智能赋能流体力学展望

人工智能（AI）是21世纪的前沿科技,流体力学如何在智能化时代焕发青春是值得本领域研究者思考的话题。从智能赋能流体力学角度,就其研究内涵、研究内容、近期研究及难点进行了总结,并对智能流体力学未来的发展进行了展望。研究指出,流体力学计算或试验中所产生的数据是天生的大数据,如何通过深度神经网络、随机森林、强化学习等机器学习方法来利用这些数据,缓解甚至替代理论和方法层面对人脑的依赖,挖掘新的知识,成为一种新的研究范式;相关研究将涵盖流动控制方程的机器学习、湍流模型的机器学习、物理量纲分析与标度的智能化以及数值模拟方法的智能化;借助人工智能技术,发展流动信息特征提取与多源数据融合的智能化是流体力学发展的迫切需求;研究内容应至少涵盖海量数据挖掘方法以及多源气动数据的智能融合;发展数据驱动的流体力学多学科、多物理场耦合建模与控制是工程应用的迫切需求,相关工作涉及多场耦合建模、气动外形智能优化设计以及流动智能自适应控制等方面。     

GA-BP神经网络在航空发动机状态监测中的应用研究

针对航空发动机状态监测问题,引入人工神经网络为发动机复杂非线性系统建立精确模型;选择以GA-BP贝叶斯算法作为神经网络训练算法,建立优化设计近似模型;以发动机排气温度的预测为例,构建了一个GA-BP神经网络对航空发动机状态进行预测。结果表明,GA-BP神经网络收敛速度快,泛化能力强,优于标准BP神经网络,因而为航空发动机状态监测提供了一种有效的方法。     

未知时延系统的全局优化辅助变量辨识

对于未知时延系统,借助分离性原理,推导出迭代的可分离的非线性最小二乘（SNLS）辨识方法。为了降低收敛于局部最小的可能性,消除强观测噪声所引起的参数估计的偏差,利用全局优化理论,引进辅助变量,推导了全局优化的辅助变量（GOIV）辨识方法。仿真试验验证了算法的有效性。     

基于时频原子方法的雷达辐射源个体识别

针对雷达辐射源个体识别问题,提出一种时频原子分解的特征提取方法.该方法针对主振放大式发射机,首先根据锁相环频率合成器相位噪声的功率谱,模拟含有特定相位噪声的辐射源信号.然后基于时频原子分解原理并采用膜算法将带有相位噪声的辐射源信号在正弦原子库中进行一次分解.最后利用分解后的原子提取出正弦原子能量特征和原子频率偏差特征,...     

Accurate 3D Target Positioning in Close Range Photogrammetry with Implicit Image Correction

Accurate three-dimensional (3D) target positioning is of great importance in many industrial applications. Although various methods for reconstructing 3D information from a set of images have been available in the literature, few of them pay enough attention to the indispensable procedures, such as target extraction from images and image correction having strong influences upon the 3D positioning accuracy. This article puts forward a high-precision ellipse center (target point) extraction method and a new image correction approach which has been integrated into the 3D reconstruction pipeline with a concise implicit model to accurately compensates for the image distortion. The methods are applied to a copyright-reserved close range photogrammetric system. Real measuring experiments and industrial applications have evidenced the proposed methods, which can significantly improve the 3D positioning accuracy.     

基于气动参数之间关系的桥梁断面气动导纳识别

气动导纳的准确估计对大跨桥梁抖振分析具有重要意义.目前在识别方法、试验技术等方面均有诸多进展,但尚未建立识别全部气动导纳函数的方法.针对这一问题,基于气动导数与气动导纳之间的关系,结合根据紊流风场中的抖振响应同时识别桥梁结构气动导数和气动导纳这一思路,首先采用随机子空间法识别得到紊流风场中桥梁结构的气动导数,然后利用气动导数与气动导纳之间的近似关系获取与竖向脉动风分量对应的气动导纳函数,最后根据抖振力谱和脉动风速谱来确定与水平向脉动风分量对应的气动导纳函数.实例研究表明,本文方法对流线型断面气动导纳的识别是可行的.     

基于潜在成分的时变系统损伤的概率神经网络分类

提出了一种新的时变系统健康监控的损伤分类方法。将函数级数时变自回归平滑时序模型应用于时变系统的振动信号,以估计TAR／TMA参数和革新方差。这些参数是时间的函数,将它们在以特定的基函数构成的某种函数子空间上展开得到相应的投影系数组。所估计得到的TAR／TMA参数和革新方差可进一步用来计算潜在成分（LCs）,将LCs用于健康评估比原来的参数更具信息。并将LCs联合并归化为数值得到特征集,输入概率神经网络（PNN）进行损伤分类。为了评价该方法,对一个时变系统进行了仿真,以各种不同的质量和刚度减少来模拟不同的损伤类别。算例表明：该方法能够在时变系统的背景下对损伤进行归类。     

扰动测量环境中基于图像序列的模态参数识别

针对结构模态参数识别,提出了一种基于二维连续图像序列的识别方法.该方法以CCD相机采集的图像序列为基础,在待识别结构上选取一定数量的特征点,运用因子分解法将结构运动参数和外形信息分离开,得到各特征点的运动轨迹,通过实施特征系统实现算法(ERA,Eigen-system Realization Algorithm)识别出结构的模态参数.特别是当测量仪器,即CCD相机受到扰动时,能够从图像序列中分离扰动,得到结构自身的运动参数,保证较好的识别效果.以相机受扰动时,悬臂梁模型为例进行了仿真分析.将识别出的悬臂梁前5阶频率与ANSYS计算结果进行对比,结果吻合很好,对于工程中利用光学图像识别结构动态特性具有较高的参考价值.     

DS/FH混合扩频快速捕获技术的研究

在DSFFH混合扩频通信系统中,快速捕获是一个非常关键的技术。通过采用快速扫描和等待式相结合的方法用来实现跳频信号的快速捕获,利用神经网络技术实现直扩信号的快速捕获,通过这2种方式,就可实现DSFFH混合扩频的快速捕获。     

用于识别两颗故障卫星的RAIM算法

提出了一种可以识别两颗故障卫星的接收机自主完好性监测算法.将最优奇偶矢量法应用于两颗故障卫星识别,指出由于故障偏差可能会抵消而使得正确识别率较低.对最优奇偶矢量法进行了改进,利用对单颗卫星故障敏感的最优奇偶矢量对所有可能的两颗故障卫星组合分别构造两个新的奇偶矢量,用于两颗故障卫星的检测和识别.计算机仿真结果显示,改进后的算法与直接利用最优奇偶矢量法相比,可以显著提高两颗故障卫星正确识别率,识别率可超过90%.同时,改进算法的奇偶矢量构造方法简单,计算量将减少90%以上,更有利于工程实现.