非平衡流解耦方法及其计算激波诱导燃烧的应用验证

介绍并发展了一种改进的化学非平衡流动解耦方法.将流动控制方程与化学反应生成源项解耦处理,组分对流项的矢通量分裂基于流动方程密度对流项的分裂形式给出.对流项采用五阶WENO格式求解,化学反应源项的刚性采用简化的隐式方法进行处理.将该方法应用于预混H₂/O₂和H₂/Air激波诱导燃烧计算,得到的定常及非定常燃烧过程与实验观测相符,振荡频率与实验测量较吻合,结果表明该方法应用于多组分多步反应流计算是可行的.      

高超声速层流气动热预测混合算法研究

提出了兼顾激波和边界层模拟的混合算法--在激波区逼近NND格式,在流动光滑区逼近三阶偏置格式,采用了Steger-Warming、KFVS和Vanleer三种典型的矢通量分裂方法,对来流马赫数为10、基于头部半径的雷诺数为1×105和1×106的球头绕流的壁面热流进行了计算.计算结果表明:混合算法明显降低了热流对网格的依赖性.在此基础上完成了钝双锥和双椭球壁面热流的预测,得到了与实验测量一致性比较好的结果.     

信息融合图像识别算法及其在三维飞机图像识别中的应用研究

将D S证据推理与不变矩理论相结合,提出了信息融合图像识别算法,并应用于三维飞机图像的识别。构造了基本置信指派函数,建立了分类规则,针对Dempster组合规则只适用于高置信度、低冲突性的情况,应用可解决证据冲突的加权分配冲突法及吸收法,完成了三维飞机图像识别的仿真,比较了3种组合规则的识别效果,结果表明吸收法识别率最高。     

高阶精度格式WCNS-E-5在亚跨声速流动中的应用研究

采用高阶精度非线性紧致加权格式WCNS-E-5和Baldwin-Lomax模型,求解雷诺平均Navier-Stokes方程,开展了典型翼型与机翼的湍流流动数值模拟研究.对方程中粘性项采用的四阶精度差分近似以及网格导数求解与边界格式的四阶精度,保证了高精度算法的实现.计算结果表明:本文算法能够准确地模拟这些翼型与机翼的亚跨声速流场,得到与实验测量十分吻合的壁面压力分布,计算结果对网格的依赖性小.     

证据冲突下自适应融合目标识别算法

 利用证据理论对空中目标识别系统的观测信息融合时,Dempster规则对低冲突信息的融合结果较为理想,但无法对高冲突信息有效融合。Dubois &; Prade(DP)规则及证据折扣法可对高冲突信息进行合理融合。为使不同融合方法发挥各自优势,提出一种自适应融合算法。首先将矛盾因子和证据距离两者结合以更全面地表示证据冲突程度,当冲突较小时,选用Dempster规则,反之,根据冲突的具体情况选择使用DP规则或证据折扣法。通过目标识别实验对多种算法进行了对比,表明本文算法既能对高冲突证据进行合理融合,又能使融合结果快速收敛,可以有效地提高识别速度及正确率。     

基于多目标优化的运输机任务设备配置研究

为得到合理的任务设备配置比例,对运输机任务设备配置进行优化。军用运输机可执行多种任务类型,需要配置不同的任务设备以实现货舱构型的转换。任务设备的配置比例应兼顾任务成功率、经济性和利用率等多目标要求。为此,以小规模运输机队为研究对象,给出了任务设备配置目标优化原则和边界条件,建立了配置模型,运用线性加权和法进行求解,并进行了模型灵敏度分析和偏差分析,得出了各任务设备的最佳配置比例,可解决小规模运输机队的任务设备配置问题。实例证明了配置结果的有效性。     

基于D—S证据理论的航空发动机故障诊断

航空发动机滑油中舍有摩擦副产生的磨损微粒。通过滑油介质中所含磨损微粒中元素的分析．运用Dempster-Shafer证据融合诊断方法,对航空发动机的磨损状态等进行有效的诊断,确定发动机的磨损程度,以及发动机的磨损部位,从而可对发动机的故障排除作参考。在融合过程中提出了先对每个元素的磨损量和磨损率进行融合,再总体融合的方法。针对Dempster—Sharer证据融合的局限,应用了两种改进的融合方法,并进行比较。实例表明,Dempster—Shafer证据融合是一种有效的航空发动机滑油磨损的故障诊断方法。     

信息融合技术在飞机发动机油液故障诊断中的应用研究

详细介绍了信息融合技术中的D-S证据理论,并运用该理论能够处理不确定信息能力的特点,对油液分析的光谱数据和铁谱数据进行了有效的融合,解决了单独分析方法难以得到综合信息的问题,提高了飞机发动机油液故障诊断的准确性.     

杯形陶瓷CBN砂轮修整工艺及参数优化

针对金刚石滚轮修整杯形CBN砂轮时各修整工艺参数对砂轮修整后磨削TC 4时的磨削温度、磨削力和表面粗糙度的影响进行实验研究,并对磨削温度和表面粗糙度进行了多因素回归分析.在回归分析得到的数学模型基础上,进一步对磨削温度和表面粗糙度进行双目标加权优化,得到了粗磨和精磨钛合金时砂轮的最佳修整参数,并通过磨削实验对优化结果进行了验证.     

基于优化SPOT和D-S证据理论的测试性验证方案

针对现有基于序贯验后加权检验的测试性验证方案对测试性设计指标之间的模糊参数空间考虑不足,以及未能充分运用测试性多源先验信息的问题,提出一种优化序贯验后加权检验和D-S证据理论相结合的测试性验证方案。首先,考虑测试性设计指标之间的模糊参数空间,构建三参数空间复杂假设,并基于Bayes理论研究序贯决策规则,同时确定决策因子以及决策阈值;其次,以测试性指标构成的参数空间为辨识框架,分别构造基于专家信息以及测试性试验数据等先验信息的基本信任分配函数,建立融合多源先验信息的优化序贯验证方案;最后,结合实例进行研究,并与经典验证方案、传统Bayes验证方案、序贯概率比检验方案以及序贯验后加权检验方案进行了对比分析。结果表明,该方案由于考虑了模糊参数空间以及充分融合了多源先验信息,有效解决了模糊参数空间的处理问题,同时所确定的平均故障样本量在决策支持的参数空间均优于其他方法。