基于涡系相交不稳定性的飞机尾流控制方法

在飞机飞行的过程中尾涡会伴随着升力产生,威胁后机的飞行安全.在简化机翼模型上添加扰流片,通过一个矩形翼以引入一个与主翼尾涡大小不同、方向相反的小涡,构建尾流自消散四涡系统,以期诱发尾涡的Rayleigh-Ludwig相交不稳定性.通过改变扰流片的大小形状,调整模型的攻角和拖曳速度,采用粒子图像速度场仪测量系统定量研究在低雷诺数下单主翼尾涡发展特性以及双涡相互作用特性.研究表明:在未添加扰流片时,尾涡环量在45个翼展内相对于初始环量基本保持不变;在添加扰流片的情况下尾涡的环量衰减可以达到35%~55%,而未添加的基本翼型的尾涡的环量则几乎保持不变,这说明添加适当的扰流片能诱发尾涡的Rayleigh-Ludwig相交不稳定性,加速尾涡的消散,当小涡和主涡的初始环量比为-0.489、初始距离比为0.5时,45个翼展范围内,尾涡环量衰减55.9%.本文系统性的实验结果可以为低尾流机翼的设计提供参考依据.      

基于LSTM的空间机器人系统惯性张量在轨辨识

在空间机器人抓捕目标的过程中,整个系统的惯性张量会随时间变化且在目标被捕获瞬间发生突变,这会严重影响整体姿态控制的精度。针对以上问题,提出了一种基于长短期记忆（LSTM）的系统惯性张量在轨实时辨识方法。首先,对于目标捕获前后的2个阶段,利用拉格朗日方程建立了空间机器人的动力学模型;然后,基于所建空间机器人模型采用域随机化方法生成足量训练数据,并用其对由LSTM网络与多层全连接网络构建的参数辨识网络进行训练;最后,使用训练好的参数辨识网络对系统惯性张量进行辨识。数值仿真结果表明：所提方法能够精确辨识空间机器人抓捕过程中的系统惯性张量,所研究系统的主惯量平均相对辨识误差小于0.001,惯性积的平均相对辨识误差小于0.01。     

Solving Job-Shop Scheduling Problem Based on Improved Adaptive Particle Swarm Optimization Algorithm

An improved adaptive particle swarm optimization(IAPSO)algorithm is presented for solving the minimum makespan problem of job shop scheduling problem(JSP).Inspired by hormone modulation mechanism,an adaptive hormonal factor(HF),composed of an adaptive local hormonal factor(H l)and an adaptive global hormonal factor(H g),is devised to strengthen the information connection between particles.Using HF,each particle of the swarm can adjust its position self-adaptively to avoid premature phenomena and reach better solution.The computational results validate the effectiveness and stability of the proposed IAPSO,which can not only find optimal or close-to-optimal solutions but also obtain both better and more stability results than the existing particle swarm optimization(PSO)algorithms.     

空间碎片超高速碰撞数值模拟的SPH方法

利用光滑质点动力学SPH(Smoothed Particle Hydrodynamics)方法对Whipple防护结构在空间碎片超高速碰撞下的物理过程进行了数值模拟.在数值模拟中,为了充分发挥SPH方法和有限元方法FEM(Finite Element Method)的优点,利用有限元单元和SPH节点混合建模,将有限元单元和SPH节点(SPH nodes)通过定义接触条件相结合,在大变形和飞溅区域采用SPH节点建模,而小变形区域则采用有限元单元建模,从而大大节省求解时间,提高计算效率.计算结果表明,弹丸在穿透前板后,形成二次碎片,碎片云经膨胀和拉长,对后板造成轻微的损伤,这和文献的相关试验数据是符合的.利用SPH方法对空间碎片的超高速碰撞过程进行数值模拟,不仅很好地预测了Whipple防护结构的破坏情况,而且对整个碰撞过程,包括碎片云的形成、膨胀和拉长过程都有形象的描述,符合超高速碰撞的试验测试结果.     

基于PSO算法的直接驱动阀用音圈电机优化设计

音圈电机(VCM,Voice Coil Motor)直接驱动伺服阀(DDV, Direct Drive Valve)采用VCM直接驱动滑阀阀芯,VCM的性能对DDV整体性能起决定性作用.由于VCM的几何设计参数对性能提升存在相互矛盾,需要在允许的参数空间内寻找一组最优的参数,往往需要设计者试凑多次.在介绍VCM原理和结构的基础上,分析了各设计参数对性能的影响.定义了针对DDV应用需求的VCM优化目标函数,应用变惯性权值和带收敛因子的改进粒子群优化(PSO, Particle Swarm Optimization)算法在设计约束的多维参数空间内进行VCM优化,得到满足设计约束的最优设计参数,表明PSO算法在类似应用中具有较强工程应用价值.      

基于有限元Craig缩聚模型的基础激励和载荷识别

载荷识别是用有限自由度的加速度测量值推断外力.基础激励是在基础自由度上加给定的加速度时间历程激振结构,求整个结构的动响应.利用Craig减缩模型的性质,及界面自由度的已知运动可求出整个结构其余自由度的动力学响应,完成基础激励求解.在此基础上用已知的界面自由运动和求得的非界面自由度的动力学响应,代入结构动力学方程即可实现载荷识别.本方法唯一能给基础激励和载荷识别结果带来的偏差是Craig缩聚模型与原始有限元模型间的差异,对此用频响分析的方式,直接从频响曲线的变化来确定缩聚模型的精度.算例表明这一新的基础激励和载荷识别途径是有效的.      

大型导弹车工作模态识别研究及应用

针对大型导弹车在运输状态下的动态特性识别问题,设计制作了能够反映大型导弹车主要动力学特征的简化模型,使用最小二乘复指数法（LSCE）对简化模型进行了动态特性识别,对识别结果进行了分析和评估,并将最小二乘复指数法应用到真实大型导弹车运输状态的模态识别中。可为大型导弹车运输状态下的动力学特性分析提供参考。     

整机条件下涡扇发动机部件特征参数辨识

为解决整机条件下难于直接获得部件全部特征参数的问题,在计算发动机部件特征参数对整机性能敏感度的基础上,利用条件数分析参数之间的相关性最终确定可修正参数数量.这样即可构造工程上可解的辨识问题,并通过最小二乘法求解.仿真计算结果显示:高压压气机效率为0.982与初设值0.98一致,说明该方法从理论上是可行的.从具体实例的辨识结果来看,有压气机后温度测试时部件效率降低量值符合实际结果;无压气机后温度测试时高压压气机效率较设计状态偏高12.7%,不符合实际发动机工作情况.显然辨识问题是病态的,为此可修正参数不应超过6个.      

基于PSO算法的舰载机舰面布放调度方法研究

基于智能粒子群(PSO)算法对戴高乐航母舰载机舰面布放调度问题的解决方法进行了研究。首先,分析了舰载机舰面布放调度的必备条件,包括设置舰面战位;测量计算舰载机由各个停机战位分别到2个准备战位的近似移动距离;分析了舰载机正常的出动流程;设计了不同数量舰载机的出动时间计算公式等。其次,将舰载机舰面布放调度问题转换为带有约束条件的多目标函数求最小解问题,并给出了数学模型。再次,分析PSO算法本身的特点、优点,给出其用于解决舰载机舰面布放调度问题的可行性,并具体分析了解决思路。最后,通过编制程序对该解决方法予以实现。实验结果表明,基于PSO算法的舰载机舰面布放调度问题解决方法是可行的,与实际要求也基本一致。