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%。     

基于神经网络的Haynes 282合金高温流动行为表征及其有限元应用北大核心CSCD

通过在热/力学模拟试验机上开展等温压缩试验获得了Haynes 282合金的真应力-应变数据。Haynes 282合金在高温变形过程中表现出显著的动态再结晶特性,其流动应力对热力参数敏感度较高,且与热力参数呈复杂的非线性关系。为了准确地描述和预测Haynes 282合金的真应力-应变关系,将热变形参数作为输入,将流动应力作为输出构建了反向传播神经网络。对神经网络的评估结果表明所构建的神经网络能够精确地表征Haynes 282合金的高温流动行为。通过将构建的神经网络以材料子程序的形式植入有限元软件中,建立等温压缩试验有限元模型,实现了Haynes 282合金高温流动行为的精确仿真。     

模糊极大极小算子神经元网络的图灵等价性

将模糊Zadeh算子的定义域作了扩充,并重新定义为模糊极大极小算子,使其满足交换律、结合律和零元律.在此基础上提出一种模糊极大极小算子型神经元网络模型,符合一般模糊算子型神经元网络的定义.与传统的Zadeh算子型模糊神经网络相比具有较强的映射能力.详细证明了用该模糊极大极小算子神经元网络可以计算与图灵机等价的部分递归函数,从而表明模糊极大极小算子神经元网络的计算能力等价于图灵机.将传统神经元M-P模型神经网络的图灵等价性推广到模糊神经元网络.     

基于数据挖掘和小波神经网络的航材消耗预测方法

运用数据挖掘技术对航材消耗的历史数据进行关联分析,筛选小对保障飞机飞行有重要作用的航材消耗数据,大大缩减了需要预测的航材数量,同时对消耗航材之间的内在影响关系进行量化。在分析人工鱼群算法原理的基础上,对算法中步长参数和视野范同参数的设置方法进行了改进。实例结果表明,运用小波神经网络预测航材消耗的方法大大降低了预测误差,说明了该方法的有效性、可行性和实用性。     

弹道导弹飞行时间的BP神经网络控制方法

时间协同攻击是提高弹道导弹突防能力和作战效能的一种重要手段。由于发动机推力偏差等干扰因素造成导弹的飞行时间偏差较大,为精确控制弹道导弹的飞行时间,运用BP神经网络算法,建立了一种适用于较大飞行时间偏差修正的飞行时间调控模型。该模型用视加速度偏差表征推力偏差等干扰的影响,根据视加速度偏差调整导弹飞行中某一时段的程序角来实现对飞行时间的精确控制。由BP神经网络建立满足飞行时间偏差要求下视加速度与飞行程序角速率、转弯结束时间之间的映射关系。导弹实际飞行时,根据实际视加速度,由BP神经网络在线计算出飞行程序角速率及转弯结束时间,使导弹在干扰条件下仍以预定飞行时间到达目标。最后,通过仿真验证了该模型的有效性和可行性。     

利用BP神经网络对卫星无热敏设备温度的估测

卫星上测温资源有限,只有部分设备有测温点,难以准确获得其他无测温点设备的温度.基于反向传播(BP)神经网络对复杂非线性系统优秀的拟合能力,建立了估测卫星上无测温点设备温度的神经网络,以在轨有测温点设备温度为输入层,以在轨无测温点设备为输出层,并使用卫星热试验获得的星上温度遥测数据和在轨无测温点设备的热电偶温度数据进行训...     

基于相似变换的涡扇发动机智能动态推力估计方法

智能推力估计面临飞行包线大、工作状态多变带来的数据采集和处理问题,获得的训练数据难以覆盖整个飞行包线的各种过渡工作状态,为此本文提出一种基于相似变换的推力估计数据处理方法。通过机理分析选择推力估计器输入,以相似变换对推力估计的输入和输出数据进行处理,并设计了基于输入延迟的深层动态神经网络来实现动态推力估计。非训练数据区域的动态仿真结果表明,相似变换后,深层动态神经网络的最大推力估计误差降低了62.20%,平均误差降低了43.50%;未进行相似变换时,相比深层静态神经网络,深层动态神经网络的最大推力估计误差降低了43.42%,平均误差降低了2.35%,仿真结果表明了本文所提出的数据处理方法和动态推力估计结构有效性。