一种基于径向基函数和峰值选择法的高效网格变形技术

基于径向基函数的网格变形方法因其具有诸多优点,而被广泛应用于气动外形优化设计等领域。对于大规模网格或复杂构型,该方法所需计算量是难以承受的。为了提高网格变形效率,可以通过减少建立插值模型所需支撑点数目来实现。为此,提出一种高效的选点算法--峰值选择法。该算法在选点过程的每个迭代步中对边界节点处的误差进行分析,从物面节点中选取多个峰值点来更新支撑点集,减少迭代步数,提高选点效率。在该算法的基础上,实现了网格的高效变形。三段翼型的网格变形算例证明：该方法可以在保证网格质量的同时实现复杂网格的变形。以DLR-F6复杂模型（约1 000万网格）的刚性运动和弹性大变形为算例对该方法的变形效率和变形后网格质量做了进一步评估：当相对误差设置为5.0×10^-7时,在保证变形后网格质量的前提下,该方法变形效率最快比传统贪婪算法提高了13倍,其中在选点效率方面最快提高了31倍。     

轴向入射激波反射聚焦的实验和数值模拟

为研究两级脉冲爆震发动机凹腔入口宽度对第2级凹腔中激波聚焦过程的影响,设计轴向入射激波聚焦的实验系统,对不同入口宽度下激波反射聚焦的过程进行了实验和数值模拟。采用纹影系统拍摄凹腔中的流场结构,并测量了凹腔顶点处的动态压力。采用保持强稳定性（SSP）的Runge Kutta格式、weighed essential non oscillation（WENO)格式和块结构网格自适应加密（SAMR）算法对激波反射、衍射和聚焦的过程进行了数值模拟,数值模拟结果和实验吻合较好。通过分析比较相同马赫数激波通过不同宽度凹腔的反射聚焦过程,发现较小宽度凹腔入口下激波反射和聚焦较强,顶点的压力峰值较高,激波聚焦诱导的射流较强。      

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。