基于RBF网络的质量矩导弹姿态控制

研究了三轴稳定质量矩导弹姿态控制问题.建立了内部带有3个可移动滑块的数学模型.利用RBF(radial basis function)网络的快速自学习、自适应特性, 作为被控对象的模型, 不断调整PID控制器的参数, 协调控制滑块位置, 从而改变导弹的飞行姿态.最后讨论了滑块运动特性对系统性能的影响并对系统稳定性进行了分析.仿真结果表明该控制律在保证系统稳定的情况下有效地实现导弹的姿态调整, 并且提高了系统的动态响应品质.      

基于应变测量的结构载荷分布反演方法

针对基于应变测量的载荷分布反演,首先对比分析现有几种影响系数法,并讨论影响载荷反演精度的几个关键问题。为解决单位载荷工况选取的难题,提出一种基于施密特正交化的最大垂直距离逐步筛选基工况法,从设计载荷工况库中筛选载荷基工况和应变基工况,建立一套完整的工程可行的载荷分布反演流程。为解决反向矩阵病态化的难题,引入Tikhonov正则化方法。以某型飞机机翼疲劳试验作动筒载荷和光纤传感器数据为算例,假设3种应变测量误差情况（无误差、5%随机误差、10%随机误差）,验证了提出的载荷分布反演方法具有很高的预测精度和鲁棒性,可为新一代航空航天器的结构健康监控提供一条可靠的载荷识别途径。     

基于POD-RBFN降阶模型的串列叶栅流场预测

通过传统实验或CFD 手段获取流场信息的方法往往需要耗费大量资源或时间,这在需要快速获取大量流场信息时产生的成本是无法接受的,发展比传统CFD 更快速的流场预测方法具有重要意义。采用本征正交分解（POD）方法对样本流场进行模态分解,提取流场的主导模态;而后采用径向基函数神经网络（RBFN）响应POD 基函数的系数,实现流场降阶预测模型的构建,并在模型中采用基于函数响应偏差的自适应抽样方法;通过某串列叶栅非定常流场数据对预测模型进行验证。结果表明：本文构建的POD-RBFN 混合模型可以快速准确地预测出串列叶栅的流场参数分布;与静态采样相比,本文采用的自适应采样方法在采样效率上表现出明显优势,同样重构精度所需的样本数降低了25% 左右。     

基于图像特征分类和RBF网络的两轴车辆动态称重技术

汽车在行驶过程中的总重信号通常由各轴重信号确定,各轴重信号的测试精度取决于对车辆运动参数和振动信号等的精确分析。本文采用径向基函数(Radial basis function,RBF)网络处理轴重信号,针对该网络的泛化能力与拟合精度的矛盾,将车辆按照重量分为大、中、小3种类型,并进行整车建模和网络训练;实际测试过程中,利用汽车俯视图像提取类型特征,然后根据汽车的类型将测试参数输入不同的神经网络进行处理,以静态测量结果为相对真值。仿真结果表明,分类建模比单一混合建模具有更高的测试精度。     

基于小生境遗传自适应RBFN的歼击机故障认定方法

在模式识别领域中,如何实现更高精度的分类一直是个核心问题。本文提出了将自适应RBF神经网络与小生境遗传算法相结合的方法,其中自适应RBF神经网络通过对样本判断,自动实现对RBF网络添加新的隐层节点或者将样本归于已存在的隐层节点所属的类;小生境遗传算法用于寻找最优的网络宽度值。两者相结合最后确定一个隐层节点数与类别数相同的俭省的网络。用歼击机故障数据进行仿真,比较结果表明此方法能实现更高精度的故障认定。     

漂浮基空间机器人捕获卫星过程动力学模拟及捕获后混合体运动的RBF神经网络控制

 讨论了漂浮基空间机器人在轨捕获目标卫星过程的碰撞动力学建模,以及捕获操作结束后空间机器人与卫星混合体的稳定控制问题。首先采用多刚体动力学建模方法并结合空间机器人捕获目标卫星过程中的碰撞动力学特性,建立了漂浮基空间机器人在轨捕获漂浮卫星过程的动力学模型,并在此基础上计算出完成捕获操作后空间机器人与目标卫星混合体关节的运动速度。然后针对卫星及空间机器人系统惯性参数均是未知的复杂情况,应用上述模型、神经网络控制理论和Lyapunov稳定性理论,设计了空间机器人与卫星混合体在捕获过程碰撞冲击影响下稳定运动的高斯径向基函数神经网络控制方案,以达到对捕获卫星的有效控制。此外,高斯径向基函数神经网络控制方案具有不需要测量和反馈载体位置、移动速度与加速度的显著优点。系统数值仿真证实了上述控制方案的有效性。     

基于响应面插值的非线性气动弹性计算

飞翼、大展弦比低雷诺数气动布局容易在小迎角的条件下出现气流分离,会带来明显的非线性气动力问题,同时气动弹性带来的影响亦不可忽略。针对此类布局提出一种建立基于径向基函数插值的非线性压力系数分布模型的方法,利用径向基函数插值建立面元上压力系数对迎角导数的响应面,将压力系数积分并通过无限板样条(IPS)方法进行气动结构多次迭代插值实现非线性气弹分析。结果验证了该方法对于静气动弹性分析的有效性,同时能准确地反映弹性带来气动效率的降低和变形对升力及阻力的影响。     

An efficient large-scale mesh deformation method based on MPI/OpenMP hybrid parallel radial basis function interpolation

An efficient MPI/OpenMP hybrid parallel Radial Basis Function (RBF) strategy for both continuous and discontinuous large-scale mesh deformation is proposed to reduce the computational cost and memory consumption. Unlike the conventional parallel methods in which all processors use the same surface displacement and implement the same operation, the present method employs different surface points sets and influence radius for each volume point movement, accompanied with efficient geometry searching strategy. The deformed surface points, also called Control Points (CPs), are stored in each processor. The displacement of spatial points is interpolated by using only 20–50 nearest control points, and the local influence radius is set to 5–20 times the maximum displacement of control points. To shorten the searching time for the nearest control point clouds, an Alternating Digital Tree (ADT) algorithm for 3D complex geometry is designed based on an iterative bisection technique. Besides, an MPI/OpenMP hybrid parallel approach is developed to reduce the memory cost in each High-Performance Computing (HPC) node for large-scale applications. Three 3D cases, including the ONERA-M6 wing and a commercial transport airplane standard model with up to 2.5 billion hybrid elements, are used to test the present mesh deformation method. The robustness and high parallel efficiency are demonstrated by a wing deflection case with a maximum bending angle of 45° and more than 80% parallel efficiency with 1024 MPI processors. In addition, the availability for both continuous and discontinuous surface deformation is verified by interpolating the projecting displacement with opposite directions surface points to the spatial points.     

Forecasting the geomagnetic activity of the Dst index using multiscale radial basis function networks

The Dst index is a key parameter which characterises the disturbance of the geomagnetic field in magnetic storms. Modelling of the Dst index is thus very important for the analysis of the geomagnetic field. A data-based modelling approach, aimed at obtaining efficient models from limited input–output observational data, provides a powerful tool for analysing and forecasting geomagnetic activities including the prediction of the Dst index. In this study, the process of the Dst index is treated to be a structure-unknown system, where the solar wind parameter (VBs) and the solar wind dynamic pressure (P) are the system inputs, and the Dst index is the system output. A novel multiscale RBF (MSRBF) network is introduced to represent such a two-input and single-output system, where the Dst index is related to the solar wind parameter and the dynamic pressure, via a hybrid network model consisting of two submodels: a linear part that reflects the linear relationship between the output and the inputs, and a nonlinear part that captures the effect of the interacting contribution of past observations of the inputs and the output, on the current output. The proposed MSRBF network can easily be converted into a linear-in-the-parameters form and the training of the linear network model can easily be implemented using a forward orthogonal regression (FOR) algorithm. One advantage of the new MSRBF network, compared with traditional single scale RBF networks, is that the new network is more flexible for describing complex nonlinear dynamical systems.     

复杂构型水滴收集率的拉格朗日计算方法

为了完善拉格朗日法在求解三维复杂外形液滴收集率的过程中存在的普适性缺陷,发展了一种鲁棒且高效的三维收集率计算方法。该方法中采用基于非平面交叉判定的粒子定向查找算法,实现了多面体网格下的水滴快速定位功能。基于笛卡儿网格自适应和壁面网格投影技术,克服了复杂迎风面收集率计算的困难。对比传统求解方式,具有算法复杂度低、计算效率高的优势。同时,利用径向基函数插值技术,改进了三维壁面收集率的表征方法。通过典型算例测试,计算结果与实验值误差均在15%以内,且在同等计算精度的条件下,计算所需的水滴轨迹数大幅减小。验证了该方法具备较高的准确性和良好的鲁棒性,能够为飞机结冰机理研究以及防除冰系统设计提供参考。