进化神经网络在复合材料格栅结构设计中的应用

根据Kolmogorov多层神经网络映射存在定理,利用进化神经网络来实现结构设计参数(输入)与结构响应参数(输出)的全局非线性映射关系,以此来代替实际结构优化过程中存在的大量有限元计算,从而提高优化效率。以遗传算法为优化求解器,神经网络屈曲稳定性响应面为主要约束,对复合材料格栅加筋结构的优化问题进行了分析研究。算例表明,在相同(有限元)样本数据的情况下,进化神经网络通过自适应调节网络结构和权值,可获得比BP神经网络更高精度的映射模型,具有很强的泛化能力。该方法可为解决大型复合材料结构优化设计提供一条高效途径。     

基于贝叶斯网络分析空间态势

战场态势分析是指挥决策的基础,作为一种知识推理和进行概率推理的框架,贝叶斯网络在具有内在不确定性的决策问题中得到了广泛的应用。因果推理是态势评估中的一个重要环节,用叶斯网可以找出态势假设和事件之间的潜在关系,切合了态势评估所需完成的功能。     

Application of neural networks to South African GPS TEC modelling

The propagation of radio signals in the Earth’s atmosphere is dominantly affected by the ionosphere due to its dispersive nature. Global Positioning System (GPS) data provides relevant information that leads to the derivation of total electron content (TEC) which can be considered as the ionosphere’s measure of ionisation. This paper presents part of a feasibility study for the development of a Neural Network (NN) based model for the prediction of South African GPS derived TEC. The South African GPS receiver network is operated and maintained by the Chief Directorate Surveys and Mapping (CDSM) in Cape Town, South Africa. Vertical total electron content (VTEC) was calculated for four GPS receiver stations using the Adjusted Spherical Harmonic (ASHA) model. Factors that influence TEC were then identified and used to derive input parameters for the NN. The well established factors used are seasonal variation, diurnal variation, solar activity and magnetic activity. Comparison of diurnal predicted TEC values from both the NN model and the International Reference Ionosphere (IRI-2001) with GPS TEC revealed that the IRI provides more accurate predictions than the NN model during the spring equinoxes. However, on average the NN model predicts GPS TEC more accurately than the IRI model over the GPS locations considered within South Africa.     

一种基于TMS320F2812的PCI主模式实现

航空电子系统对飞行控制系统的性能及精度要求越来越高,采用DSP和PCI实现数据的处理和传输成为一种发展趋势,并广泛应用于飞行控制领域。介绍了一种采用F2812及PCI9054实现数据处理和传输的电路,给出了基于F2812及PCI9054的PCI主模式的设计,也给出了一种16位局部数据总线做主模式的解决方案,实现了DSP到PCI的主模式访问,为飞行控制系统提供了高性能的解决方案。     

机器学习在湍流模型构建中的应用进展

借助于高性能计算机和数据共享平台的发展,研究者可以获取大量的高分辨率湍流计算数据。近年来,随着深度神经网络等人工智能技术的发展,数据驱动的机器学习方法也开始应用于湍流模型中不确定度的量化以及模型的改进和构建中。湍流大数据与人工智能相结合是湍流研究的一个新领域。研究者在取得一定成果的同时也面临着诸多困难和挑战,例如模型的泛化能力和鲁棒性等。模型构建过程包含了数据处理、特征选择以及模型框架的选取与优化等诸多方面,这些方面在不同程度上影响模型的性能。本文从机器学习在湍流建模过程中的实现方法和模型的不同作用两方面分析总结了目前主要的研究工作进展,并对这类问题面临的挑战和未来的研究展望进行了阐述。     

基于三维点云重建的助推器位姿估计

助推器分离是运载火箭发射过程中的关键动作之一,常用的激光雷达姿态测量技术在助推器分离阶段受外界干扰严重,难以准确获得位姿。基于视觉的助推器位姿变化测量技术具有优秀的抗干扰能力,通过搭建三维点云重建网络,以图像为输入,三维点云为输出,在构建的助推器分离过程的图像 点云数据上进行了训练和测试,对测试重建的助推器点云使用主成分分析的方法完成了位姿的估算。测试结果表明,所建立的三维点云重建网络可以根据仿真图像数据,精确测量助推器分离阶段的位姿变化,在R2score指标下,对三维坐标的预测分数均在0.98以上,姿态角平均误差约为21°,预测分数则均在0.80以上。     

分数阶Cohen-Grossberg神经网络的Mittag-Leffler稳定性

在整数阶 Cohen-Grossberg神经网络与分数阶理论及分数阶神经网络的基础上,提出了分数阶 Cohen-Grossberg神经网络。为了研究该类型神经网络,引入 Mittag-Leffler函数并利用 Mittag-Leffler函数及分数阶导数的相关性质,进而通过构造 Lyapunov函数的方法,研究了分数阶 Cohen-Grossberg神经网络的 Mittag-Leffler稳定性,并最终给出了相应的充分性条件。最后,通过实例仿真验证了结论的正确性。     

民用飞机电子设备舱推力回收喷管计算分析

介绍了某型民用飞机电子设备舱排气系统主要组成,排气系统推力回收喷管的工作原理和设计要求,并分别通过理论计算和CFD三维仿真模拟,验证了该推力回收喷管的性能和关键设计尺寸。     

基于通用组件的分布式仿真系统的研究

介绍了一个基于MATRIXx的通用实时分布式仿真系统的开发。该系统可以接受来自网络或本地终端的不同数据输入。仿真模块中的应用模型能自动获取这些数据，并加以分析和计算，最终输出实时的仿真控制信息，同时设计了相关仿真组件来实现数据的输入与输出以保证实时通用的数据传输。实验结果表明，仿真的实时性能够得到充分保证。     

Recent progress of machine learning in flow modeling and active flow control

In terms of multiple temporal and spatial scales, massive data from experiments, flow field measurements, and high-fidelity numerical simulations have greatly promoted the rapid development of fluid mechanics. Machine Learning(ML) provides a wealth of analysis methods to extract potential information from a large amount of data for in-depth understanding of the underlying flow mechanism or for further applications. Furthermore, machine learning algorithms can enhance flow information and automat...