超临界翼型稳健型优化设计研究

基于标准遗传算法、RBF神经网络以及类函数/型函数变形技术建立了翼型气动优化设计系统,在选取3次CST方法即分别对翼型上下表面采用4个设计变量进行参数化,对某型客机基本翼型在给定设计指标下进行优化设计,分别研究了巡航状态下的气动优化,以及结合蒙特卡洛分析方法马赫数随机平均分布下的翼型稳健型优化设计。结果显示,优化后的翼型的气动特性有着显著提高。     

过载与弹射速度关系研究及神经网络实现

 弹射速度是弹射座椅双态程序控制的主要输入参数之一,其和弹射高度一同决定了救生伞的开伞时间。试验发现,在某些特定的条件下,弹射速度的测量会出现较大误差从而严重影响弹射救生系统的救生性能。提出一种根据弹射座椅出舱瞬间人椅系统体轴 x 方向过载( n_x )值判断弹射速度的方法。建立了人椅系统出舱阶段的数学模型,在MSC.EASY5基础平台上开发了模块化的仿真模型,并基于批处理原理进行了求解器设计。通过数值仿真,建立了平飞状态不同弹射高度及弹射离机质量下体轴 x 方向过载值与弹射速度之间的关系曲线。利用基于误差反向传播算法的人工神经网络,即BP神经网络实现了输入向量（弹射高度及体轴 x 方向过载）到输出值（弹射速度）之间的连续非线性映射。分析了不利姿态参数对关系曲线的影响,在满足工程要求的情况下,可以忽略其影响。用本文方法判断得到的弹射速度与地面弹射试验数据进行了比较,结果表明误差满足工程要求,可以作为弹射速度测量的一种余度设计。     

基于神经网络的机械系统可靠性评价模型

机械系统相关失效的存在,严重地削弱了冗余结构的安全作用。从系统层的应力强度—干涉模型出发,通过Monte-Carlo仿真不同冗余系统的各阶失效概率,获得失效数据。利用BP神经网络算法的函数逼近功能、非线性映射功能和容错能力对系统相关失效概率模型进行离散化处理,建立系统失效概率与零件失效数据之间的非线性关系,进而构建基于神经网络的机械系统可靠性评价的参数化模型。利用该模型可以预测系统中的任意阶相关失效概率。实例给出其应用方法并与实验结果进行对比,表明该方法准确可靠。     

基于ANN的FGH96合金热变形行为的模拟电路模型

在锻造领域,多采用数字模型进行工艺设计和过程控制,但数字模型无法完成材料成形过程的实时控制。因此,有必要建立一种适合于实时控制的材料动态流动行为模型,以提高生产效率和锻件质量。通过热模拟试验,对细晶态FGH96合金的高温流动特性进行了研究,用BP（Back Propagation）网络建立了FGH96合金热变形行为的人工神经网络模型,根据电模拟理论,利用模拟电路的快速反应与易于控制等特点,建立了基于ANN的FGH96合金的模拟电路模型。测试结果表明,所建立的ANN模型和模拟电路模型均具有较高的预测精度,能很好地反映材料热成形过程的动态流动行为,可用于材料热成形过程的实时控制。     

中空纤维膜分离性能实验与预测

利用机载中空纤维膜分离性能测量台架,针对分离性能随引气压力、引气温度、飞行高度等因素的变化规律开展了实验研究;并采用所获得的实验数据作为训练及验证样本,应用人工神经网络预测技术分析了该型膜的性能.研究结果显示:①所建立的数学模型可实现对中空纤维膜分离性能的有效预测;②制氮体积分数与量纲一制氮量成反比,当要求制氮体积分数较高时,其量纲一制氮量下降,制氮效率降低;③在一定制氮体积分数下,制氮量随引气温度、引气压力的增加而增加;制氮效率随引气压力的增加而增加,但随引气温度的增加而减小;④在飞行高度增加的情况下,量纲一制氮量和制氮效率都增加, 而制氮体积分数的影响随飞行高度增加而减小.      

航空发动机排气温度基线建模方法

为实现航空发动机巡航过程中的实时监控,及时发现发动机状态参数的异常变化,提高飞行安全水平,建立航空发动机排气温度(EGT)健康基线。以CFM56-5B型航空发动机为例,将A320飞机机载ACARS系统下传的报文作为原始数据样本,依照设定的数据筛选原则和预处理方法,建立RBF神经网络的输入训练样本和输出训练样本。选用观测基线为网络的输出节点,应用Pearson相关性分析确定网络的8个输入节点。以高斯函数作为网络隐藏层的激励函数,线性函数作为输出层的激励函数,使用NeuroSolutions 6软件实现网络算法。对预测基线和观测基线实施配对非参数检验和图形对比以检验网络精度,结果表明建模方法是建立航空发动机排气温度健康基线的一种有效方法。     

单向CFRP螺旋铣削力建模

螺旋铣削加工工艺具有降低轴向力,改善排屑、散热条件等优点,螺旋铣削力是其重要过程指标之一。对单向CFRP螺旋铣削力建模方法展开研究,预测给定加工参数下的螺旋铣削力。首先,通过对螺旋铣削过程进行运动学分析和切屑几何分析,建立了螺旋铣削过程中侧刃、底刃动态切屑层模型,纤维切削方向角度模型和动态切削力计算模型。然后,分别通过侧刃直线槽铣实验和底刃半齿插铣实验,对各个切削方向角度下侧刃、底刃切削力系数进行了标定,并利用人工神经网络对切削力系数进行拟合。最后,将标定所得的切削力系数代入动态切削力计算模型中,建立了单向CFRP螺旋铣削过程动态切削力预测模型,并通过实验验证了模型的准确性。与现有模型相比,该模型不仅能够预测刀具螺旋运动周期内的切削力变化情况,还可以对每个刀具自转周期内的细节进行预测,通过考虑纤维切削方向角度对切削力系数的影响,反映了单向CFRP材料的各向异性,较为准确地预测了螺旋铣削力。     

基于深度学习驱动的L型定向热疏导机理

碳/碳（C/C）复合材料具有热导率大、比强度高、耐烧蚀和耐冲刷等优异特性,被广泛应用于飞行器的热防护系统中,其有效导热系数对于实际应用而言是重要的热物理性质,尽管可以通过有效介质理论、对热扩散方程直接求解和玻尔兹曼输运方程等传统方法计算C/C复合材料有效导热系数,但这些数值方法通常十分耗时。本文引入深度学习方法,将格子玻尔兹曼（LBM）的三维格子模型作为三维卷积神经网络（3D-CNN）微观结构,不仅解决了三维微观结构模型难以捕获的问题,还便于实现数值计算模型和CNN模型的同步简化,利用3D-CNN快速精准地预测三维三相C/C复合结构的有效导热系数,基于此对内置L型高导热碳纤维丝的定向热疏C/C复合结构的有效导热系数进行快速预测和研究。研究表明,CNN模型在LBM传热计算上表现出强大的学习能力,但在测试样本结构孔隙率过分超出训练集时预测误差将大幅增加,且当孔隙率变化范围从30%~35%变化到55%~60%时,CNN模型"内插"预测的相对误差较模型"外推"降低了0.93%~30.72%。在C/C复合结构中内置L型高导热碳纤维丝可以将高温区域的热量沿纤维方向定向疏导至低温区域。     

离港航空器滑出时间的BP神经网络预测模型

准确地预测离港航空器滑出时间可有效提升机场场面运行效率,降低运行成本。构建基于BP 神经网络的离港航空器滑出时间预测模型,分析影响离港航空器滑出时间的可量化因素,并对其相关性进行检验;通过我国中南某机场2 周实际运行数据对模型进行验证,并以均方根误差、平均绝对误差和平均绝对误差百分比检验预测结果的准确性。结果表明：同时...     

基于全航段QAR数据和卷积神经网络的航空发动机状态辨识

为了充分挖掘全航段飞行数据中蕴含的丰富信息以提高发动机状态辨识的准确率,提出一种基于全航段快速存取记录器（QAR）数据和卷积神经网络的发动机状态辨识方法。该方法将每次飞行循环的全航段QAR数据变换为一个红绿蓝（RGB）多通道样本实现全航段数据图像化处理,根据发动机维修记录中的水洗时间,将发动机划分为不同的衰退状态,采用卷积神经网络对不同衰退状态进行分类和辨识。该方法经某航空公司飞机QAR数据验证,结果表明：基于全航段QAR数据的衰退状态辨识算法的精确度相比于仅使用巡航段数据的精确度提升超过13%,辨识准确率达到98%。