基于神经网络的故障率预测方法

 为了更好地预测产品故障率,提出了基于神经网络的故障率预测方法,分别给出了基于反向传播(BP)网络和径向基函数(RBF)网络进行故障率预测的基本思想、预测模型和实施步骤。分别对比分析了神经网络法与回归分析法、分解分析法、移动平均法、指数平滑法、自适应过滤法、自回归移动平均混合(ARMA)模型等统计预测方法的区别,对照故障率的特点,说明了神经网络法是其中最适用于故障率预测的统计方法。最后分别按这两种模型对某航空公司波音飞机故障率进行了预测,预测结果表明：这两种模型均适用于故障率预测,预测值与真实值的误差在20%之内,且RBF网络的预测效果略优于BP网络,此外通过与上述统计预测法的误差进行对比,说明神经网络法预测误差最小。     

具有16阶的可控径向磁力轴承控制系统的RICCATI方程的求解

许多控制问题涉及到代数ＲＩＣＣＡＴＩ方程的求解问题。本文给出用符号函数法求解高阶径向磁力轴承控制系统（１６阶）的ＲＩＣＣＡＴＩ代数矩阵方程的方法,分析影响解精度的因素,最后给出仿真结果。     

时标偏差对站间双向时间比对的影响分析

基于站间双向时间比对的基本原理,讨论了时标偏差对站间双向时间比对精度的影响,并利用实测的站间双向测距值,计算比较了存在不同时标偏差情况下站间双向时间比对的结果和精度。结果表明:时标偏差影响体现的是伪距变率项和伪距径向加速度项;当时标偏差不大于1 s时,时标偏差影响主要体现的是伪距变率项;时标偏差符号相反时,对站间双向时间比对结果的影响大小一致,符号相反;时标偏差越大,对站间双向时间比对结果的影响越大。     

行波型旋转超声电机定转子设计及有限元分析

研究了行波型旋转超声电机定转子接触动力传递机理,完成了超声电机关键部件定子、锥柔性转子设计,建立了考虑定转子径向滑移的三维接触模型以及有限元模型,分析了超声电机定子表面质点幅频特性、谐振速度以及径向位移量与齿高之间的关系。通过比较锥柔性、柔性转子与定子接触面质点径向相对位移,阐释了锥柔性转子通过自身弹性变形能更好地贴合在定子齿表面,减少定转子间相对滑移量并能提高超声电机的输出效率。最后通过合成一个行波周期内定子表面质点的位移轨迹,验证了定子驱动转子旋转运动的方式为椭圆运动。仿真结果对行波型旋转超声电机的设计具有指导意义。     

原子氧对航天器表面的剥蚀效应及其预报研究

文章论述了一个航天器表面原子氧通量和遭遇量预报模式的建立,并对影响航天器表面原子氧遭遇量的主要因素进行了讨论。最后用模式计算了2003～2006年间太阳同步轨道卫星表面原子氧遭遇量的情况。     

大型运载火箭加筋柱壳近似建模方法

为提高大型运载火箭中薄壁加筋柱壳结构的后屈曲分析、优化设计的计算效率,提出基于矩估计的增广径向基函数(ARBF)近似建模方法。首先,分析了形状参数对ARBF近似模型泛化能力的影响规律;然后,基于样本点局部密度给出了ARBF基准形状参数确定方法,并根据模型响应特点,引入缩放系数对形状参数进行自适应调整;进一步,基于矩估计方法将确定形状参数的复杂域优化问题转化为确定缩放系数的优化问题,并利用多起点并行优化算法求解该问题,显著降低了计算复杂度;最后,通过典型数值算例和工程应用,对比研究了本文方法与其他典型近似建模方法的优劣。数值和工程算例表明,相较其他典型近似建模方法,本文方法可通过训练较少的样本点达到较高的近似精度,对比结果验证了本文方法的有效性和高鲁棒性,表明其具有一定的工程应用价值。     

径流式涡轮在膨胀循环发动机氢涡轮泵中的应用

为满足膨胀循环液体火箭发动机高性能和高可靠的研制要求,在氢涡轮泵方案的选择上采用了径流式氢涡轮方案。通过一维热力和三维结构设计,初步验证了径流式氢涡轮应用可行性。借助于CFD分析软件,完成了该涡轮设计工况全三维粘性数值模拟,证明性能满足指标要求。通过强度优化设计和轴向力平衡两方面研究,突破了涡轮泵应用的两大技术难点。结合该涡轮介质试验及发动机热试车考核情况,得出径流式涡轮能够应用于膨胀循环发动机氢涡轮泵的结论。     

基于人工神经网络的微重力流动冷凝换热预测

微重力条件下管内流动冷凝换热系数是空间热交换器设计的基础依据,但其实验数据稀缺,故有必要建立精确的预测模型。文中提出了一种基于人工神经网络的微重力下管内流动冷凝换热预测模型。选取误差反向传播（Back propagation, BP）和径向基函数（Radial basis function RBF）两种神经网络,以水力直径、饱和温度、质流密度、干度及与工质热物性有关的参数作为网络输入,冷凝换热系数作为网络输出。结果显示,BP神经网络预测的均方根误差为237、平均绝对百分误差为4.32%;RBF神经网络预测的均方根误差为165、平均绝对百分误差为2.35%。相对于BP神经网络,RBF神经网络精度更高。基于RBF神经网络的微重力下管内流动冷凝换热模型预测值与94%的实验值和数值模拟结果的相对误差在±10%以内。     

低雷诺数下跨声速转子流动失稳及附面层抽吸扩稳研究

采用数值方法模拟了低雷诺数条件下NASA Rotor 37跨声速压气机转子内部流场.结果表明,附面层径向涡是该压气机转子流动失稳的一个很重要的原因.通过在该压气机转子叶片吸力面上不同的叶高和轴向弦长处进行抽吸,发现都可以很好的抑制附面层径向涡的发展,压气机转子的稳定工作范围明显扩大.此外还比较了不同的抽吸量对压气机的性能的影响.      

径向基过程神经元网络及其应用研究

提出了一种径向基过程神经元网络,该网络模型为3层前向结构,由输入层、径向基过程神经元隐层和输出层组成.输入层到隐层的变换是非线性的,隐层到输出层的变换是线性的.隐层神经元完成对过程式输入信息的模式匹配和对时间的聚合运算,输出层对输入模式作出响应.在输入空间中引入函数正交基,将输入函数在正交基下展开,利用基函数的正交性,简化聚合运算过程.给出了相应的学习算法,并以旋转机械故障诊断问题为例验证了模型和方法的有效性.