基于并行遗传算法压气机叶片自动优化设计

结合小生境法与算子自适应法对基本遗传算法进行改进,采用WinSock接口、多线程、CS体系结构,实现并行遗传算法.将并行遗传算法与NS方程流场计算方法、Hicks-Henne函数叶型参数化方法结合构成叶型自动优化设计软件,软件可用于叶型设计和对已有叶型的改进.在构造目标函数时,根据工作攻角范围,构造了考虑非设计点性能的目标函数.分别对进口马赫数为0.5和0.9左右的叶栅采用三台计算机进行并行气动优化设计,优化叶型设计点和非设点性能都明显好于原始叶型.     

基于遗传算法的某型涡扇发动机数字PID控制器设计

在基于DSP平台的某型航空涡扇发动机综合电子调节器的数字化研究中,提出了一种改进遗传算法,并将其应用于数字PID控制器的参数整定过程中.仿真结果表明,该改进遗传算法相比于基本遗传算法及常规PID参数整定方法,控制器动态性能更为优越,可调整性更强.     

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.     

调频连续波SAR改进的频率尺度变换算法(英文)

本文提出了一种调频连续波SAR改进的频率尺度变换算法。调频连续波SAR在运动过程中持续不断地发射和接收信号,这种运动导致了回波信号的伸缩,对波前重建产生了严重的影响。推导了回波信号模型,给出了信号的距离-多普勒域表达式,分析了由于天线不断运动而导致的相位变化与方位向频率之间的关系。改进的频率尺度变换算法补偿了这种相位变化,实现了目标的精确成像,仿真结果表明了分析的正确性和算法的有效性。     

联合应用现代优化方法与S2流面计算进行多级涡轮的气动设计

本文联合应用S2流面正问题计算和多级局部优化设计对某三级涡轮进行多级气动优化设计。优化联合采用人工神经网络和遗传算法,流场计算采用全三维粘性流N-S方程求解,计算网格采用H-O-H型网格,即入口段、出口段采用H型网格,叶片区域采用O型网格。通过优化,总效率提高1.1%,总体性能提高,达到设计要求。     

基于知识库的路径规划辅助系统研究

为降低飞机驾驶员在路径规划任务中的工作负荷,提出了基于知识库的路径规划辅助系统结构。采用基于网格的启发式A*搜索技术完成路径规划任务。利用知识库中的规则进行推理,调节启发函数的加权因子,提高求解最优性,并调节规划网格大小,获得最佳求解速度和精度。知识库中的知识规则根据具体条件的累积和计算,在训练及使用中不断得以补充,减少不确定因素对驾驶员的影响。通过系统仿真验证,表明了该方案和算法的有效性。     

基于感测线圈和KPCA的电机轴承故障检测

在电机定子中嵌入感测线圈并结合核主元分析(KPCA)进行电机轴承的故障检测。8只线圈分别嵌入电机定子的前端和后端,通过分时复用形成6组反应电机状态的差动信号。针对6组感测信号与电机状态间的非线性特征,采用KPCA进行多变量分析。着重介绍分析了KPCA故障检测的算法、监测指标和步骤。最后,用机车变压器油泵电机为对象开展了试验研究,验证了所提电机轴承故障监测方法的有效性和正确性。     

MRF模型去雾算法在机场场面监视中的应用

面对日益严峻的雾霾天气对民航业的影响,在雾霾天气下的机场场面监视方面,文章提出了一种基于MRF模型的去雾霾算法,并利用CNC去雾霾效果评价体系与Retinex、He等传统去雾霾算法的去雾效果进行了对比,可以看出,MRF模型去雾霾算法对场面监视的雾霾图像具有较好的效果性和鲁棒性。     

高速开关阀控电液位置伺服系统自适应鲁棒控制

为研究高精度的液压缸位置跟踪控制问题,设计了高速开关阀和换向阀组合控制液压缸的结构方案,并通过实验分析了高速开关阀的静态流量特性。建立了液压缸的连续可微摩擦模型,利用粒子群优化算法对其参数进行辨识。建立了系统的非线性数学模型,基于非连续参数映射和反步法设计了直接自适应鲁棒控制器,通过参数在线自适应调节来更新估计值和鲁棒反馈项支配参数不确定性,实验结果表明:在跟踪幅值为5mm,频率为0.4Hz的正弦信号时,最后一个周期的最大跟踪误差、平均跟踪误差及其标准差分别为0.638、0.25mm和0.405mm,与传统PID控制器相比,控制精度显著提升,旨在为实现高精度的数字阀控位置伺服技术提供有价值的参考。      

基于DBN的不均衡样本驱动民航发动机故障诊断

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。