纯模态试验中的作动器/传感器优化配置

基于有效独立法,研究了逐步消减法在纯模态试验作动器/传感器优化配置中的应用。对一给定自由度的结构系统,由系统的模态动能可得系统的F isher信息阵。在优化过程中,根据F isher信息阵可得到各自由度节点所对应的E fI值,由E fI值的大小来确定每次要删除的作动器/传感器。在逐步消减的过程中,把E fI的值表示为一个矩阵的形式,使得优化过程清晰明了,提高了优化效率。最后,通过对一个20自由度的离散悬臂梁的激振器布设进行优化,验证了本文方法的有效性。     

实用航空发动机LQR权阵选取方法

为了简化航空发动机LQR方法权阵的选取,基于优化理论提出了一种新的目标函数选取方法。该目标函数同时反映控制性能与控制能量的影响,因此,通过优化该目标函数得到的权阵设计出的LQR控制器不仅性能优良,还能保证控制能量在可接受的范围内。此外,该目标函数中包含且只包含了一个可调参数,可简化控制器参数调节过程,使设计者能轻松地在控制性能与控制能量间找到合理的折中。线性仿真、非线性仿真及半物理仿真试验均验证了按此方法设计的控制器的性能。     

金属热防护系统多层隔热材料的传热分析及参数优化

采用能量平衡方程和离散坐标法近似地建立了金属热防护系统多层隔热材料的一维稳态传热的数学模型,并利用遗传算法和纤维隔热材料的有效导热系数试验数据求解传热反问题,从而得到了模型中的纤维隔热材料的辐射衰减系数、反照率和隔热屏表面辐射发射系数。最后,由实验测得了多层隔热材料的有效导热系数,验证了采用优化参数后,多层隔热材料的传热模型的正确性。     

试车数据驱动的涡轴发动机起动过程模型辨识

针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明：得到的辨识模型输出参数,如燃气发生器转速n_g、输出轴转速n_r和涡轮后温度T₄都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。     

基于Legendre伪谱法的固体运载火箭轨迹优化研究

Legendre法则是一种高阶积分近似法则,用较大积分步长得到较高精度。以结点伪谱法处理不连续问题后,可以把一个无限维的动态最优控制问题转化为有限维的静态优化问题,大大降低了问题复杂性。将其应用于轨迹优化,力求使其成为一种求轨迹优化问题的通用算法。以三级固体运载火箭为例,在惯性直角坐标系中建立动力学模型,给出轨迹优化模型。轨迹优化算例结果验证了Legendre伪谱法在弹道时间和精度优化的正确性和有效性。     

喉栓式推力可调发动机喷管流场数值模拟

对喉栓式推力可调固体火箭发动机喷管流场进行了数值模拟,并对喉栓型面进行了过程优化;针对喉栓不同作动速度和自由容积,分析了流场内各参数的变化;进行了非同轴喉栓发动机试验研究.计算结果表明,细长锥型喉栓总体性能最优;发动机压强建立过程与喉栓作动速度和自由容积关系密切;模拟结果与试验数据差别不大,可为喉栓式推力可调固体火箭发动机的研发提供参考.     

混合网格方法在栅格翼数值模拟中的应用研究

栅格翼是采用一种蜂房结构设计的升力面和控制面,和传统舵面相比具有铰链力矩小、能在较大攻角下保持升力等特点,并得到了越来越广泛的应用。由于栅格尾翼的特殊结构,网格生成具有很大的难度。本文采用了结构、非结构混合网格的办法,在弹体和栅格翼的物面附近区域,生成适合粘性计算的大长宽比的结构网格,弹体网格和栅格翼网格之间采用非结构网格进行填充,满足非结构网格和结构网格交接面的完全对接。本文基于结构/非结构网格体系采用有限体积方法求解NS方程,对不同舵偏角下的栅格翼构形进行了数值模拟,并通过实验结果对数值方法进行了验证。     

Towards intelligent design optimization: Progress and challenge of design optimization theories and technologies for plastic forming

Plastic forming is one of enabling and fundamental technologies in advanced manufacturing chains. Design optimization is a critical way to improve the performance of the forming system, exploit the advantages of high productivity, high product quality, low production cost and short time to market and develop precise, accurate, green, and intelligent (smart) plastic forming technology. However, plastic forming is quite complicated, relating to multi-physics field coupling, multi-factor influence, multi-defect constraint, and triple nonlinear, etc., and the design optimization for plastic forming involves multi-objective, multi-parameter, multi-constraint, nonlinear, high-dimensionality, non-continuity, time-varying, and uncertainty, etc. Therefore, how to achieve accurate and efficient design optimization of products, equipment, tools/dies, and processing as well as materials characterization has always been the research frontier and focus in the field of engineering and manufacturing. In recent years, with the rapid development of computing science, data science and internet of things (IoT), the theories and technologies of design optimization have attracted more and more attention, and developed rapidly in forming process. Accordingly, this paper first introduced the framework of design optimization for plastic forming. Then, focusing on the key problems of design optimization, such as numerical model and optimization algorithm, this paper summarized the research progress on the development and application of the theories and technologies about design optimization in forming process, including deterministic and uncertain optimization. Moreover, the applicability of various modeling methods and optimization algorithms was elaborated in solving the design optimization problems of plastic forming. Finally, considering the development trends of forming technology, this paper discusses some challenges of design optimization that may need to be solved and faced in forming process.     

微粒子喷丸技术研究进展

微粒子喷丸因其采用的弹丸介质尺寸小,具有强化基体表面并降低表面粗糙度的优点,已成为航空、能源动力等领域中一项重要的表面强化技术.目前对于该技术的研究仍处于对其强化机理的试验论证阶段,还未有完整的理论体系.对微粒子喷丸技术的原理和特点进行了综述,讨论了微粒子喷丸的强化机制,阐述了目前微粒子喷丸技术的研究现状及在各类材料中...     

基于优化最小二乘支持向量机的襟翼趋势预测

将最小二乘支持向量机(LS-SVM)应用于飞机襟翼状态趋势研究。首先,通过分析飞机襟翼故障与襟翼动作耗时参数的关系,提出了利用动作耗时趋势来确定该系统未来状态的方法。然后,使用最小二乘支持向量机建立耗时回归预测模型,采用最终预报误差(FPE)准则确定回归模型嵌入维数,提出了自适应网格搜索法,优化最小二乘支持向量机的建模参数,从而实现比现有方法精度高,泛化性能好的预测模型。训练和测试样本取自飞行数据记录系统(QAR)中译码襟翼参数值。与神经网络模型的比较实践表明,该方法具有实用价值。