基于混沌理论的滚动轴承振动信号融合模型预测

提出融合算法模型,在混沌理论的基础上对滚动轴承振动信号进行预测。基于相图法、最大Lyapunov指数法和关联维数法对滚动轴承振动信号进行混沌判别,证明其混沌性。以预测值和真值间差值范数最小为目标导向优化出Kriging模型、最小二乘支持向量机(LSSVM)模型和极端学习机(ELM)模型的权重,加权法构建融合算法模型。相空间重构法构建滚动轴承振动信号预测的训练样本,并对融合模型、Kriging模型、LSSVM模型和ELM模型进行训练,训练好的模型用于振动轴承振动信号混沌预测。以案例1和案例2共两个实验的滚动轴承振动信号为对象进行验证,两案例的最大Lyapunov指数大于0,从而判断这两个案例的轴承振动信号呈现混沌特性。另外,从方均误差、方均根误差和平均绝对误差指标来评价,融合算法模型的指标值均小于单一模型算法,融合算法模型的预测精度优于单一模型算法。     

脑机接口等新兴科技对传统外科重建肢体功能的启示

肢体瘫痪是人类致残的最主要原因,仅脑卒中等造成的偏瘫在我国就达两千余万患者,长期“无医可治”。中国原创的左右颈七神经交叉移位,将瘫痪上肢神经换接到同侧健康大脑,不仅偏瘫肢体功能显著恢复,更进一步更新发展了传统脑科学理论。然而对于脊髓损伤后肢体瘫痪或严重肢体残缺患者来说仅依靠医学方法尚不能有效治疗。近年来,围绕传统脑电技术发展而来的脑机接口等新兴技术衍生出的交叉学科逐渐兴起,拥有能够解决医学遗留难题的潜能,在国内外掀起一番热潮。作为国家战略需求,研究者应当抓住机会,加大力度支持跨领域、多学科融合,共同研发肢体功能重建新方案,实现新兴科技与中国原创技术融合的再次突破。     

翼身融合布局缩比模型飞行试验动力影响分析

动力系统的进排气效应是影响翼身融合布局飞机俯仰力矩特性和全机纵向配平的重要因素。为了研究动力对全机俯仰力矩的影响,基于飞行动力学方程,提出了一种动力影响计算方法。以某翼身融合布局缩比模型为研究对象,结合风洞试验数据,分析了模型飞行试验中爬升段、平飞段和下降段动力对全机俯仰力矩系数的影响,同时计算了迎角测量误差对俯仰力矩计算结果的影响。分析结果表明:动力使该翼身融合布局缩比模型低头力矩增加,会对全机纵向配平产生不利影响;迎角测量精度对俯仰力矩计算结果有较大影响。     

CARDC 激波风洞 TSP 技术研究进展

从基本原理、关键技术和验证应用三个方面总结了近两年在中国空气动力研究与发展中心激波风洞中开展的温敏涂层(TSP)技术相关研究工作。通过解决快速响应温敏发光材料研制、模型研制、数据处理等一系列关键技术,完成图像采集系统、光学系统及标定系统的配套和系统集成,建立了一套适于激波风洞试验的高速 TSP 测量及标定系统。该技术可在激波风洞试验中获取模型被测面温敏涂层的发光图像,基于该图像可以直接观察模型表面热流分布和捕捉峰值热流的准确位置。结合温敏发光材料的物性参数标定数据,能够实现对模型表面热流的定量测量。不同于传统的传感器点热流测量技术只能得到模型表面有限数量的离散点的热流值,TSP 技术能够以高空间分辨率得到较大面积区域的详细热流分布信息,可更加全面的测量模型外表面的热环境,并且可以据此进一步分析和辨别边界层流态以及确定边界层转捩位置。试验对比表明,TSP 技术的测量结果与点热流传感器的测量结果具有良好的一致性。目前该技术已趋于成熟,在Φ2 m 和Φ0.6 m 激波风洞上成功应用于边界层转捩研究、局部干扰区热环境研究和复杂外形飞行器热环境研究等领域,已成为激波风洞除点测热技术之外又一重要测热技术。     

基于星载可见光相机的空间碎片探测

空间碎片在轨识别与参数辨识为空间轨道预警、航天器规避空间碎片提供了重要依据。文章在轨道相对动力学的基础上,模拟了空间碎片在光学探测过程中的拖尾成像特性;随后,采用 Hough变换对空间碎片尾迹特征.r进行提取与识别,获取碎片方位角信息,通过匹配多帧图像,获取碎片的方位角速度信息。同时,结合激光测距仪的测距信息,获取空间碎片的位置和速度信息;通过数值仿真验证,该方法能够实现对空间碎片探测、识别和定位,因而具有一定的工程应用价值。     

基于深度图像的人体关节点定位方法

提出了一个基于深度图像的人体关节点定位的方法:首先将图像中的人体区域分割出来,然后利用随机森林分类器对逐个像素点进行分类,得到身体的各个部件并寻找关节点的位置。通过实验发现,本方法准确性较高并具有一定实时性。分类的准确率为 68%,相较 Kinect技术(40%)达到了较高的分类水平。预测人体关节点位置的平均时间为每帧 150ms,符合实用性要求。     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

基于纵向滤波的星敏感器低频误差在线估计

多敏感器数据融合是获得更高精度姿态测量的有效方法,敏感器数据融合前必须先修正低频误差。首先,介绍了星敏感器低频误差（LFE）的产生机理及对其在线估计的必要性。其次,针对传统算法的不足,提出了基于纵向滤波的低频误差在线估计算法,该算法将传统低频误差估计问题转化为若干个常值误差估计问题,提高了估计精度。最后,给出了该算法具体实施方式,说明相关参数物理意义及选取原则。通过理论分析及仿真,算法误差可忽略不计。通过在轨数据仿真,星敏感器轨道周期低频误差可被消除。     

回流燃烧室流动特性试验

为了揭示有/无燃烧状态下燃烧室热态和冷态流场的特征和流动特性,针对某型回流燃烧室单头部试验件,使用粒子图像测速仪（PIV）,测量燃烧室燃烧状态下不同截面处的热态流场,以及没有燃烧状态下不同截面处的冷态流场,探讨不同总压损失系数对回流燃烧室热态/冷态流场特征及流动特性的影响。研究表明:随着总压损失系数的增大,冷态条件下各截面流场结构基本保持不变,如射流孔穿透深度、射流角度、回流区位置及大小、流线等基本保持一致,但是各位置点速度大小逐渐增大。热态条件下各截面流场随着总压损失系数增大,流场结构也基本保持不变;相同总压损失系数时,热态流场与冷态流场存在差异,燃油喷射与气流的相对运动将会对燃烧室头部的流场结构造成影响,速度较冷态流动时略微增大。      

翼身融合运输机分布式电推进系统设计及油耗评估

针对翼身融合运输机开展了分布式电推进系统的总体设计与油耗评估。通过数值计算完成了70t载质量翼身融合飞机的气动设计与优化。在巡航马赫数为0.80和10km高度的设计点,最大升阻比达到了24。通过求解积分边界层方程组,完成了电推进系统的总体设计。电推进系统包含10个推进风扇,风扇直径为1.45m,压比为1.35,巡航功率为2.94MW。建立了考虑燃烧过程的发动机一维性能模型,对发动机油耗进行了评估,获得了不同发动机循环参数下燃油消耗。建模结果表明,基于翼身融合布局和分布式电推进技术,可使运输机的油耗较C-17节省近50%。