基于深度学习的非定常周期性流动预测方法

为了克服传统CFD计算需要耗费大量的计算时间与成本的缺陷,提出了一种基于深度学习的非定常周期性流场的预测框架,可以实时生成给定状态的高可信度的流场结果。将条件生成对抗网络与卷积神经网络相结合,改进条件生成对抗网络对生成样本的约束方法,建立了基于深度学习策略采用改进的回归生成对抗网络模型,并与常规的条件生成对抗网络模型的预测结果进行对比。研究表明,基于改进的回归生成对抗网络的深度学习策略能准确预测出指定时刻的流场变量,且总时长比CFD数值模拟减少至少1个量级。     

Numerical study of transonic separation flow using an anisotropic turbulence model

A transonic turbulent separation flow in a converging-diverging transonic diffuser was studied, when there existed a separation bubble on the top wall of the diffuser triggered by strong shock-wave-boundary-layer-interaction (SWBLI). To capture the essential behavior of this complex flow, the current study utilized an anisotropic turbulence model developed on the basis of a statistical partial average scheme. The first order moment of turbulent fluctuations, retained by a novel average scheme, and the turbulent length scale, can be determined from the momentum equations and mechanical energy equation of the fluctuation flow, respectively. The two physical quantities were readily used to construct the nonlinear anisotropic eddy viscosity tensor and to significantly improve the computational results. Comparisons between the computational results and experimental data were carried out for velocity profiles, pressure distribution, skin friction coefficient, Reynolds stress as well as streamline vectors distribution. Without using any empirical coefficients and wall functions, the numerical results were in good agreement with the available experimental data, further confirming that the nonlinear anisotropic eddy viscosity tensor is the decisive factor for the success of the computational results.     

基于改进平方根无迹卡尔曼滤波方法的涡扇发动机气路状态监控

针对涡扇发动机气路状态监控存在模型未知或不准确导致滤波效果下降甚至发散的问题,研究了一种融入高斯过程回归（GPR）的改进平方根无迹卡尔曼滤波（UKF）方法.该方法利用GPR对训练数据进行学习,建立发动机气路部件状态监控的GPR模型,替代UKF方法中的非线性系统模型;采用超球体单形采样和平方根滤波方法来提高滤波的计算效率和数值稳定性.仿真结果表明:训练的GPR模型解决了UKF方法对发动机原系统模型和噪声协方差矩阵依赖性的问题;与扩展卡尔曼滤波（EKF）和平方根UKF方法相比较,改进平方根UKF方法精度更高,对健康参数的估计精度达到99.9%,实现了对涡扇发动机单个和多个气路部件健系参数的有效跟踪.      

JTIDS系统抗干扰性能分析

文中分析了联合战术信息分发系统(JTIDS)的系统结构以及采用的抗干扰体制,研究了该系统在高斯白噪声和人为部分频带干扰情况下的比特误码率,进行了仿真,并对仿真结果进行了分析。     

线性独立增量过程分析方法

提出了线性独立增量随机过程的概念和定义,建立了线性独立增量过程回归模型及其分析方法,给出了回归方程和高置信度、高可靠度的置信上、下限曲线.传统回归分析方法只能对数据点进行分析处理,线性独立增量过程分析方法则能够对过程进行回归分析,因此可以对性能退化、裂纹扩展等线性独立增量过程进行整体推断,具有信息量大、精度高的特点.大量Monte Carlo模拟和工程应用表明,在试样数相同的情况下,该方法比传统方法具有更高的精度,而在精度相同的情况下,则可减少试样.      

飞机地面局部气候环境研究

飞机结构腐蚀疲劳寿命研究主要依靠典型结构件(疲劳+腐蚀)代替全尺寸机体结构进行试验和分析,因此,在机场总体环境谱基础上进一步分析飞机局部环境谱有着重要意义。首先根据模糊聚类分析方法,将飞机舱室压缩、简化分类为3种状态:开式、半开式和封闭式,然后采用实测温度、相对湿度的方法,获得飞机地面停放局部气候环境参数的大量数据,并建立气象参数与飞机各类舱室以及同类舱室参数间的线性关系。通过这些关系式和机场环境谱,就可以确定飞机局部舱室所经受的腐蚀环境历程,编制局部环境谱,为进一步选择典型结构件提供依据。     

最小二乘支持向量回归机在可靠性分析中的应用(英文)

经典的响应面方法作为回归方法来模拟可靠性设计中的状态变量和基本变量之间的函数关系,用以解决直接数值模拟方法计算量大的问题。这类算法已经成功解决了一些隐式功能函数的可靠性分析问题,但它依据的"经验风险最小"原则影响了它的使用范围。基于"结构风险最小化"的支持向量回归机方法具有良好的小样本学习性能和泛化能立,比传统的回归方法具有优越性。但支持向量回归机方法对大样本的可靠性问题在时间和空间上开销巨大。为了克服这一不足,本文将最小二乘支持向量回归机引入到可靠性分析中。算例结果表明:基于最小二乘支持向量回归机的可靠性方法计算得到结果精度较高,在计算耗时上远小于支持向量回归机的可靠性方法,因此在工程应用上具有一定价值。     

基于SPSO-SVR的融合航空发动机传感器故障诊断

针对航空发动机常见的传感器故障问题, 提出了一种利用改进的粒子群算法训练支持向量回归机, 并利用融合机制将其应用于传感器故障诊断.论述了用一簇支持向量回归机(SVR)预测器对传感器进行实时检测, 通过逻辑判断机制隔离故障传感器, 并且依据剩余的无故障传感器信息实现信号重构.以某型航空发动机传感器在其整个工作范围内受到的冲击、偏置和漂移故障为例, 验证了基于自协调粒子群优化支持向量回归机(SPSO-SVR)算法的融合诊断机制对传感器单一故障和多重故障具有较高的精度和计算效率.      

CUTTING TEMPERATURE OF CBN TOOLS WHEN MACHINING STEEL OF MEDIUM HARDNESS

ＣＵＴＴＩＮＧＴＥＭＰＥＲＡＴＵＲＥＯＦＣＢＮＴＯＯＬＳＷＨＥＮＭＡＣＨＩＮＩＮＧＳＴＥＥＬＯＦＭＥＤＩＵＭＨＡＲＤＮＥＳＳＣｈｅｎＷｕｙｉ１（陈五一）,ＤａｖｉｄＫ．Ａｓｐｉｎｗａｌ２,ＨａｎＳｈｕｗｅｎ３（韩书文）１ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉ...     

提高NLOS环境下定位精度的TOA数据处理方法

基于移动通信环境中非视距NLOS(Non-Line of Sight)传播时延扩展服从指数分布的特性,提出了提高波达时间TOA(Time of Arrival)定位方法精度的一种数据处理方法.该方法首先对TOA测量数据进行分析,从中剔除明显不合理、对定位精度没有贡献、甚至会增加定位误差的测量值,保留误差最小的3个,然后采用最小二乘LS(Least Squares)法对移动台坐标进行估计.仿真数据表明,该数据处理方法不但能够有效提高NLOS传播环境下TOA定位方法的精度,并对视距LOS(Line of Sight)传播条件下的定位精度影响不大,具有较好的环境适应能力.