吸附式叶型设计特点,研究了一种将类别形状函数变换法(CST)方法和人工蜂群算法相结合,利用2D程序作为流场求解器,对吸附式叶型和抽吸方案进行耦合优化设计的新型吸附式压气机叶型设计方法,并且详细论证了CST方法用于吸附式叶型优化设计的可行性。研究结果表明:耦合优化设计之后在保证叶型强度未下降的基础上总压损失降低了65%,气流转折角增加了3°,气动性能得到较大的提升。针对所优化的进口高亚声速的吸附式叶型,通过适当改变叶型前缘处的型面,可以较好地控制气流马赫数,避免产生激波,从而防止附面层厚度增加,降低叶型损失。     

一种鲁棒的概率核主成分分析模型

大数据时代面临的数据维数越来越高,对数据降维处理越发显得重要。经典的主成分分析模型已被证明是一种有效的数据降维方法。但它在处理非线性、存在噪声和异常点的数据时存在效果较差的问题。对此,文章提出了一种鲁棒概率核主成分分析模型。该模型将核方法与基于高斯隐变量模型的极大似然框架相结合,用多元 t分布作为先验分布,以同时解决主成分分析在这 3个方面的弊端。提出混合鲁棒概率核主成分分析模型,使其可直接用于对混合的非线性数据进行降维和聚类分析。在不同数据集上进行的实验结果表明,与标准的混合概率核主成分分析模型相比,文中模型在数据聚类方面有更高的准确率。     

联合应用现代优化方法与S2流面计算进行多级涡轮的气动设计

本文联合应用S2流面正问题计算和多级局部优化设计对某三级涡轮进行多级气动优化设计。优化联合采用人工神经网络和遗传算法,流场计算采用全三维粘性流N-S方程求解,计算网格采用H-O-H型网格,即入口段、出口段采用H型网格,叶片区域采用O型网格。通过优化,总效率提高1.1%,总体性能提高,达到设计要求。     

一种基于小波技术的GPS/SINS组合导航技术及试验

GPS／SINS的组合被认为是比较理想的导航系统,是目前导航技术发展的主要方向。为了进一步提高GPS／SINS组合导航系统的精度,文章在介绍了小波去噪原理的基础上,提出了一种基于小波技术的GPS／SINS组合导航系统新方法,并通过实际的静态试验给予验证。试验结果表明,采用该方法以后,组合导航系统的各项导航参数精度得到了非常明显的提高。     

舵面结构参数化建模方法及气动弹性应用

以典型舵面为对象研究适用于飞行器部件的结构参数化建模方法及应用。首先,提出一种基于有限元方法,及映射变换法则的,由二维网格参数化剖分向三维外形展开的,参数化描述思路,通过Matlab编程实现其流程算法;然后,将舵面参数化建模,与结构动力学及颤振分析相结合,分别将结构模型、气动网格和插值结点做参数化描述,进而实现舵面颤振分析模型的参数化;最终,将参数化建模方法,与遗传算法优化流程相结合,实现舵面外形及结构参数的优化设计。以某全动尾翼模型为例,应用文中方法极大提高了结构建模效率;与遗传算法相结合,在满足约束条件的前提下,实现了该舵面初始方案47%的结构减重效果。研究成果可为概念设计阶段的舵面设计提供指导。     

改进BP算法在模糊神经网络中的应用

引入一种改进的BP算法——动量因子-自适应学习率算法.通过调节动量因子以及在学习过程中的学习率实现自适应,以提高学习速率和增强学习的平稳性.将该学习算法引入到串形结构的多层前向模糊神经网络中,通过学习确定了模糊映射关系,实现了对象的模糊故障诊断.在应用模糊神经网络进行故障诊断时,被监测的故障征兆信号与网络输入层相连,即将输入向量输入到网络中,经过模糊化处理,得到各故障征兆在所定义征兆的模糊子集上的隶属度向量,再利用神经网络的前向计算,得到故障原因的模糊隶属度向量,最后通过对向量的分析确定故障原因的类型.将上述模糊神经网络应用到空气静压轴承中,实现了设备的故障诊断,测试结果验证了该方法的有效性.