基于卷积神经网络的深度学习流场特征识别及应用进展

深度学习架构的出色性能使得机器学习在流体力学中的应用得到新的发展,可以应对流体力学中诸多问题和需求。卷积神经网络（CNN）强大的非线性映射能力以及分层提取信息特征的功能,使其成为当下流场特征研究不容忽视的工具。围绕这一研究前沿与热点问题,概述和归纳了这一研究领域的进展与成果。首先,对深度学习在流体力学中的发展以及卷积神经网络进行了简单的回顾。然后,从卷积神经网络能够识别特征出发,先后介绍了基于卷积的深度学习特征识别在流场预测、流动外形优化、流场可视化精度提升和生成对抗等应用方面的研究进展。最后,对深度学习在流场识别领域的应用进行了展望,为后续的研究提供参考。     

基于自动核构造高斯过程的导弹气动性能预测

在导弹的初期设计阶段,通常需要对导弹的气动性能进行快速粗略评估。针对传统工程估算软件计算精度低和CFD方法计算代价大的缺陷,提出一种基于高斯过程回归（GPR）代理模型快速预测典型导弹气动性能的方案。以导弹外形参数和攻角作为模型输入,升力系数、阻力系数和力矩系数作为模型输出,对GPR模型的气动性能预测结果进行分析。首先,与其他常用代理模型的预测精度对比,GPR模型对3种系数的预测误差分别仅为0.24%、0.36%和0.36%,高于其他代理模型的预测精度。其次,考虑GPR模型核函数选择严重依赖人工先验知识的问题,采用了一种自动核构造算法,无需先验知识即可从数据中自动学习核函数。将该算法嵌入GPR框架中,与传统GPR模型比较,实验结果表明：基于该算法的GPR模型对3种系数的预测误差分别降低到0.10%、0.22%和0.17%。最后,给出导弹气动性能快速预测的应用实例,结果表明所提出的GPR模型的导弹气动性能预测方案是有效的,能够满足设计初期快速且精确的气动性能预测需求。     

螺纹连接件胶接防松性能测试技术研究

对螺纹连接件用防松胶开展防松性能试验方法的研究,选取典型厌氧胶、螺栓与螺母组件进行防松性能试验,对试验结果进行对比分析,根据国外乐泰胶在航天产品上的应用情况,给出后续研究的重点方向。     

航天器是如何研制出来的？

目前,人类已发明了3种用于开发太空资源的航天器,即人造地球卫星、载人航天器和空间探测器。它们虽然千姿百态,各不相同,但其研制过程大致相同,一般需经历技术研究（也叫概念研究）、方案论证、初样研制和正样研制4个阶段。     

一种多钉铆接连接件的疲劳寿命分析方法

针对目前对多钉铆接连接件进行疲劳寿命分析时的可行性不高、计算量较大等问题,提出一种更加有效可靠的预测多钉铆接连接件的疲劳寿命的方法。对多钉铆接连接件进行疲劳寿命分析时,先对压铆铆接过程进行了显示动力学分析,获得铆接后的钉、孔变形形式和干涉量,并编写了APDL子程序用于各种形式试件的铆接过程分析。用紧固件的载荷-位移曲线进行细节应力分析。基于三维弹塑性有限元法建立铆接连接件的载荷-位移计算方法,并通过与试验结果对比,说明用本文方法获取载荷-位移曲线的可靠性。在ANSYS中建立钉单元,并实现参数化建模进行钉载计算。使用应力严重系数法估算连接件疲劳寿命。开展典型航空铆接连接件疲劳试验,计算结果与试验结果一致性较好,说明计算方法的可行性。      

基于粗集和支持向量机的雷达信号识别法

结合粗集的属性约简和支持向量机的分类机理,提出了一种融合算法.应用粗集理论的属性约简过程作为数据的预处理,把冗余的属性和冲突的对象从决策表中删去,却不损失任何有效信息;然后利用支持向量机进行分类识别.这样可以大大降低数据维数,减小支持向量机分类过程中的复杂度,在不同程度上避免了训练模型的过拟合现象,且分类性能更加优越.最后通过对雷达信号识别的仿真实例说明了上述方法的有效性.     

面关机针栓式喷注器发动机头部传热分析

对面关机针栓式喷注器发动机头部的传热情况进行了分析建模,应用数值方法分别计算了发动机在工作过程和关机后头部集液腔内推进剂温度的瞬态变化情况.计算结果表明,发动机在工作过程中头部集液腔中的推进剂温升很小,关机后推进剂有不超过200℃的温升.从计算结果来看,头部的推进剂处于安全的温度范围内.