考虑小裂纹特性的裂纹扩展数值分析方法及实验验证

为了对工程断裂关键件进行全面的损伤容限分析,需要发展一种能够考虑小裂纹阶段的疲劳裂纹扩展数值分析方法。在Paris公式的基础上基于镍基粉末高温合金小裂纹扩展行为特点,提出了一种小裂纹加长裂纹阶段的裂纹扩展物理力学过程描述,并以此建立了裂纹扩展速率模型。同时考虑到工程应用,将该模型通过FRANC3D软件的用户子程序,与有限元方法结合,构建了一种可分析实际工程结构例如航空发动机涡轮盘上疲劳裂纹扩展的数值分析方法。针对带初始缺陷的FGH96合金标准试棒进行了裂纹扩展数值分析,并与开展的裂纹扩展寿命实验进行了对比。数值计算结果与实验结果吻合较好,表明该方法能够充分考虑小裂纹阶段的裂纹扩展行为特点,适用于分析工程结构疲劳裂纹扩展的全过程。     

基于增量式孤立森林的液体火箭发动机异常检测方法

为解决液体火箭发动机故障标签缺失条件下流数据无监督检测问题,以及满足不同发动机台次和不同工况的自适应检测需求,基于增量学习思想,提出了基于增量式孤立森林的异常检测算法。设计了多工况流数据检测条件下的在线更新策略、异常分数表达式,并通过更新停止策略避免故障数据对模型的污染。利用多台次试车数据对该模型进行验证,并与传统方法进行比较,结果表明,该算法能够对样本异常程度进行量化评价,能够有效检测早期缓变故障,其F₁指标较原始孤立森林算法提高了43%,检测及时性优于红线算法和自适应阈值算法。     

一种小阻值电阻测量装置的研究与设计

介绍了一种小阻值电阻测量装置,概述了总体方案设计及关键技术,进行了重要功能设计的介绍和原理上的分析,说明了软件的设计思路和上位机软件功能,最后给出了试验验证及结果。通过测试验证,可以看出这种小阻值电阻测量装置完全满足测试要求,且具有很好的便携性,很好地弥补了现有设备的不足。     

基于多目标优化与强化学习的空战机动决策

为了解决无人机自主空战中的机动决策问题,提出了一种将优化思想与机器学习相结合的机动决策模型。采用多目标优化方法作为决策模型核心,既解决了传统优化方法需要为多个优化目标设置权重的困难,又提高了决策模型的可拓展性;同时在多目标优化的基础上通过强化学习方法训练评价网络进行辅助决策,解决了决策模型在对抗时博弈性不足的缺点。为了测试决策模型的性能,以近距空战为背景,设计了3组仿真实验分别验证多目标优化方法的可行性、辅助决策网络的有效性以及决策模型的总体性能,仿真结果表明,决策模型可以对有机动的敌机进行有效的实时机动对抗。      

基于结构化特征的遥感影像道路智能提取方法

遥感影像道路提取是空基平台对地智能理解的重要内容.利用道路网络特有的结构特点,从道路网络结构相似性损失函数和结构化特征算子两个方面,提出了一种结构化特征表示的道路提取方法.首先,针对遥感图像中道路目标占比较小的特点,设计了深度较浅、分辨率较高的编解码网络结构;其次,引入道路网络的结构相似性(SSIM)损失,并提出一种道...     

基于分布式深度学习的多星计算卸载策略

在边缘计算增强的低轨卫星网络场景下,低轨卫星集群协同处理地面任务能有效降低用户响应时延。对卫星集群的联合卸载决策和资源分配优化问题进行研究,将其描述为一个混合整数规划问题,并采用了一种基于分布式深度学习算法的卫星边缘计算卸载算法（deep learning based offloading algorithm,DLOA）。该算法使用多个并行DNN用于生成卸载决策并采用经验回放存储新生成的卸载决策,当采用隐藏层结构不同的DNN,收敛速度比同构DNN提升18%,收敛值与最优值的比值基本为1,可以认为已收敛至最优。此外,探讨了DNN的数量对所使用的算法的影响,仿真结果表明采用少量DNN就可以获得近优的收敛效果。通过对不同任务规模下采用不同算法的任务完成率进行研究,结果表明DLOA算法可通过采用异构DNN和优化资源分配方案显著提升完成率,其较单星运算方案任务完成率提升1倍,较二进制粒子群算法方案提升20%。     

航空发动机模型参考模糊自学习控制

模型参考模糊自学习控制方法利用一个参考模型作为被控对象的输出性能要求，并且根据参考模型的输出和实际对象的输出间的误差，经过一个逆模糊模型学习产生模糊控制系统的控制规则。本文基于该方法离线构造了某型发动机的模糊控制器，并在发动机的其它状态及飞行包线的其它点进行在线学习校正，以得到期望的性能。仿真结果表明用该方法设计的模糊控制系统获得了满意的控制效果。     

一种基于遗传算法的机器人补偿学习控制方法

机器人建模的不精确性以及一些扰动的存在给机器人控制增加了相当大的难度。针时这一问题，本文以PUMA560机器人为被控对象，给出了一种PUMA560机器人动力学模型的简化形式，采用PD控制的计算力矩法，得到了机器人的闭环动态误差方程，在此基础上设计了机器人的控制器结构，提出了一种新的基于遗传算法(Genetic algorithm，GA)的机器人补偿学习控制方法。将GA与计算力矩法相结合，利用进化学习来消除机器人中不确定因素的影响，实现时机器人轨迹跟踪的良好控制。最后给出了这种控制的仿真结果，验证了该方法的有效性。     

神经元最优状态反馈控制及其在登月问题中的应用研究

以非线性系统自学习最优控制算法为基础，提出了一种基于人工神经元网络的非线性状态反馈最优控制策略，使非线性不确定性的被控系统能通过自学习实现某种最优的非线性反馈控制，本文对该控制策略在登月软着陆问题中应用进行仿真研究，验证了该控制策略的可行性和有效性。     

FL-7风洞M数的模糊控制方法

FL 7风洞是以三台航空发动机为动力的跨音速风洞 ,通过调节发动机转速、柔壁及旁路活门开度来实现对M数的控制。影响M数的因素较多 ,很难建立精确的数学模型 ,为了提高M数控制速度和精度 ,在新改造的FL 7风洞测控系统中 ,采用了模糊控制、自学习等控制策略 ,取得了良好的效果。笔者对控制方法和控制规则作了介绍。