含缺陷C/SiC平纹机织复合材料拉伸力学行为数值模拟

采用APDL语言实现ANSYS的二次开发,建立含预制缺陷的纤维束截面卵圆形多尺度单胞模型。首先计算纤维束单胞的初始模量,强度以及最大应变;随后利用扫描电镜图中的缺陷建立单胞模型,并引入周期性边界条件,预测材料的初始各向材料常数。同时利用Linde提出的逐渐损伤准则,进行单轴拉伸力学行为的数值模拟,并阐述该平纹机织复合材料单胞模型在经向拉伸载荷作用下其纤维束的损伤及演化过程。该模型计算得到的最大拉应度为0.65%,强度为256.46 MPa。结果表明,该模型给出的数值模拟结果与实验数据吻合较好,证明了模型的有效性,为该类材料的优化设计及其力学性能分析提供了一种有效方法。     

基于局部应力法的 Bayes -神经网络舵板寿命预测

舵板是某水下航行体的关重件,为预测其使用寿命,文章建立了舵板航行体的计算域模型,通过仿真并运用局部应力应变法,计算出舵板在特定环境应力下的寿命;利用贝叶斯估计的先验知识以及神经网络,联合预测出舵板在不同的环境应力下的使用寿命。     

电离层参数行为的相轨道表示及其新的预测模型

以不同时间尺度的电离层参数时间序列重构的相轨道,表征了该参数的复杂行为,并由此提出了参量预测的相空间相似及回归模型。两模型用于海口(20°2'N,102°20'E)f₀F₂和M(3000)F₂的预测,取得了满意的结果。      

广义预测自适应控制器在导弹控制系统设计中应用

将一种新的广义预测自适应控制算法应用于快速时变的导弹控制系统设计中。讨论了设计参数对控制系统性能的影响;针对自适应控制信号过大,提出了改进方案,增强了系统的鲁棒性和抗干扰能力。大量的数字仿真结果表明:运用该方案设计的导弹控制系统具有很好的跟踪性能和强的抗干扰能力;对系统阶次、参数、时延和采样周期的变化具有很强的鲁棒性;自适应算法中,对验前知识要求少,实现起来也比较简单。     

典型复合材料结构固化变形仿真预测与控制验证

针对典型复合材料结构固化成型过程中变形难以控制的问题,本文对典型复合材料结构的固化变形进行仿真预测,从固化工艺和模具补偿两方面对固化变形加以控制和验证。固化工艺方面以各设计点变形数据为基础确定了最优固化工艺曲线,模具补偿方面提出了一种构件有限元模型自适应调整的方法,综合考虑固化工艺参数与模具型面补偿采用了一种基于全局补偿量的协同控制方法。结果表明,通过仿真模拟L形构件的固化变形误差为12.4%,借助响应面优化算法得到的L形构件最优固化工艺曲线其固化变形预测值与各试验设计点最大变形的最小值偏差不超过3.3%;T形加筋壁板有限元模型经自适应调整后,对于下表面与目标型面之间的偏差距离,数值模拟值与试验测量值的最大相对误差为17.20%。通过全局补偿量的协同控制方法对半筒形壁板的模具进行补偿,其固化变形最大值相比于传统单一模具型面补偿控制方法降低了接近90%。     

基于模糊预测的飞机故障预测系统研究

使用Delphi语言开发了一个飞机故障模糊预测系统,建立了飞机故障模糊预测模型。介绍了系统的总体结构和各模块功能,阐述了飞机故障预测系统知识库的推理过程。     

基于群体进化策略的电磁态势预测

针对战场电磁态势预测问题,基于群体智能优化算法的可靠性与全局性等特点,提出了一种利用融合Cholesky因子更新的CMAES算法优化的RBF神经网络方法,利用在CMAES算法中添加Cholesky的秩-μ更新来提高算法的速度和准确度,提高网络学习的效率与预测精度。仿真实验验证了该方法可以有效提高电磁态势的运算速度与精度。     

基于UKDE和XGBoost的航班过站时间动态预测

为了提高机场运行高峰时航班过站时间预测的精度及可靠性,研究了一种结合无偏核密度估计（Unbiased kernel density estimation, UKDE）和极端梯度提升决策树（Extreme gradient boosting, XGBoost）模型的航班过站时间动态预测方法。首先,考虑模型输入变量航班密度的连续性和不确定性变化,利用UKDE法估计机场航班密度,将其作为动态指标输入模型。其次,引入量子粒子群（Quantum particle swarm optimization, QPSO）法优化XGBoost模型。最后,考虑前序航班延误发生前后输入特征的变化,利用初始预测结果对航班密度进行修正,得到二阶段预测结果。研究结果表明：本文方法在高峰时段的预测平均绝对误差为7.365 min,效果优于随机森林（Random forest, RF）、粒子群（Particle swarm optimization, PSO）-XGBoost和XGBoost,修正后的预测结果平均绝对误差减少了3.373 min;模型输入参数按敏感性程度由高到低依次为航班密度、前序航班提前到港时间和延误...