基于Kriging模型的轴承结构参数优化设计方法

轴承的生热率与轴承的使用寿命密切相关,为了减小轴承的生热率,以滚动轴承拟静力学分析和滚道控制理论为基础,求得轴承运转过程中的相关参数,进而得到轴承生热率.将轴承最小生热率为目标函数,通过Kriging模型和粒子群优化算法相结合的方式进行了轴承结构参数优化.对NSK 7016A5轴承的研究结果表明:轴承结构参数优化后,轴承整体和轴承内外圈生热率均变小.Kriging模型和粒子群优化算法相结合的轴承结构参数优化方法取得了良好的设计效果,并且提高了轴承的设计效率.      

基于CPSO的UAV编队集结路径规划

针对多无人机编队集结路径规划问题,提出了具有合作机制的分布式协同粒子群(CPSO)算法。为了满足无人机运动学约束,采用曲率连续的PH曲线作为备选路径。基于协同进化思想提出CPSO算法,为每架无人机规划出一条满足机间协同约束的最优安全可飞行路径。仿真结果表明,规划得到的多条路径能够满足无人机运动学约束、安全性及无人机之间的协同性要求;相比于协同进化遗传算法,CPSO算法搜索成功率更高,稳定性更好。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

基于粒子群算法-最小二乘支持向量机算法的磁化曲线拟合

磁化曲线是强非线性函数,提高磁化曲线的拟合精度对含有铁磁材料的电气设备建模准确性至关重要。提出了一种基于粒子群算法-最小二乘支持向量机(PSOLSSVM)算法的磁化曲线拟合方法。该方法用粒子群优化算法解决了最小二乘支持向量机(LSSVM)参数的选择问题。仿真结果显示PSOLSSVM算法能获得最优的LSSVM参数,且采用PSOLSSVM算法拟合的磁化曲线与实际测量的磁化曲线基本无偏差,拟合精度较高。     

永磁同步直线电机建模及混沌搜索优化设计

建立了永磁同步直线电机的电磁场有限元物理模型,以此对气隙磁密波形畸变率进行了深入的分析。通过电机参数样本空间设计,利用正交试验设计方法进行非线性回归建模分析,给出了气隙磁密波形正弦度可行的电磁方案。基于混沌搜索理论和适应函数对永磁同步直线电机结构参数进行优化。仿真结果表明,在此结构参数基础上,电机磁极偏移后其三相反电势依然有较好的对称性,为永磁同步直线电机及其他的电磁工程设计提供了一种新的思路。     

基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。     

周向畸变进气下压气机动态失速特性研究

为研究周向畸变进气下压气机动态失速特性,在一大尺寸低转速压气机试验台上进行了均匀进气和180°周向畸变进气下压气机动态失速实验。采用时域观察、频域快速傅里叶变换以及时频域的同步压缩小波变换、基于同步压缩小波变换的空间模态分析和小波相干性分析等方法对动态失速信号进行分析。结果发现,畸变进气下,压气机旋转失速发生前出现0.225倍转子转动频率的一阶模态扰动,该扰动在相对畸变网不同位置区域周向传播速度不一致。宽带非定常扰动在畸变区尾缘附近最强,在畸变区前缘附近最弱,并存在周向尺度转化现象。转子转动频率扰动周向也出现强度变化,最大值出现在非畸变区中心附近的测点。周向畸变条件下集总系统模型对比实验结果的分析表明:实验和模型结果符合较好,旋转失速前非定常扰动周向强度和尺度变化主要受流量系数变化的影响,而一阶模态扰动周向传播速度不均匀现象是畸变进气下压气机系统特性作用的结果。     

PSO-LSSVM在民机气动性能数学建模上的应用

目前风洞试验仅为民用飞机飞行性能提供有限数据.全飞行包线的技术支持对于民机飞行试验十分重要,需要采用数学建模和参数辨识的方法.选择合适的机器学习算法是参数辨识中最为关键的一步.支持向量机(SVM)采用结构风险最小化原理,尤其适用于小样本情形.根据A320非巡航起降阶段的几组真实数据,以及全机气动力估算的结果,使用最小二乘支持向量机建立预测模型.随后采用粒子群算法优化模型参数从而提升泛化能力.由此实现民机飞行包线的气动性能整体建模与辨识.与Ma=0.78时的实验数据相比较,PSO-LSSVM模型的预测结果吻合,是一种有效的气动数学建模方法.     

GNSS超快速产品在全球标准时间复现中的应用

为满足大跨度空间范围内的时间同步需求,对基于共视时间比对原理的标准时间复现系统进行改进,采用全视时间比对方法解决原系统应用基线受限的问题.考虑实时性的要求,使用全球卫星导航系统(GNSS)超快速产品(预测部分)提供卫星位置和卫星钟差,以尽可能消除广播星历和钟差对复现结果的影响.分析了常用的几家机构发布的GNSS超快速产...     

GNSS驯服芯片级原子钟方法研究CSCD

芯片级原子钟是一种体积小且功耗低的高精度时钟源,具有广泛的用途。针对这一特点,设计了基于GNSS的芯片级原子钟驾驭算法。以GNSS系统时作为参考,测量芯片级原子钟与GNSS系统时间的钟差,并对芯片级原子钟进行钟差建模,获取其特征参数。通过乒乓法计算出钟驾驭调整量,对芯片级原子钟进行控制,最终将芯片级原子钟驾驭到GNSS系统时间上。经过实验验证,在驾驭时间常数为100s的情况下,芯片级原子钟与GNSS系统时间的时钟同步误差在-7.5~7.5ns之间;1h频率准确度为5.8×10-13;平均时间为10000s时的频率稳定度为3×10-13。