基于Nash-Pareto策略的两种改进算法及其应用

针对多目标、多设计变量的优化问题,提出了两种优化的新算法:一种是将多目标问题转化为单目标时,对目标权重的确定提出了新的途径;另一种是直接对多目标问题进行优化,并对Pareto遗传优化技术作了改进,以得到均匀分布的Pareto最优解集.两种新算法都是建立在Nash的系统分解与Pareto遗传算法的基础上,因此称这类算法为Nash-Pareto策略.借助于这类算法,文中以跨声速压气机双圆弧类叶型的气动优化为例,给出了气动优化的全过程.数值优化的实验表明所给出的改进算法是可行的、有效的.     

层板孔隙结构中两个任意尺寸半球形珠状发汗的蒸发与燃烧速率分析

针对微重力条件下层板孔隙结构中两个相邻任意尺寸半球形珠状发汗的蒸发与燃烧过程,建立了相应的数学物理模型;在双球坐标系中求解分子扩散传质偏微分方程,得到发汗液珠的分子扩散组分分布的解析解和扩散速率表达式;分析得到在常温、高温条件下蒸发以及燃烧状态下发汗液珠的相互作用因子式,计算了相互作用的发汗液珠在不同条件下的发汗蒸发量以及变化趋势.     

助推-滑翔式弹道中段的近似解

研究了助推-滑翔式弹道中段的近似解。首先根据不同假设条件,给出以下四种情况的近似解:(1)自由飞行段的解;(2)只考虑气动力常迎角飞行段的近似解;(3)考虑引力和气动力的合成解;(4)平衡滑翔解。再由上述近似解合成助推-滑翔弹道中段的分段近似解。通过与数值解的对比,验证了近似解的合理性。研究结果可为新型助推-滑翔式飞行器在方案论证阶段时的弹道特性分析以及射程、峰值热流和过载等特征参数的估算提供依据。     

基于FQFD的太阳能无人机设计指标排序方法

为解决太阳能无人机（UAV）总体设计中任务需求表达模糊、技术指标重要度排序决策困难的问题,提出了基于模糊质量功能展开（FQFD）的太阳能无人机总体设计指标排序方法。该方法在传统质量功能展开（QFD）质量屋的基础上,引入三角模糊数,表征任务需求的不确定性和模糊性;在模糊隶属度函数未知的情况下,采用α加权修正水平截集去模糊化方法计算技术指标重要度,获得技术指标重要度排序,为总体设计优化决策提供依据。最后以长航时太阳能无人机的总体设计为例,对任务需求—工程特性—技术指标的两级质量屋模型进行计算分析,得到续航能力、巡航高度、动力系统效率、巡航速度和气动效率是太阳能无人机最重要的5个技术指标的结果。此方法客观性较强,可处理复杂的系统不确定性,为太阳能无人机总体方案设计及决策应用提供参考依据。     

周向畸变进气下压气机动态失速特性研究

为研究周向畸变进气下压气机动态失速特性,在一大尺寸低转速压气机试验台上进行了均匀进气和180°周向畸变进气下压气机动态失速实验。采用时域观察、频域快速傅里叶变换以及时频域的同步压缩小波变换、基于同步压缩小波变换的空间模态分析和小波相干性分析等方法对动态失速信号进行分析。结果发现,畸变进气下,压气机旋转失速发生前出现0.225倍转子转动频率的一阶模态扰动,该扰动在相对畸变网不同位置区域周向传播速度不一致。宽带非定常扰动在畸变区尾缘附近最强,在畸变区前缘附近最弱,并存在周向尺度转化现象。转子转动频率扰动周向也出现强度变化,最大值出现在非畸变区中心附近的测点。周向畸变条件下集总系统模型对比实验结果的分析表明:实验和模型结果符合较好,旋转失速前非定常扰动周向强度和尺度变化主要受流量系数变化的影响,而一阶模态扰动周向传播速度不均匀现象是畸变进气下压气机系统特性作用的结果。     

基于混合有限元解析法的永磁同步电机永磁体电涡流损耗估计

永磁同步电机永磁体受限于热约束,无法在温度较高的环境下运行,故需减少永磁体上的电涡流损耗,从而降低永磁体上的温度。针对使用有限元法对永磁体电涡流损耗估算时间较长,以及使用解析法估算时难以达到与有限元法相同的精度,采用混合有限元解析法估算永磁体上的电涡流损耗。结合电涡流的反作用,在模拟电机旋转时,无需重复划分三角形区域;使用MATLAB软件仿真模拟,将混合有限元解析法与Galerkin有限元法对比,减少三角形区域划分的个数。由此验证了永磁体上电涡流损耗符合端部效应以及集肤效应的特征,在保证精度的同时,减少了仿真的时间。     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

毛坯海量点集与CAD数模的自适应快速精确配准方法研究

航空复杂锻铸件毛坯海量的扫描点集与CAD数模进行精确配准时,由于点集数量巨大数模面也较多,同时点集与数模面之间无任何关联关系,给配准算法带来了巨大的计算量,严重制约加工效率。为提高配准效率,提出一种快速精确配准毛坯点集与CAD数模的自适应方法,即利用配准面提取参与配准的数据点,建立点面之间的一一对应关系,通过对配准面进行分类并不断选取参与配准的特征面及相应的数据点加入配准,直至各面都很好地满足加工要求。最后利用实例验证了本算法的高效性和可靠性。     

长航时高精度惯导系统姿态阵的四种解算方法

高精度惯性导航系统是保证水下或水面运载体长时间安全航行及搭载的仪器设备正常工作的关键技术之一,姿态阵解算是其核心问题。通过分解姿态阵以及分别采用Euler角和四元数描述姿态参数,建立解算姿态阵的四种方法;分别对这四种方法中的姿态模型进行扰动,并研究相应线性化误差模型的精度及其影响因素;利用数值仿真法对四种姿态解算方法的结果及对应的线性化误差模型的精度进行了比较分析,结果表明:姿态阵解算分解法显著差别于整体法,采用Euler角或四元数描述姿态参数对姿态阵解算精度的影响不显著,分解法对应的线性化误差模型的精度优于整体法。     

自适应渐消Kalman滤波算法在RTK中的应用研究

在动态载波相位差分定位(RTK)中,由于观测环境复杂,会经常发生周跳、卫星信号失锁等情况,严重影响基线解算的连续性和可靠性。针对动态应用环境,提出了一种Kalman滤波算法在RTK技术中的应用方法。该方法可以实时估计模糊度浮点解及其协方差矩阵,在需要重新固定模糊度时可直接用于搜索,起到了周跳修复的作用。此外,采用了自适应渐消Kalman滤波算法提高算法的动态适应性,并引入独立的滑动窗进行新息的收集和处理,解决了由于参考星变化或卫星信号失锁造成观测量中断而无法准确计算新息协方差的难题。仿真结果表明,该算法能够在模糊度发生变化时快速收敛,并且相对于一般Kalman滤波算法在高动态下提高了模糊度浮点解的精度,提高了后续模糊度搜索的效率和固定成功率。