超声速尾迹-剪切流的混合增强

超声速条件下燃料和空气之间的高效混合是超然冲压发动机技术上的主要挑战。基于大涡模拟和流动稳定性分析,针对超声速尾迹-剪切流动开展了混合增强方法研究。尾迹的存在改变了混合层流动的速度剖面,对流动稳定性产生了重要影响,使混合层由三维最不稳定变为二维最不稳定,最不稳定扰动波频率和增长率增大。基于流动稳定性结果引入扰动的混合增强方式依然有效,根据稳定性结果设计了波纹隔板。数值结果表明：二维波纹壁引入的扰动未能增长,不具备混合强化效果,而三维波纹壁引入的扰动能够快速增长,具有混合强化效果,且波纹壁参数越接近最不稳定扰动波参数,混合强化效果越明显。     

基于Deform软件二次开发和BP神经网络的TA15多向锻造微观组织预报

通过热压缩实验构建了TA15合金的热变形真应力-应变曲线,以此为基础分别建立了合金双相区及单相区温度区间的热变形本构方程;基于热压缩试样动态再结晶的统计数据建立了TA15合金的动态再结晶模型。借助Deform提供的二次开发功能实现相关数学模型的程序化,制定正交实验方案,实现了TA15合金多向锻造变形的微观组织仿真。通过正交实验分析得出各项因子的影响对象及强弱差异,提出了双相区及单相区温度区间内的多向锻造最佳因子组合。建立了TA15合金多向锻造变形微观组织的BP （Back Propagation）神经网络预测模型,将预测结果与有限元仿真结果进行比较,结果表明两种方法的预测结果基本一致,但神经网络具备有限元仿真难以实现的良好细节预测能力,能更为细致地实现对微观组织分布状态的划分。     

改善返回舱气动稳定特性数值计算研究

和第一宇宙速度载人再入飞行相比,以第二宇宙速度载人再入飞行对返回器的升阻比要求较高。文章给出了一种升阻比能够满足第二宇宙速度再入需求的返回器基本外形,分析了基本外形的气动性能以及质心位置对气动稳定特性的影响,结果表明基本外形在高超声速和亚声速下均存在第二静稳定配平点的问题。为了改善基本外形的气动稳定特性,文章提出了多种改进外形设计,包括增加稳定耳片、改变尾部外形设计等。通过数值模拟对这些改进外形的气动稳定性进行了分析,结果表明这些改进设计对于改善返回器的单点稳定特性是有效的。通过对流场特性的详细分析,对改进气动设计改善返回器稳定特性的机理进行了揭示和阐释。     

液体推进剂热稳定性研究方法探讨

为研究液体推进剂的热分解特性,利用差示扫描量热仪（DSC）和绝热加速量热仪（ARC）,对自行研制的3种液体推进剂进行了热分解过程研究,并对其热稳定性进行了探讨.分析了DSC和ARC两种方法在研究液体推进剂热分解方面的优劣性.     

载人航天器放电调节器稳定性研究

电源系统的稳定性是保证载人航天器在轨飞行可靠安全的要素之一。文章研究了应用混合型功率调节技术的电源系统放电调节器的建模方法,获得了系统开环传递函数,进行了仿真验证,在此基础上分析了影响放电调节器稳定性的因素,表明系统中存在过大的延迟会使系统的稳定性大幅降低甚至造成不稳定,地面试验结果验证了此结论的正确性。     

一种新型的基于预测的卫星资源分配方法

针对传统的按需分配方式所造成的长时延问题,提出了一种新型的基于业务预测的按需分配方法。该方法通过预测业务在等待队列中的长度,将预测信息发送给网络资源控制中心,再由控制中心动态地分配带宽资源,达到服务质量的要求。在阐述了按需分配和业务预测的基本算法后,通过仿真分析了不同的业务类型采用不同的预测信息发送间隔时间的时延性能,分析中考虑了实时业务比非实时业务享有更高的优先权,并且比较了常规按需分配与基于业务预测的按需系统分配方法的时延性能。仿真结果表明利用业务预测,选择合适的预测信息发送间隔时间,能够有效地改善带宽资源分配的时延性能,相比一般的按需分配方式服务质量有了明显的提高。     

具侧向脉冲力制导炮弹的非线性稳定性分析

研究了制导炮弹受侧向脉冲推力作用后处于大攻角情况下的非线性运动稳定性问题.应用首次积分描述了弹丸的运动方程,得到了描述攻角余弦变化的多项式,通过对多项式的分析将弹丸角运动稳定性的问题转化为求解多项式的负根问题,最后运用霍尔维茨定理给出了弹丸非线性运动稳定的充分条件,为非线性运动条件下弹丸的飞行形态的预测、脉冲执行机构的设计等问题提供了一定的理论依据.      

基于区域预测和视觉注意计算的快速目标检测

提出了一种结合区域预测与视觉注意模型化计算的快速目标检测方法.通过分析图像近似均匀的3个水平子区域的方向特征图之灰度比率,灰度特征图之信息熵和子区域位置,建立了目标区域预测的判定准则.同时,通过优选特征和优化特征图之权重,改进了视觉注意计算模型.对于一幅待检测图像,根据区域预测的判定准则,实现目标区域的快速预测,并利用改进的视觉注意计算模型对目标区域进行视觉注意计算,实现特定目标的快速精确定位.实验结果表明:针对户外场景中的行人目标,与通过整幅图像的视觉注意计算来实现目标检测的传统方法相比较,该检测方法可使检测时间缩短30%,同时还能使检测准确率提高9%.      

利用神经元拓展正则极端学习机预测时间序列

为实现对于时间序列预测数据的准确预测,提出一种神经元拓展正则极端学习机(NERELM,Neuron-Expanding Regularized Extreme Learning Machine),并研究了其在时间序列预测中的应用.NERELM根据结构风险最小化原理权衡经验风险与结构风险,以逐次拓展隐层神经元的方式自动确定最佳的网络结构,以避免传统神经网络训练过程中需人为确定网络结构的弊端.应用于时间序列的仿真结果表明:NERELM可有效实现对于RELM最佳网络结构的自动确定,具有预测精度高与计算速度快的优点.      

PREDICTION OF SURFACE ROUGHNESS FOR END MILLING TITANIUM ALLOY USING MODIFIED PARTICLE SWARM OPTIMIZATION LS-SVM

It is difficult to construct the prediction model for titanium alloy through analyzing the formation mecha- nism of surface roughness due to the complicated relation between influential factors and surface roughness. A no- vel algorithm based on the modified particle swarm optimization （PSO） least square support vector machine （LS- SVM） is proposed to predict the roughness of the end milling titanium alloys. According to Taguchi method and features in milling titanium alloys, the influences of cutting speed, feed rate and axial depth of cut on surface roughness are investigated with the analysis of variance （ANOVA） of the experimental data. The research results show that the construction speed of the modified PSO LS-SVM model is two orders of magnitude faster than that of back propagation（BP） model. Moreover, the prediction accuracy is about one order of magnitude higher than that of BP model. The modified PSO LS-SVM prediction model can explain the influences of cutting speed, feed rate and axial depth of cut on the surface roughness of titanium alloys. Either a higher cutting speed, a lower feed rate or a smaller axial depth of cut can lead to the decrease of surface roughness.