基于融合神经网络的航空发动机剩余寿命预测

航空发动机的性能退化是影响飞机飞行安全的重要因素。准确预测发动机的退化过程,对于飞机安全飞行具有重要意义。针对航空发动机剩余寿命预测问题,本文提出了一种将卷积神经网络和长短期记忆网络相融合的数据驱动模型。与常规使用单一的神经网络不同,所提出的融合模型结合了两种神经网络的优点,利用卷积神经网络提取数据中的空间特征并采用长短期记忆网络提取时间特征。实验结果证实,在寿命预测中,所提出的数据驱动模型与已有的方法相比,评分和均方根误差分别下降了32%和6.4%,因此,所提出的数据驱动模型可对数据中所包含的信息进行充分挖掘,其对航空发动机寿命预测精度较高,并具有良好的稳定性。     

自适应设计空间扩展的高效代理模型气动优化设计方法

对基于Kriging模型气动优化的加点方法和设计空间的构建问题进行了研究。首先,针对高效全局优化（EGO）方法收敛缓慢的问题,提出了一种混合加点方法,该方法通过引入期望提高（EI）阈值控制EI和最小预测值（MP）加点准则,利用先全局再局部的优化思想,提高了EGO方法在确定设计空间内的收敛性。其次,针对设计空间的构建问题,对比了扩大设计变量范围和多轮优化两种不同的设计空间构建方法,分析了设计变量范围对设计空间大小和样本密度的影响,进而提出了自适应设计空间扩展的代理模型优化方法。相对于传统固定设计空间的方法,自适应设计空间扩展的方法在动态的设计空间中进行优化搜索,只在有潜力的维度扩展设计变量范围,通过构建自适应设计空间,实现了样本的高效配置。最后,通过ADODG标准翼型优化算例证实,自适应设计空间优化方法可以大幅提高气动优化设计效率。     

"学习型组织"与建设学习型高职教师队伍

党的"十六大"提出建设学习型社会,向小康社会迈进的奋斗目标.学校首先应该成为学习型组织,而教师职业的特殊性要求教师应成为学习型社会的先行者和示范者.对于创建学习型组织和建设学习型高职教师队伍,高职院校的领导要高度重视,加强领导和引导,提高广大教师的思想认识,增强其责任感和使命感.     

基于代理模型的飞翼多目标气动优化设计

针对飞翼布局飞行器,采用雷诺平均N-S方程（ RANS）计算流场,使用基于代理模型的多目标优化方法进行了同时考虑起飞性能和巡航性能的多点多目标气动优化设计。在设计过程中,将飞翼的平面形状、剖面形状及扭转角同时作为设计变量（共58个设计变量）,将提高起飞时的升力系数和提高巡航升阻比为设计目标,以起飞状态和巡航状态的力矩系数作为气动约束,并以飞翼平面面积不减和剖面厚度不减作为几何约束。通过采用基于Kriging模型的多目标优化方法,以较小的计算花费得到了较好的Perato前沿。取Pareto前沿中一个最优解与基准外形的性能进行了对比,结果显示,优化外形的性能较基准外形的气动性能得到全面大幅提高且所有约束得到严格满足。     

可靠性全局灵敏度求解的Meta-IS-AK算法

可靠性全局灵敏度（GRS）可以衡量输入变量对结构系统失效概率的平均影响,但目前仍然缺乏具有广泛适应性的高效算法。针对此问题,本文将在元重要抽样和可靠性全局灵敏度的贝叶斯算法基础上建立一种新的高效算法。所提算法首先利用已有的贝叶斯算法,将可靠性全局灵敏度转换成由无条件失效概率及输入变量失效域条件下的概率密度函数（PDF）表达的形式,然后分3步来完成算法的组织。第1步是利用元重要抽样的迭代策略抽取失效域的重要抽样样本;第2步是在已有的元重要抽样法中嵌入自适应Kriging模型,高效计算出无条件失效概率;第3步是利用Metropolis-Hastings准则,将失效域的重要抽样样本转化成为原始密度函数在失效域的样本点,进而同时求得各个输入变量在失效域中的条件概率密度函数,并最终求得可靠性全局灵敏度。由于所提算法充分利用了已有的可靠性全局灵敏度贝叶斯算法的维度独立性、元重要抽样法对隐式多失效域的适应性以及元重要抽样法中嵌入式Kriging模型的高效性,因此所提算法具有广泛的适用范围和较高的效率,该结论得到了算例结果的充分验证。     

基于深度学习的飞行载荷测试与反演方法研究

飞行载荷测试技术对飞机的载荷设计、强度试飞以及寿命监控等有重要的意义。为了实现复杂翼结 构气动载荷的实时在线分布测试,提出基于精细化有限元仿真数据驱动的载荷反演方法;使用深度学习方法建 立神经网络代理模型,通过有限元方法构建典型载荷下的结构响应数据集,对模型进行训练;将基于深度学习 方法的翼面载荷反演结果与有限元计算结果进行对比验证。结果表明:总载荷的平均误差约为0.2%,压心位 置误差约为1%,该方法可以使用少量的应变测点数据对整个翼面结构的载荷分布实时反演与重构。     

Prospects of de-tumbling large space debris using a two-satellite electromagnetic formation

Capturing large space debris with complex rotational motion is extremely challenging. A de-tumbling phase before capturing may be necessary to reduce the risk of collision with debris. This paper proposes a new noncontact de-tumbling method using a two-satellite electromagnetic formation, in which two small electromagnetic satellites, each having a high-temperature superconducting coil, generate control torques to reduce the rotation rate of debris prior to making any physical contact. The electromagnetic interaction of the target-satellite system is analyzed. A relative translational dynamics of the target–satellite system and the attitude dynamics of the target are established. Simulation results show that the proposed method effectively eliminates the rotational motion of the target. It can be safely concluded that the noncontact method for de-tumbling space debris using a two-satellite electromagnetic formation is feasible and potentially applicable to on-orbit capture.     

宽角扫描相控阵天线有源阻抗的计算

在进行相控阵天线设计时,需要辐射单元间互耦进行分析与计算,采用小阵试验的方法来进行相控阵天线有源阻抗匹配比较耗时、费力。文章介绍了一种比较实用的相控阵天线有源阻抗匹配计算方法,并利用HFSS软件给出了两个仿真计算实例和试验验证结果,具有重要的参考价值。     

不同初始温度下等离子体对H2/Air混合物燃烧影响

等离子体助燃过程是一个非平衡的,瞬时的,极不均匀的物理化学过程,活性粒子在等离子体助燃计算中是一个关键难题。文章建立H2/Air燃烧的化学动力学模型,计算与分析了在非平衡等离子体条件下,气体放电产生的活性粒子(O,H)和活性基(OH)在不同初始温度下对燃烧过程中参与燃烧的组分以及温度和压力的影响,为航空发动机燃烧室等离子体助燃实验研究和实际应用提供理论依据。数学模型的计算结果表明等离子体助燃可以提高反应效率,缩短延迟时间,增加燃烧温度,火焰传播速率,强烈影响H2/Air混合物燃烧效果。     

A multi-strategy pigeon-inspired optimization approach to active disturbance rejection control parameters tuning for vertical take-off and landing fixed-wing UAV

In this paper, Active Disturbance Rejection Control(ADRC) is utilized in the pitch control of a vertical take-off and landing fixed-wing Unmanned Aerial Vehicle(UAV) to address the problem of height fluctuation during the transition from hover to level flight. Considering the difficulty of parameter tuning of ADRC as well as the requirement of accuracy and rapidity of the controller, a Multi-Strategy Pigeon-Inspired Optimization(MSPIO) algorithm is employed. Particle Swarm Optimization(PSO), Gen...