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...     

指数分布可靠性增长分析的Bayesian整体推断方法

本文引入服从广义逆Gamma分布的折合因子,得到一种指数可靠性增长下失效率的Bayes整体推断技术,并采用Laguerre-Gauss积分方法得到了折合因子分布参数的精确数值解,通过典型示例与其它确定分布参数的方法进行比较,可知这种方法更加接近工程实际。     

基于遗传算法的大气层外拦截弹拦截优化

提出了一种同时考虑大气层外拦截弹中段和末段飞行过程的拦截优化方法.首先建立了大气层外拦截弹中段和末段飞行的动力学模型,并设计了速度增益中制导律和鲁棒变结构末制导律;然后确定了影响拦截性能的优化控制参数及其约束条件,以拦截过程的燃料消耗质量和脱靶量最小为组合性能指标;最后采用具有全局最优性的遗传算法对这一拦截优化问题进行了仿真研究,并与复形调优算法的结果进行了比较.仿真结果表明,遗传算法与传统优化方法相比在解决大气层外拦截弹带约束复杂非线性组合优化问题时,能更好地收敛到全局最优值,并能有效降低大气层外拦截的燃料消耗和脱靶量.     

半导体激光器温度的Fuzzy_PID控制

本文将Fuzzy_PID算法应用于半导体激光器系统,阐述了Fuzzy_PID控制器的设计和软件模拟。证明了本控制算法对于大滞后、大惯性的温度控制过程具有优良的控制性能及很强的鲁棒性,且现场运行效果良好。     

压电驱动自耦合射流流动特性实验

为了研究压电驱动狭缝喷口自耦合射流的流动特性,采用PIV、热线风速仪测试手段,对自耦合射流激发器在不同激励因素下的流场和速度场分布进行了实验和分析.结果显示,自耦合射流在狭缝出口处产生了反向涡对,随着自耦合射流的发展,射流呈现出在喷口短轴方向急剧向两侧扩展、而在喷口长轴方向先收缩后缓慢扩展的流动特征;自耦合射流的速度分布在法线方向呈现先上升后下降的趋势,在z/b=10左右速度达到最大值;在射流展向上,短轴方向速度呈规律的对称分布和速度自模的特征,而长轴方向速度近喷口区域呈现马鞍状分布,随着法向距离增加这种趋势消失.研究中发现,激发器存在两个谐振频率,在谐振频率激发下自耦合射流的速度和涡量比较大.与常规射流相比,自耦合射流显示出了独特的流动特性.     

利用几何遗传方法优化前缘翼根延伸的外形以增强飞行器升力系数和机动性

为了提高所选定飞行器模型的机动性,采用了一种标准遗传算法设计前缘翼根延伸(LEX).同时使用一种由三维低阶板方法结合DATCOM方法半经验公式的改进方法预测复杂外形飞行器(机身 机翼 尾翼)的空气动力载荷和最大升力系数.结果表明,在前缘翼根存在的情况下,升力系数在马赫数为0.4～0.8时提升了20.5%～15.3%,在马赫数为1.2时提升了6.8%,在马赫数为0.2～0.95之间升力系数最大值提升了9.5%～15%.在1～5 km的高度亚音速飞行时,其回转率得到了6.6%～8.0%的提升.     

双向联想记忆集成

由多个尽可能多样化的分类器(前馈神经网络)组成的多分类器系统(MCS)能够显著地提高单个分类器的分类或推广能力.受MCS基本思想的启发,将集成引入到双向联想记忆快速学习(QLBAM)中,构建出一个BAM集成,旨在提高存储容量和纠错性能的同时,不破坏每个成员BAM的简单结构.计算机仿真表明,选择合适的"过剩生产与挑选并存"策略,即"稀疏算法"后,所提出的BAM集成在存储容量和抗噪声性能两个方面都显著优于单个QLBAM.     

OFDM多载波系统中的自适应技术研究

本文在已有的多载波传输系统的基础上设计了一个改进的多载波系统模型,将信道编码技术,OFDM技术以及自适应传输技术相结合,使多载波系统的性能进一步的得到改善。同时本文还给出了一种在原有的传输算法的基础上归纳出的一个改进的传输算法-动态分块加载算法。     

基于单代号网络的银行家算法

通过对银行家算法的分析,提出单代号网络的进程安全状态序列的改进算法-基于单代号网络的银行家算法,并通过具体的示例实现此算法。     

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。