有限元结果的映射及应用

实际工作中 ,常常希望将粗网格有限元分析结果映射到同一实体不同有限元细网格模型上或其子区有限元模型上去作进一步分析。本文提出了一个简便、可行的映射方法 ,编制了程序 ,协调了不同部门之间数据的传递 ,完善了不同软件系统的数据接口 ,成功地解决了有限元模型细化与子区模型问题。     

混合动网格方法研究

基于Delaunay图映射的动网格方法是一种快速、鲁棒的新型方法,其具有无需迭代、效率高、适用于任意拓扑结构的网格等特点。在分析影响Delaunay图映射方法变形能力主要因素的基础上,对Delaunay图映射方法进行了改进,通过在Delaunay图中增加辅助点,并结合弹簧原理动网格方法,消除了Delaunay图在大变形时出现交叉的问题。通过三维翼身组合体大变形算例验证了发展的混合动网格方法的可靠性和处理气弹问题时的计算效率。     

鲁棒的结构网格自动化重叠方法

网格技术是目前数值模拟中的关键技术之一。重叠网格是一种放宽拓扑要求、减小网格生成难度的网格技术。本文以结构重叠网格为基础,分别针对挖洞、寻点以及洞面优化方法进行了研究和改进,同时完成物面网格重叠,形成了一套鲁棒的、自动化的网格重叠系统。在挖洞方面,结合“最小洞映射”方法,提出“复合式挖洞”方法,节省内存开销;在寻点方面,通过构建格心虚网格,保证搜索空间的连续性,同时结合“有效搜索”思想,排除部分对寻点无贡献的网格点,进而减少ADT叉树节点;在洞面优化上,改变填补判别法则并引入两类受保护洞内点,确保两层插值边界建立,提高鲁棒性;在物面网格重叠上,利用物面投影法完成坐标修正,实现物面附近网格流动变量的准确传递。为验证本文方法,分别对定常翼身组合体DLR-F6绕流和非定常机翼挂载分离过程进行了数值模拟,计算结果与实验结果吻合良好,表明该结构重叠网格系统对多物体间定常、非定常扰流具有较好的数值模拟能力和较高的模拟精度,具有较高的工程应用价值。     

基于数据挖掘的飞行器气动布局设计知识提取

为了更深入地理解飞行器气动布局设计优化中多目标/多设计变量间的影响关系,提高优化模型的科学性及优化效率,对基于数据挖掘技术的飞行器气动布局隐含设计知识提取问题开展了探索研究。以高升阻比滑翔飞行器布局设计优化问题为例,基于当前比较有代表性的方差分析、等度量映射、决策树、自组织映射4类机器学习算法对气动布局优化设计中产生的中间数据进行了挖掘分析。对不同方法得到的升阻比、横/侧向稳定性及容积率4种目标性能间的权衡关系,目标性能与设计变量间的敏感性关系及产生较优布局外形的设计变量取值规则进行了综合对比分析,凝练形成了适用于该类飞行器的设计知识,同时对4种方法的特点及适用性进行了总结分析,给出了相关结论。     

数字电视地面接收机的解映射改进算法及实现

针对《数字电视地面传输系统帧结构、信道编码和调制技术规范》国家标准(以下称国标),提出一种用于国标全模式接收机的解映射改进算法。利用国标中的QAM星座图中符号与信息比特间的规律,简化解映射电路,同时实现多QAM模式的解映射模块复用。算法已在基于FPGA的国标全模式接收机中得到了验证,与传统解映射算法相比,算法既节省了硬件资源,同时还提高了系统速度。     

基于改进多维条件映射模型的稀疏拉格朗日模拟

发展基于MMC(多维条件映射模型)的稀疏拉格朗日模拟,可大幅降低PDF方法的计算量。通过计算一系列简单的圆管射流算例来验证改进的MMC模型的适用性,并分析稀疏拉格朗日模拟RMS统计结果中的随机噪音误差。由于MMC模型对标量梯度较大的剪切层作用较为明显,同时考虑粒子数变化对参考空间特征值的影响,提出一个稀疏拉格朗日MMC的普适模型,对MMC模型中的小尺度混合过程的模化进行改进。采用改进的模型对圆管射流问题进行模拟,计算结果表明,提出的模型具有通用性,与文献报道中的给定相空间特征值的方法模拟结果基本一致;同时,开展了稀疏粒子场统计均方根中噪声的产生及变化规律的研究,计算结果表明稀疏的拉格朗日模拟中出现的随机噪音干扰大小取决于LES网格从粒子场取值的方式,选取的粒子越多则噪音越小。     

基于量子粒子群和流形学习的分类方法及其在发动机故障诊断中的应用

针对测量参数存在的非线性、参数间的耦合性以及噪声干扰,将量子粒子群算法引入到流形学习的参数选择中,结合径向基神经网络,提出了一种故障诊断方法。邻域个数和约简维数是流形学习中的关键问题。结果表明:该方法首先利用量子粒子群算法优选邻域个数、约简维数和径向基函数的参数,再利用等距特征映射(ISOMAP)对原始参数进行非线性降维,提取其低维流形特征,从而进行故障分类。结果表明:该方法能够有效地对发动机各种复合故障进行分类,精度达到97.33%,量子粒子群优于基本粒子群优化的分类结果;其分类精度明显优于主元分析(PCA)、核主元分析(KPCA)方法,且有很强的抗噪能力。     

变批次长度的非线性分布参数系统迭代学习控制

针对一类离散的非线性分布参数系统,提出了一种批次长度随机变化的迭代学习控制问题.该类系统由抛物型偏微分方程构成.该方法采用伯努利型随机变量来描述迭代长度随机变化的情况,并根据分布参数系统的性质以及P型分布更新控制算法设计了迭代学习控制器.基于压缩映射原理,给出了系统输出误差收敛的充分必要条件并加以证明.结果表明,所提出...     

基于混合策略的麻雀搜索算法改进及应用

针对麻雀搜索算法(SSA)搜索精度不高、全局搜索能力不强、收敛速度慢和易于陷入局部最优等问题,提出了一种基于混合策略的麻雀搜索算法(HSSA)。采用改进的Circle混沌映射初始化种群,提高种群多样性;结合樽海鞘群算法改进发现者的搜索公式,提高算法迭代前期的全局搜索能力和范围;在加入者的搜索公式中引入自适应步长因子,提高算法的局部搜索能力和收敛速度;通过镜像选择机制,提升每次迭代后的个体质量,提高算法的寻优精度和寻优速度;在位置更新处加入模拟退火机制,帮助算法跳出局部最优。利用8种测试函数进行测试,结果表明,改进算法比SSA有更好的寻优性能。将改进前后算法与极限学习机结合进行实验,人体表面肌电信号数据集的分类预测精度从80.17%提高到90.87%,证实了改进算法的可行性和良好性能。     

基于数字孪生的航班链延误动态预测模型

针对复杂多变的航班运行环境,提出一种基于数字孪生的航班链延误动态预测模型,以改善传统预测方法的精度及自适应性。模型基于数字孪生航班链系统构建,采用滑动窗口下的多通道特征建模完成单元级航班延误预测,并提出一种混合优化策略进行模型参数的动态优化,最后通过孪生数据驱动的链式分析方法实现了全航班链的延误分析与修正。采用国内航班数据进行实验,得到在各个窗口下的航班延误平均绝对误差（Mean absolute error, MAE）为11.79 min,低于其他基线模型和静态模型;且引入孪生数据驱动分析和修正后,紧随其后的航班预测误差比此前进一步降低了6.44%。结果表明,模型有利于数字孪生航班链系统实现虚实交互,并具有优良的预测精度和自适应性。