粒子群算法在装配序列规划中的应用方法研究

将粒子群优化算法引入到装配序列规划中,详细讨论了粒子群算法在装配规划中的数学表示,给出了适应度函数评价方法,并实现了装配干涉矩阵的构建,以发动机化油器装配为例,分析了粒子群算法在装配序列规划中的具体应用.     

固体火箭发动机喷管喉部凝相颗粒粒度分布实验

设计了一种新的收集固体火箭发动机喷管凝相颗粒的实验装置,针对典型的HTPB复合推进剂,开展了喷管喉部凝相颗粒的收集实验和粒度分析,研究了燃烧室压强和收敛角度对喷管喉部颗粒粒度分布的影响规律。研究结果表明,喷管喉部的凝相颗粒在0.27～50μm之间都有颗粒存在,凝相颗粒主要集中在0.3～15μm之间,粒径大于15μm的颗粒较少;燃烧室压强对颗粒粒径有较大影响,随着燃烧室压强的升高,凝相颗粒粒径变小,粒度分布更为集中;燃烧室压强相同的条件下,收敛角度对喷管喉部的凝相颗粒粒度分布影响较小。     

基于S-PSO分类算法的故障诊断方法

将监控数据的已知状态作为先验类别标签,构造出新的有监督的粒子群优化(S-PSO)分类算法,并对设备进行故障诊断。为提高故障诊断的准确率,降低随机性对分类算法的影响,提出了新的基于动态邻域的自适应探测更新(ADU-DN)的干预更新策略来拓展粒子搜索整个解空间的能力,引导粒子自适应地跳出局部最优区域,确保获得全局最优解;同时设计出基于最小类内距离、最大类间距离和训练样本最大分类精度的适应度函数,使得输出的最优类别中心兼顾了这3个因素,增强了分类算法在故障诊断中的通用性和容错性,提高了测试样本的分类精度。S-PSO分类算法有效克服了聚类算法只考虑数据间相似性特征、不考虑数据蕴含的物理意义以及不能很好指导样本分类的缺陷。对GE90发动机孔探图像纹理特征分类进行了对比研究,研究数据表明:S-PSO分类算法表现出了较强的鲁棒性,在故障诊断中的分类精度高于支持向量机(SVM)和常用神经网络模型。     

AHPSO-SVM预测超声内圆磨削ZTA陶瓷的边界损伤

为解决普通加工方式易出现工程陶瓷边缘碎裂的问题,本文对超声内圆磨削工程陶瓷边界损伤预测系统进行了研究。在35 kHz轴向超声磨削与普通磨削两种条件下独立进行试验,运用支持向量机研究工艺参数与边界损伤影响规律,采用改进的粒子群算法优化支持向量机,建立采用混合核函数的AHPSO-SVM预测模型。研究结果表明,超声激励下试件边界损伤降幅为10.05%～21.23%,AHPSO-SVM预测模型MSE为0.378 4、平均相对误差为1.369 0%、30次适应度值标准差为0.020 2。相比于普通磨削,超声磨削可使ZTA陶瓷边界损伤值显著降低;建立的AHPSO-SVM模型具有较好的学习能力、泛化性能与良好的稳定性。     

星载抗辐射加固接收DBF ASIC设计与实现

空间环境中存在的大量粒子,其辐射效应,特别是单粒子效应,严重威胁着空间CMOS器件的可靠性。文章首先分析了几种典型的数字单粒子瞬态加固技术,并提出了一种适合接收数字波束形成ASIC的抗辐射加固电路结构。通过对标准ASIC设计流程进行改进,给出了抗辐射加固ASIC设计流程。基于该改进的ASIC设计流程,实现了接收DBF ASIC的研制。     

排气管系三分支接头内部流场的 PIV 测试研究

以内燃机排气管系气体流动损失研究为背景,采用激光粒子图像测速技术对45°三分支管接头在流型6时的内部流场进行测量,获取了在不同流量比及气流马赫数工况下接头内部的流场数据。接头的支管段与主管段内径均为50mm,分支夹角的交界点处以及支管的转角处都为锐角边缘。通过对不同流量比 q 和马赫数 Ma 的工况进行测试,得到了气体在三分支流动中的试验数据。结合压力损失数据对比分析不同工况的速度场和流线图谱等流场特征,测试结果表明:流型6时,接头内的流场存在明显的流动收缩;气流的流动参数将影响和改变接头内的流场特性,其中随着支管与总管流量比的增大,接头内气流湍流区域扩大,压力损失增加;流出端马赫数对流场特征及压力损失也存在影响,Ma 为0.13和0.31时,总压损失系数变化不大,当 Ma 增大到0.59时,总压损失系数大幅度增加。     

基于粒子群算法的翼型优化设计

采用粒子群算法（PSO）对层流翼型进行了以提高升阻比为目标的优化设计。翼型的设计达到了设计要求,优化设计后的翼型气动特性也有显著地改善,这表明了粒子群算法应用于翼型气动优化设计的可行性。在优化设计的过程中,粒子采用递减惯性权重,以加强粒子初期的全局搜索能力与后期的局部搜索能力。翼型由解析函数线性叠加法表示,目标函数和粒子的适应度由基于二维欧拉方程的流场数值解来提供。     

Al-Cu-Mg-Ag合金强度性能的支持向量回归预测

为了研究不同时效工艺下Al-Cu-Mg-Ag合金强度性能,根据实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了SVR预测模型.模型以Al-Cu-Mg-Ag合金时效温度与时效时间为输入,合金的抗拉强度、屈服强度为输出.经过与BP神经网络模型进行比较,结果表明:对于相同的训练样本和检验样本,支持向量回归模型比BP神经网络模型具有更高的预测精度.     

空间辐射环境危害综合监测原理样机研制

依据空间辐射环境的分布特性及具体空间辐射效应的特征判据,设计出多功能、模块化的航天器空间环境危害监测样机。该样机可针对不同运行轨道辐射环境采用不同的探测模块组合,能够实现单粒子效应、总剂量效应、位移损伤效应、表面充电效应和深层充电效应等辐射危害的综合监测,且具有高集成、低功耗的特性,可为卫星平台提供有效的辐射危害实时监测告警和故障诊断支持。     

基于改进PSO-SVM参数优化的发动机起动过程辨识

针对影响支持向量机辨识性能的核函数及相关参数,找出使辨识结果最佳的核函数;结合两种措施改进粒子群算法,优化相关参数,选择最佳的参数组合.对比 BP 神经网络和支持向量机对发动机起动过程的辨识结果,得到支持向量机的辨识精度和收敛时间优于 BP 神经网络,与起动数据基本一致.在训练样本存在噪声的情况下,验证了所建辨识模型具...