定日镜表面风压的重构与预测

在利用风洞试验研究结构表面风压时,测点数量往往不能满足结构计算要求,为了得到未布置测点处的风压时程,需要进行插值预测。文章结合风洞试验同步采集到的风压时程数据,利用本征正交分解(POD)技术分析了定日镜表面风场分布特点;根据风压相关系数矩阵经POD分解后成为时间主坐标与空间本征向量这一特点,编制了Matlab程序,实现其与Surfer软件接口,选取距离反比法、三角形线性插值法和克里金法(Kriging)等不同插值方法对本征向量进行空间插值;研究了参与模态阶数对重构风压序列精度的影响,并计算了预测点风压时间序列。结果表明:随着参与重构的模态数量增加,重构与测量风压序列逐渐接近;在三种插值预测方法中三角形线性插值法和克里金法预测效果优于距离反比法。     

基于ESN的航空发动机状态组合预测方法

基于回声状态网络(ESN)预测模型,结合小波分析和主元分析,提出一种组合预测方法.首先对含噪非线性时间序列进行小波降噪,并重构时间序列产生训练样本,再将训练样本通过主元分析进行降维处理,降维后的时间序列数据则输入ESN模型进行预测分析.对控制飞机动力输出的动压参数非线性时间序列数据进行了仿真对比实验,结果表明:组合预测方法的5步和单步预测速度累计提高了66.97%,预测的平均平方误差、标准均方根误差和归一化绝对误差也均有较大提高.该方法与传统基于ESN的预测模型相比,能有效地提高预测的效率和精度,是一种有效的非线性时间序列预测方法.      

考虑应力梯度的缺口疲劳寿命预测方法

基于试样缺口根部区域应力分布规律,综合考虑了平均应力、应力梯度及尺寸效应的影响,发展了一种考虑梯度影响的缺口疲劳寿命预测方法.以TC4合金材料含两种形式缺口的试样为例,计算得到了缺口应力梯度影响因子和尺寸效应影响因子,并进行了疲劳寿命预测.寿命预测结果表明:引入缺口局部平均应力、应力梯度影响因子和尺寸效应影响因子可以较为全面地考虑缺口对试样疲劳寿命的影响,基于所发展的缺口疲劳寿命预测方法给出的TC4合金缺口试样疲劳寿命预测结果在2倍分散带以内.      

GH4169磨削表面粗糙度影响参数的敏感性研究

通过GH4169高温合金平面切入磨削实验,建立了表面粗糙度的经验公式,分析了表面粗糙度对磨削参数的灵敏度,获得了磨削参数稳定域和非稳定域。结合正交试验法中的极差分析方法获得了不同磨削参数对表面粗糙度的影响曲线,进行了磨削参数区间的优选。研究结果表明:表面粗糙度对磨削深度的变化最为敏感,对工件速度的变化敏感次之,对砂轮速度的变化最不敏感;磨削深度优选范围为0.01～0.015mm,工件速度优选范围为10～15m/min,砂轮速度优选范围为20～30m/s,可控制表面粗糙度在0.7μm以内。为高温合金材料磨削表面粗糙度控制提供理论方法和试验依据。     

基于支持向量机的发动机性能衰退指标分类和预测

基于支持向量机几何距离建立表征发动机性能衰退程度的指标,并基于相空间重构理论对该指标进行多步预测,表明回归支持向量机结果优于神经网络预测结果。利用主元分析、核主元分析方法对发动机性能特征量约简并提取其主元,得到核主元分析的分类效果更好。利用交叉验证的方法优化分类支持向量机和核函数中相关参数,给出发动机性能衰退指标曲线。通过建立统计量的方法分析发动机性能变化,确定性能变化关键点。所得结论对做好发动机维护保养工作,延长发动机使用寿命具有一定的指导意义。     

多目标组合运输物流量预测建模算法

提出了一种新的多目标组合运输物流量预测建模算法.以时间、领域、影响以及组合运输为基准,运用系统工程理论思想设计出一种四维的物流量影响因素模型,并运用结构方程模型对所建模型做了优化,提取出组合运输物流量的核心影响因素.在改进的神经网络算法的基础上结合遗传算法,提出了一种结合遗传算法的改进的神经网络新算法,弥补了改进的神经网络算法上的缺陷,在多目标组合运输物流量预测的实例应用中,该算法不仅有很高的预测精度,而且具有收敛速度快、运行稳定的特点.      

某无人机气动估算与风洞试验

基于气动估算和风洞试验相结合的方法,研究某型无人机的气动特性.通过不同V形尾翼纵向力矩对比试验,发现尾翼上反角对纵向力矩特性影响较大,并分析了纵向力矩曲线上翘的原因.进行飞机部件及全机气动性能对比试验,给出V形尾翼无人机气动估算方法,找出计算与试验结果产生差别的原因,通过调整尾翼安装角,优化了无人机的气动特性.同时风洞试验也证明所采用的气动估算方法是可信的,可用于此类布局无人机的气动计算.     

基于神经网络的带肋回转通道换热性能的预测

在对带有不同肋间距和肋高的直肋变截面U型通道的换热性能进行了实验研究的基础上,分单元处理了数据,并采用经过LM(Levenberg-Marquardt)算法和贝叶斯正则化方法改进的基于BP(Back-Propagation)算法的前馈神经网络对数据结果进行了建模,实现了对带直肋的变截面U型通道换热性能的预测,实践证明,人工神经网络ANN(Artificial Neural Network)方法可以用于航空发动机涡轮叶片内通道换热性能的预测,并且其预测精度明显高于非线性拟合.     

监测位移预报的非等间距相关系数平稳序列法

建立了监测位移时间序列分析、建模和预报的非等间距相关系数平稳序列法.采用随机过程理论导出了模型的整体极大似然估计,在保证参数估计量优良统计特性的同时,克服了现行组合模型方法难以处理非等间距监测位移序列的问题.通过数字模拟仿真技术解释了传统插值处理产生较大误差的原因.计算实例表明该方法具有较高的建模和预报精度.      

Accurate orbit predictions for debris orbit manoeuvre using ground-based lasers

Orbit manoeuvre of low Earth orbiting (LEO) debris using ground-based lasers has been proposed as a cost-effective means to avoid debris collisions. This requires the orbit of the debris object to be determined and predicted accurately so that the laser beam can be locked on the debris without the loss of valuable laser operation time. This paper presents the method and results of a short-term accurate LEO (<900 km in altitude) debris orbit prediction study using sparse laser ranging data collected by the EOS Space Debris Tracking System (SDTS). A main development is the estimation of the ballistic coefficients of the LEO objects from their archived long-term two line elements (TLE). When an object is laser tracked for two passes over about 24 h, orbit prediction (OP) accuracy of 10–20 arc seconds for the next 24–48 h can be achieved – the accuracy required for laser debris manoeuvre. The improvements in debris OP accuracy are significant in other applications such as debris conjunction analyses and the realisation of daytime debris laser tracking.