机器学习在湍流模型构建中的应用进展

借助于高性能计算机和数据共享平台的发展,研究者可以获取大量的高分辨率湍流计算数据。近年来,随着深度神经网络等人工智能技术的发展,数据驱动的机器学习方法也开始应用于湍流模型中不确定度的量化以及模型的改进和构建中。湍流大数据与人工智能相结合是湍流研究的一个新领域。研究者在取得一定成果的同时也面临着诸多困难和挑战,例如模型的泛化能力和鲁棒性等。模型构建过程包含了数据处理、特征选择以及模型框架的选取与优化等诸多方面,这些方面在不同程度上影响模型的性能。本文从机器学习在湍流建模过程中的实现方法和模型的不同作用两方面分析总结了目前主要的研究工作进展,并对这类问题面临的挑战和未来的研究展望进行了阐述。     

基于深度学习的非定常周期性流动预测方法

为了克服传统CFD计算需要耗费大量的计算时间与成本的缺陷,提出了一种基于深度学习的非定常周期性流场的预测框架,可以实时生成给定状态的高可信度的流场结果。将条件生成对抗网络与卷积神经网络相结合,改进条件生成对抗网络对生成样本的约束方法,建立了基于深度学习策略采用改进的回归生成对抗网络模型,并与常规的条件生成对抗网络模型的预测结果进行对比。研究表明,基于改进的回归生成对抗网络的深度学习策略能准确预测出指定时刻的流场变量,且总时长比CFD数值模拟减少至少1个量级。     

基于弹道逃逸和小推力捕获的地月转移轨道设计

针对地月空间货运任务和环月轨道空间设施建设任务,提出一种弹道逃逸和小推力捕获相结合的新型地月轨道转移模式,并建立了一整套该类型轨道设计方法。首先,在三体模型假设下分别建立地心弹道逃逸轨道和月心小推力捕获轨道的二维极坐标动力学模型。对于弹道逃逸轨道,将地心旋转系对准角和地月转移加速速度增量作为控制变量,提出初值估计解析公式,并应用序列二次规划算法进行快速求解。对于小推力捕获轨道,以月心距为参考量设置与弹道逃逸轨道的拼接点约束,提出能量匹配方法预估飞行时间,采用最优螺旋轨道的初始伴随状态解析式预估近月点伴随变量初值。基于混合法和轨道逆推思想,采用人工免疫算法进行小推力捕获轨道求解。仿真结果表明,基于弹道逃逸和小推力捕获的地月轨道转移方式大幅降低了近月制动燃料消耗,能快速穿越地球辐射带,且飞行时间适中;同时,提出的轨道设计方法能快速搜索到基于弹道逃逸和小推力捕获的地月转移轨道,验证了该方法的有效性。     

基于预处理BP神经网络的开关磁阻电机建模

针对开关磁阻电机(SRM)强耦合、强非线性、难以精确解析建模的问题,提出一种基于数据预处理的反向传播(BP)神经网络建模方法。首先通过传统直流脉冲法测量一个电周期内SRM静态电磁特性,获取建模样本数据;其次充分利用电机先验知识,通过可以初步反映SRM非线性特性的磁链和转矩解析表达式对实测样本数据进行预处理并作为BP神经网络新的输入,降低神经网络拟合误差。与传统BP神经网络建模的对比结果显示,引入预处理方法可以有效减少BP神经网络节点数量,增强神经网络泛化能力,提高神经网络建模精度。     

考虑非关键负载变动的电力弹簧自适应稳压控制策略

分布式电源在微电网中渗透率越来越高,其间歇性对系统电压稳定性的影响不容忽视。电力弹簧(ES)作为一种新型电压控制装置,能有效抑制关键负载(CL)两端的电压波动。为了减小负载变化对ES调压能力的影响,提出一种考虑非关键负载(NCL)变动的电力弹簧自适应控制策略。介绍了ES的拓扑结构及限制运行条件的理论基础;根据αβ坐标系变化的方法检测母线电压暂降,确定是否将ES投入系统;参考电压计算模块计算出需要提供的补偿电压后,与实际值的误差输入到PI控制器中,经人工鱼群算法(AFSA)动态调整PI控制参数,在保证CL电压稳定基础上缓解NCL变化对ES调压能力的影响。仿真结果表明:所提控制策略能够在保证CL电压稳定基础上有效缓解不同工况下负载变化造成的电压不稳定问题。     

利用神经网络的海杂波幅度分布参数估计方法

海杂波是制约对海雷达探测性能的主要因素之一,掌握其特性,具有十分重要的意义。经典海杂波统计模型在参数估计方法上以传统统计学理论为基础,在样本数较少的情况下,估计结果往往较差,导致建模准确度下降。此外,在复杂非均匀探测背景下,难以实现海杂波模型参数的准确实时估计。针对该问题,文章将深度神经网络模型引入海杂波参数估计领域,通过构建合理的模型,使其具备海杂波幅度分布模型的高精度参数估计能力。该方法采用直方图统计的方法进行数据预处理,合理划分输入数据标签的分组区间,构建数据集训练神经网络,并利用测试数据得到神经网络估计结果。仿真数据和X波段IPIX雷达实测数据验证结果表明,与传统数理统计估计方法相比,该算法明显提升了海杂波统计模型参数估计精度。     

沟槽型面减阻特性数值模拟研究

基于人工压缩性方法,时间项采用隐式离散、对流项采用基于Roe近似Riemann解的迎风格式,研究了三维不可压粘性流动的数值模拟方法,湍流模型采用Baldwin-Barth一方程模型,利用所发展的不可压粘性流数值模拟方法,对典型几类V型、间隔三角型和U型沟槽型面的不可压粘性流场进行了数值模拟计算研究,探索了上述几类沟槽型面参数对湍流减阻特性的影响规律,从表面摩阻、速度场等方面分析了上述几类沟槽型面的减阻作用机理。研究结果表明：上述典型沟槽的减阻效果可以分别达到7．6％,10．5％和5．0％,与国内外相关实验结果符合一致,所发展的计算方法是成功的、可行的。     

基于小波过程神经网络的飞机发动机状态监视

 针对飞机发动机状态监视问题，提出了小波过程神经网络模型。其隐层和输出层为过程神经元，隐层激活函采用小波函数。该模型结合了过程神经网络可以处理连续输入信号的特点及小波变换良好的时频局域化性质，有更强的学习能力和更高的预测精度。文中给出了相应的学习算法，并以飞机发动机状态监视中排气温度裕度的预测为例，分别利用3层前向过程神经网络和小波过程神经网络进行预测。结果表明，小波过程神经网络结构更简单，收敛速度更快，优于过程神经网络，因而为飞机发动机状态监视提供了一种有效的方法。     

神经网络数据融合机动目标跟踪算法

利用神经网络方法解决雷达/红外双模制导中的数据融合问题.红外数据经过异步数据融合处理与经过卡尔曼滤波处理后的雷达数据同步,共同作为神经网络的输入,神经网络作为同步融合中心,输出为目标的最优融合估计.研究结果表明这种方法可以在融合中心不知道协方差信息的情况下进行数据融合.     

基于HLA的网络接口单元研究与实现

为了研究如何将已有的基于DIS(Distributed Interactive Simulation)标准的分布交互仿真系统移植到HLA(High Level Architecture)体系结构下以及研究基于HLA的仿真系统的开发,以分布式虚拟战场环境中的兰方分系统为研究背景,介绍了采用网络接口单元NIU(Network Inter Unit)技术将兰方分系统基于HLA标准与其它分系统的互联.介绍了兰方分系统的结构以及NIU的功能,描述了基于HLA体系结构的应用程序开发,主要是NIU的开发和实现.这种方法已经在虚拟战场环境中得到应用,效果良好.