某航天器电子设备减振设计与试验验证

某航天器回收系统电子设备在发射过程会经受大量级的随机振动,因此需对其进行减振设计。首先建立电子设备-减振器的减振系统动力学模型,给出减振器的刚度和阻尼特性测量方法和减振系统减振效果的预估方法;然后设计了一种内部填充聚氨酯棒的钢丝绳减振器,通过扫频试验对其刚度和阻尼特性进行测量,并根据所建立的动力学模型预估减振系统的减振性能;最后根据实际飞行环境条件对减振系统进行随机振动试验,结果表明该减振系统性能的预估结果与试验结果具有较好的一致性。以上方法可用于指导后续型号的电子设备减振系统设计。     

基于多目标优化的星空认知网络鲁棒波束成形算法

卫星通信(SC)网和无人机(UAV)通信网之间频谱共享、相互融合,能较大提升频谱效率,有望成为第6代移动通信的关键技术之一。与现有文献不同,本文在系统非完美信道状态信息(CSI)的条件下,考虑了次级用户可达速率最大化和发射功率最小化2种准则,利用加权切比雪夫方法构建满足概率约束的多目标优化问题(MOO);由于该问题较为非凸,利用概率公式、半正定松弛等方法将其转化为凸问题,并进一步通过半正定规划(SDP)求解,得到鲁棒波束成形权矢量,获得2种性能指标间的帕累托最优权衡。计算机仿真验证了所提鲁棒波束成形算法的有效性和优越性。     

进气道出口堵盖打开爆炸冲击条件下固冲发动机动态响应分析

固冲发动机转级时进气道出口堵盖通常采用火工品爆炸方式打开,会对固冲发动机产生很大的瞬时冲击作用,进而影响弹体飞行姿态和弹上仪器的正常工作.借助Autodyn软件的显式动力学方法,对进气道出口堵盖打开时爆炸冲击响应进行了数值仿真分析,获得了固冲发动机不同位置的冲击加速度时域曲线和冲击响应谱曲线,并与试验结果进行了对比分析...     

计算大型实对称特征问题的 Lanczos-QR 算法

为了计算大型实对称特征值问题Ｋｘ＝λＭｘ的少数低阶特征值对,本文给出Ｌａｎｃｚｏｓ－ＱＲ迭代方法。首先,给定初始迭代向量ｖ１,作ｍ步Ｌａｎｃｚｏｓ分解：ＫＶｍ＝ＭＶｍＴｍ＋ｈｍｅｍＴ。取Ｔｍ的ｄ个最大特征值为移位量,对Ｔｍ进行ｄ步带原点位移的ＱＲ分解。然后,修改初始迭代向量ｖ１。迭代地重新开始这一过程,迫使初始迭代向量ｖ１进入需求的特征子空间,从而使残量‖Ｋｘ－θＭｘ‖→０。数值例子表明,该方法收敛性强,且稳定、有效。     

计算大型实对称特征问题的Lawnczos—QR算法

为了计算大型实对称特征值问题Ｋｘ＝λＭｘ的少数低阶特征值对,本文给出Ｌａｎｃｚｏｓ－ＱＲ迭代方法。首先,给定初始迭代向ｖ１,作ｍ步Ｌａｎｃｚｏｓ分解：ＫＶｍ＝ＭＶｍＴｍ＋ｈｍｅｍ＾Ｔ。取Ｔｍ的ｄ个最大特征值为移位量,对Ｔｍ进行ｄ步带原点位移的ＱＲ分解。     

钢板数控下料排样的一种优化算法

讨论了毛坯需求需要精确满足的不规则型毛坯数控气割下料排样问题。采用组块剪切排样法,排样时首先形成矩形组块,然后使组块在板材上优化排列。本文对两维约束排样算法进行修改,使之能生成所述排样问题的切割方式。最后应用所述算法给出变压器生产中钢板数控下料实例的优化排样方案,并与手工排样结果进行了对比     

基于基元反应的总包机理建模及算法优化

以煤油/氧的化学动力学体系为例,介绍了基于基元反应的总包机理建模、反应速率计算等国际先进方法,归纳了针对化学动力学过程由建模到求解的一套完整流程。首先选用正十二烷作为煤油的替代燃料,通过直接关系图法(DRG)结合计算奇异值摄动法(CSP)的机理简化方法将正十二烷203组分、738步的详细反应机理化简为了32组分、36步的总包反应机理。为了计算总包反应速率,采用线性准稳态假设(LQSSA)计算准稳态组分浓度,解耦了准稳态组分间的非线性耦合,在保证计算精度的同时提高算法稳定性和效率。最终,通过VODE刚性积分求解器求解化学动力学方程组,并形成了一套可与CFD主程序耦合使用的化学动力学计算子程序。     

挠性和晃动动力学模型解耦及局部迭代算法

针对飞行器地面试验时由于模态阶数过高容易引起动力学运算发散的问题,提出将挠性振动及液体晃动模态和星体转动角加速度解耦,并采用局部迭代运算的方法减小迭代误差,从而避免了挠性和晃动动力学运算发散;解耦后的挠性和晃动动力学模型参数可以离线计算,减小了迭代计算量,降低了对计算机的性能要求,且易于工程实现.仿真验证表明解耦及迭代...     

面向航天异构平台的深度学习编译器加速技术优化

为了解决TVM编译器在航天应用过程中优化时间过长的问题,针对TVM的自动搜索框架Ansor,提出一种新的基于LightGBM算法的成本模型来预测代码的运行时间。LightGBM算法由于减少了分裂点数量、样本数量、特征数量,使得新成本模型有效地降低了计算量,在不损害准确率的条件下加快了模型的训练速度,缩短了优化时间。实验结果表明,在相同的优化任务下,具有新成本模型的Ansor在优化时间上提高了1.6倍,整体推理时间提高了6.1%。