一种改进的自组织特征映射算法

针对SOM算法用于训练生成矢量量化码书存在的不足，提出了一种基于频率敏感的自组织特征映射算法（FSOM）．并应用到图像矢量量化中。实验表明，与SOM算法相比。FSOM算法具有更好的聚类特性和峰峰信噪比（PSNR），是一种有效的码书设计算法。     

支持向量机在航空发动机起动模型辨识中的应用研究

支持向量机（SVM）可以优化网络,有效降低模型复杂性,不存在维数灾难和局部极小问题。本文以某型发动机起动调整试验的试车数据为样本,使用SVM对某一大气条件下的发动机起动模型进行了辨识,并使用另外一组试车数据．通过辨识模型对起动过程进行了仿真;最后,比较了SVM和RBF神经网络起动模型的辨识精度。结果表明,用SVM辨识发动机起动过程模型,方法简单,学习速度快,辨识精度较高。     

轴流风机中支板通道的流动分析及改进

采用了NUMECA FINE软件包Euranus求解器对轴流风机电机支板内部流动进行了全三维数值模拟,结果表明电机支板的安装对风机的性能具有较大的影响.根据计算结果对支板结构进行了改型设计,并对改型后轴流风机的气动性能进行了数值计算,改型结果表明,采用改型后的支板结构使得整个流量范围内风机的效率有所提高,电机支板内部流动损失明显减小,流动更加合理.     

基于随机森林的风洞马赫数预测模型

在风洞试验中,马赫数的稳定性和快速性对风洞流场品质有着重要影响。为了实现马赫数的精确控制,必须对马赫数进行快速、准确的预测。风洞试验积累了大量数据,大数据集包含了更多的有益信息,为实现马赫数的精确预测提拱了可能性,但也增加了建模的复杂度。通常高度复杂的模型会加重其在实际使用时的计算负担。针对大数据集问题,本文将随机森林方法应用于风洞马赫数建模。随机森林是一种集成模型建模方法,它从3方面降低模型的复杂度:产生多个样本子集,减少了子模型的训练样本个数;具有并行集成结构,子模型可在不同的CPU上运行,提高了运行速度;以简单学习算法回归树作为基学习机,降低了子模型的复杂度。试验证明基于随机森林的马赫数预测模型能够有效利用试验积累的大数据,满足工程上预测速度及精度的要求。     

2.4米跨声速风洞条带悬挂支撑试验技术研究

为提高大型飞机风洞试验时的支撑系统刚度、降低支撑气动干扰以及实现真实船尾后体流动的模拟,在2.4米跨声速风洞中建立了条带悬挂支撑试验系统.主要包括专用试验段、条带支撑机构、控制系统、天平设备、标模及半弯刀尾支撑机构研制等六部分.系统研制成功后,在2.4米跨声速风洞中开展了流场调试及标模试验,分别采用风洞试验和数值模拟方法获取了条带悬支撑的干扰量.在某飞机高速风洞试验中,采用条带支撑系统,获得了飞机模型的气动特性,并与尾撑试验结果进行了对比.以条带支撑为辅助支撑,得到了尾支撑干扰量,与腹撑试验结果进行了对比.研究结果表明,条带悬挂支撑系统具备型号应用条件,同期重复性精度高,在-2°≤α≤2°范围内,重复性精度满足σCL≤0.0012,σCD≤0.00013,σCm≤0.0005,标模试验结果与国外风洞试验相关性较好;条带支撑干扰试验结果与数值模拟吻合较好,低亚声速时支撑干扰量较小,在-4°≤α≤10°范围内,M=0.6时的支撑干扰量ΔCL≤0.005,ΔCD≤0.0008,ΔCm≤0.005.     

拉伸板中心孔干涉配合对载荷幅值的影响

为研究干涉配合中被连接件最小截面（SCS）所传递载荷（截面载荷）的幅值得以降低的原理,按一定规律对销钉与板进行分区,并将其用同等刚度的弹簧代替,建立了销钉干涉配合的弹簧分析模型,进而从弹性角度解释了干涉配合中板的最小截面所传递载荷的幅值得以降低的原因。基于该模型分析了静载下截面载荷随外载的变化规律,得到了循环载荷下截面载荷幅值与外载幅值间的关系,其与有限元分析（FEA）结果之间的最大误差不到20%。分析发现：连接件与被连接件间的接触力随外载变化的自动调节作用是截面载荷幅值降低的原因;对于特定的绝对干涉量,干涉配合只对一定范围内的外载具有调节作用。当外载在干涉配合的有效影响区时,截面载荷幅值的降低程度完全决定于连接件与被连接件的相对刚度;若外载过大使得钉孔发生分离,干涉配合不仅对载荷幅值不再具有调节作用,还容易引起钉孔接触面的微动磨损。     

基于谐波小波包和SVM的滚动轴承故障诊断方法

针对滚动轴承故障诊断问题开展研究,设计了基于谐波小波包和支持向量机（SVM）的新型诊断方法.与传统的时频特征提取方法相比,谐波小波包具有盒状频谱和无限细分的优势.首先对滚动轴承的振动数据进行谐波小波包分解,利用各频段的小波分解系数计算特征能量,归一化之后作为特征向量,为设计的多类SVM模型提供训练样本和测试样本.利用SVM的非线性映射能力,将三个二分类器相组合设计了基于二叉树的多类SVM模型,实现了对滚动轴承的故障诊断.最后,利用Case Western Reserve University电气工程实验室的滚动轴承试验台的振动数据对设计的诊断方法进行了验证.结果表明,设计的诊断方法比传统的方法具有更高的准确率.     

基于DE-RLSSVM算法的航空发动机传感器故障诊断

为了使约简最小二乘支持向量机(RLSSVM)具有更好的稀疏性和泛化能力,利用微分进化(DE)算法选择RLSSVM的支持向量,提出了DE-RLSSVM算法.在benchmark回归数据集上的仿真试验表明该算法具有很好的稀疏性和泛化能力.然后将该算法用于航空发动机传感器故障的诊断,提出了基于DE-RLSSVM算法的航空发动机传感器故障诊断方法.该方法利用DE-RLSSVM算法对传感器故障进行监测,然后进行定位和隔离.数字仿真结果表明该传感器故障诊断系统能够实现对航空发动机传感器硬故障的检测与隔离.      

转子-基础系统的随机不确定建模与振动分析

以具有基础弹性支承的Jeffcott转子为研究对象,并考虑到外部随机激励对基础的作用和转定子间的碰摩现象,建立了带碰摩故障的转子-基础随机外激励系统的动力学微分方程.应用相应的数值仿真方法,给出了该系统随外部随机激励变化影响下的轴心轨迹、频谱图和Poincaré图等;分析了随机外激励的变化对转子-基础系统的影响.结果表明随机外激励强度和谱宽的变化以及周期外激励频率的改变将引起振动模式(如频率和波形等)的改变,并将导致转子出现周期、倍周期和混沌等复杂的动力学行为.      

SVM在气体减压器稳定性能中的应用

使用支持向量机(SVM)研究涡轮气封减压试验系统中高压卸荷膜片式减压器的稳定性问题,主要集中于以往方法不易涉及的多结构参数变化.针对稀疏易有残缺的小样本空间,与BP(back propagation)神经网络模型进行对比,得出SVM方法在所研究数据集上的一些结论:SVM模型预测性能在多结构参数变化情形下优于BP神经网络模型,预测误差平均降低了25.5%;SVM的泛化性好于BP;在双参数、三参数情形下,SVM模型为气体减压器的设计提供了更好的决策支持,给出了优化结构参数的设计建议.