航空发动机风扇叶片伸根段造型设计与优化

探索了航空发动机风扇叶片伸根段造型的优化设计方法,利用它在保持叶身气动设计不变的情况下使风扇叶片振动特性得到改善。建立了基于非均匀有理B样条NURBS (non-uniform rational B-spline)桥接曲线的伸根段造型方法,实现气动叶身与榫头侧面间的光滑连接;通过改变桥接曲线控制顶点的位置实现伸根段造型的参数化设计,并在相关假设条件的基础上提取了完全定义伸根段造型所需的8个设计变量;以风扇叶片共振裕度最大化作为伸根段设计目标,在径向基函数网络(RBFN)与粒子群(PSO)算法的基础上建立了伸根段造型优化设计流程,其原理是构造RBFN近似模型来逼近和预测风扇叶片共振裕度与伸根段设计变量间的隐式目标函数,在此基础上使用PSO算法搜索使共振裕度达到最大化的伸根段设计变量组合。结果表明:某大涵道比宽弦风扇叶片采用上述流程,通过优化伸根段造型使风扇叶片轴向一弯模态的自振频率得到提高,与转速3倍频激振间的共振裕度提高约2%。      

向心涡轮内部流动数值模拟分析

利用三维数值模拟方法对向心涡轮内部流动进行数值模拟,分析了岛型导叶的气动特点、通道中的二次流动和各个涡系的发展以及不同叶尖间隙对流动的影响。结果表明:在一定范围内岛型导叶对气流角变化不敏感;在靠近动叶进口处二次流动比较明显,流动比较复杂,而通道中各个涡系的演化发展都集中在靠近动叶吸力面一侧;随着的罩壳半径的减小,动叶叶尖处间隙流动逐渐增强;适量的间隙流动有利于改善通道顶部区域流动。      

第三代移动通信系统中非线性多用户检测技术

在CDMA系统中，多用户检测技术是提高系统容量，减少用户间干扰的关键。非线性多用户检测包括干扰消除和神经网络检测技术。其中干扰消除检测是对不同用户独立进行MAI估计，然后从接收信号中减去对该用户而言的部分或全部MAI；多用户检测从本质上看是一个组合优化问题，所有解决组合优化的算法原则上均可适用于多用户检测，其中基于神经网络的解组合优化方法当然也适用于多用户检测。本文论述了几种非线性多用户检测器的基本原理及其特点。     

径向基神经网络在优化导引律中的应用

应用神经网络的非线性的特点,在纯比例导引律的导引下,分析战机的运动轨迹,通过采样取得的一系列载机的控制输入数据,根据追踪导引控制的内在要求(目标视线角速度的绝对值减小并趋于零),设计载机导引控制器的相应的离散输出值,离线训练一个径向基神经网络模块,嵌入到载机控制回路中,作为战机导引的控制输入,实现载机在纯比例导引下的性能优化;仿真结果表明,在节能及省时方面,能达优化纯比例导引律的目的。     

利用Gaussian型RBF网络进行函数逼近的构造性估计

前馈人工神经网络有着极其广泛的应用，如何估计隐层神经元数及相应的逼近误差，一直是确定前馈网络结构的难点和关键。RBF网络是一种最重要的前馈网络，本文给出了利用Gaussian型RBF网络逼近连续函数或Lebesgue-可积函数时的构造性隐层单元数显式估算式及相应的显式逼近误差估算式。文中的结论也易于推广到离散样本的情形。这些结论对于提高Guassian型RBF在实际应用时的计算精度和减少计算量具有一定的指导意义。     

基于水平集方法的连续体结构拓扑优化方法研究

考虑到现有各种连续体结构拓扑优化方法的优缺点,提出了一种新的连续体结构拓扑优化新策略。该方法将无网格法和水平集方法结合起来,充分发挥各自的优点,使得该拓扑优化新策略具有良好的收敛性和计算精度。     

基于Log—Sigmoid型径向基神经网络的雷达辐射源识别

提出基于一种新的鲁棒性径向基 (RBF)神经网络的雷达辐射源识别方法。此网络应用Log -Sigmoid函数作为基函数 ,避免了学习过程中的不稳定状态 ,并且比传统的RBF有更好的学习性能和函数逼近能力。并介绍一种新的归一化函数 ,通过归一化函数把不同类型 ,不同量纲的原始评估数值转换到 [- 1,1]区间 ,该效用函数较好地体现了“奖优罚劣”的原则 ,同时又更有利于神经网络的训练。仿真实验证明了该方法的优越性。     

Reduced order model for unsteady aerodynamic performance of compressor cascade based on recursive RBF

Based on Recursive Radial Basis Function (RRBF) neural network, the Reduced Order Model (ROM) of compressor cascade was established to meet the urgent demand of highly efficient prediction of unsteady aerodynamics performance of turbomachinery. One novel ROM called ASA-RRBF model based on Adaptive Simulated Annealing (ASA) algorithm was developed to enhance the generalization ability of the unsteady ROM. The ROM was verified by predicting the unsteady aerodynamics performance of a highly-loaded compressor cascade. The results show that the RRBF model has higher accuracy in identification of the dimensionless total pressure and dimensionless static pressure of compressor cascade under nonlinear and unsteady conditions, and the model behaves higher stability and computational efficiency. However, for the strong nonlinear characteristics of aerodynamic parameters, the RRBF model presents lower accuracy. Additionally, the RRBF model predicts with a large error in the identification of aerodynamic parameters under linear and unsteady conditions. For ASA-RRBF, by introducing a small-amplitude and high-frequency sinusoidal signal as validation sample, the width of the basis function of the RRBF model is optimized to improve the generalization ability of the ROM under linear unsteady conditions. Besides, this model improves the predicting accuracy of dimensionless static pressure which has strong nonlinear characteristics. The ASA-RRBF model has higher prediction accuracy than RRBF model without significantly increasing the total time consumption. This novel model can predict the linear hysteresis of dimensionless static pressure happened in the harmonic condition, but it cannot accurately predict the beat frequency of dimensionless total pressure.