A Scalable Infrastructure for Online Performance Analysis on CFD Application

The fast-growing demand of computational fluid dynamics(CFD) application for computing resources stimulates the development of high performance computing(HPC) and meanwhile raises new requirements for the technology of parallel application performance monitor and analysis.In response to large-scale and long-time running for the application of CFD,online and scalable performance analysis technology is required to optimize the parallel programs as well as to improve their operational efficiency.As a result,this research implements a scalable infrastructure for online performance analysis on CFD application with homogeneous or heterogeneous system.The infrastructure is part of the parallel application performance monitor and analysis system(PAPMAS) and is composed of two modules which are scalable data transmission module and data storage module.The paper analyzes and elaborates this infrastructure in detail with respect to its design and implementation.Furthermore,some experiments are carried out to verify the rationality and high efficiency of this infrastructure that could be adopted to meet the practical needs.     

同轴离心式喷嘴噪声引发燃烧不稳定分析和预测

以氧化剂和燃料的混合比作为系统控制参数,研究同轴离心式喷嘴燃烧动力学过程。混合比增加和减少过程中,燃烧噪声和振荡燃烧状态间转变的混合比不同,说明系统出现了亚临界Hopf分叉现象,且在双稳定区内出现了燃烧噪声引发的振荡燃烧。利用临界慢化理论,分析3种表征参数:延迟为1自相关系数、方差和条件异方差（CH）对噪声引发不稳定的预警效果。结果表明:延迟为1自相关系数在噪声引发不稳定前出现明显的上升趋势且非随机现象,具有较可靠的指示作用。方差对噪声引发不稳定性的预示性较差。条件异方差在不稳定发生前振荡上升,可以作为辅助判断条件。基于Kendall秩相关系数趋势评估方法,提出一种在线预测噪声引发不稳定的判断准则,具有较好的适应性和可靠性。      

基于Kalman滤波的空天飞行器再入制导算法

针对空天飞行器应用传统数值预测校正再入制导算法实时性不佳的问题,提出一种基于Kalman滤波的预测校正制导算法。该算法采取四阶多项式拟合速度-高度飞行剖面,利用Kalman滤波估计选定的速度点对应的高度,得到满足再入走廊及航程要求的拟合系数。在此基础上,减少一个终端约束,增加一个待估计剖面参数,可实现对再入过程飞行时间的调节。研究发现,再入过程中通过在线辨识修正不确定性参数能够提高制导指令的适应性;飞行末段利用跟踪参考剖面制导可有效避免飞行速度与终端速度接近时发生拟合系数求解发散的问题。多组不同再入条件下的算例仿真结果表明,基于Kalman滤波的空天飞行器再入制导算法实时性好,制导精度高,能够实现飞行时间可控,具有较强的鲁棒性和工程应用潜力。     

基于BIT的工程机械智能在线检测方法研究与实现

以某工程机械为研究对象,研究基于CAN总线的嵌入式BIT智能检测方法,研制具有高可信度的工程机械智能故障诊断仪,以提高工程机械作业的可靠性和安全性。     

在线点到点数据传输优化选择模型及其算法设计

最优点到点数据传输线路不仅依赖于其固有的传输时间,还依赖于数据总量,因为数据规模决定了加工次数和传输次数.本文首先建立了在线点到点数据传输网络选择的优化模型,给出了有向路代表集的概念,然后给出了一个时间复杂性为O（m^2logn）的算法产生有向路代表集.最后对静态和动态点到点数据传输有向路问题进行了研究,并给出了一个时间复杂性为O（m^2logn）的多项式时间的算法.     

抗离群值的鲁棒正则化贯序超限学习机

针对离群值环境下的在线学习问题,提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine,RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习,并在学习过程中基于样本的先验误差进行逆向加权计算以降低学习模型对于离群值的敏感性;同时RR-OSELM通过融合使用Tikhonov正则化技术进一步增强了其在实际应用中的稳定性。实验结果表明,RR-OSELM具有较同类算法更好的鲁棒性和实用性,对于离群值环境下的在线建模与预测问题是积极有效的。     

可行SLP法在发动机在线优化中的应用

研究了航空发动机在线优化算法问题。基于序列可行方向法,提出了一种用于解决一般非线性优化问题改进的序列线性规划(SLP)在线优化算法——可行下降序列线性规划(FSLP)方法。其显著特点是通过适当的步长修正算法,在保证目标函数下降的同时,确保解的可行性。根据对偶理论证明了其核心算法的收敛性,对步长修正原理进行了数学分析,并详细介绍了算法实现途径。基于上述优化算法,以某型双转子涡扇发动机最大推力模式为仿真算例,验证了该算法在解决航空发动机在线优化问题时,相比传统的序列优化方法,在提高优化算法解的可行性方面效果更好。     

运载火箭主动段自适应增广控制

针对运载火箭上升段在复杂飞行环境、大不确定性干扰和振动等因素的影响下,传统PID控制方法难以满足高品质控制需求的问题,进行了自适应增广控制(AAC)方法研究,以实现对运载火箭姿态的精确控制。在深入分析自适应增广控制系统整体构架的基础上,通过标称PID控制器设计与基于粒子群优化(PSO)的数字滤波器设计实现了刚体控制及对弹性振动的抑制;继而针对大范围干扰、不确定性和由于滤波器切换产生的弹性振动影响,设计了在线调整算法自适应调节PID控制增益,并对其工作机理与参数设计原则进行研究;然后设计干扰补偿回路和主动减载回路以减小内外扰动、弹性振动和风载荷影响;最后在弹性振动、风干扰和参数不确定性等因素同时作用的状态下进行仿真分析,验证了自适应增广控制系统能够有效应对运载火箭主动段复杂飞行环境的影响,大幅度提升综合控制性能,具有理论研究意义与工程应用价值。     

基于HOG和SVM算法的磨粒图像在线监测技术

为了解决发动机润滑油液磨粒图像监测只适用于微流且易受气泡干扰等问题,设计了一种可适用于相对大流量工作环境的油液磨粒光学图像在线监测系统,区分气泡和磨粒。通过该监测系统,批量采集了一系列磨损颗粒和气泡图片,用于后续图像分类算法的训练与测试。采用了一种基于背景差分和大津法的运动物体提取算法提取出大量磨粒及气泡图像样本,运用基于方向梯度直方图（Histogram of oriented gradients,HOG）进行特征提取和支持向量机（Support vector machine,SVM）分类算法对气泡和磨粒进行识别。实验结果表明,该监测系统能有效采集磨粒及气泡图像并进行自动识别。与基于形态学特征提取算法以及K最近邻（K-nearest neighbor,KNN）等传统分类算法相比,HOG-SVM算法分类精度更高,识别准确率可达83 8%。     

一种基于机动辨识预测的空空导弹导引律

现有的空空导弹导引头在有噪声和干扰的环境下获得目标精确信息存在时间延迟,且新一代目标的机动能力更强,不对导弹加以补偿会造成较大脱靶量,所以需对目标状态有效预测。针对新一代目标规避空空导弹常用的大机动模式,为满足新一代空空导弹发展需求,设计了一种新型复合导引律。从目标自身出发,研究高机动目标规避导弹采用的典型机动形式,对机动轨迹进行离线建模,构建具有扩展能力的目标机动模型库。设计自适应滤波器对测量噪声进行降噪。同时,利用模型库设计了机动辨识预测器,对目标实际机动进行在线辨识。基于在线辨识的结果对目标机动进行预测,并对时间延迟进行补偿和修正,实现对高机动目标的精确打击。仿真结果表明:该方法对不同类型的机动目标均有较高的预测精度和命中精度。