基于机器学习的单孔绝热气膜冷却效率分布预测研究

为了研究利用机器学习技术对绝热冷却效率进行直接预测的方法及特点,搭建了基于上采样卷积神经网络的机器学习模型,生成了用于训练以及验证的数值模拟数据集,使用了监督式学习的方法对模型进行了训练.训练使用反向传播算法和基于随机梯度下降的Adam优化算法,输入模型的参数包括吹风比、主流湍流强度、喷射角、孔形状、孔尺寸,模型输出为...     

2.5维机织复合材料细观几何模型及刚度预测方法研究进展

本文从2.5维机织复合材料细观几何结构出发,讨论了织造及成型工艺对材料实际细观几何结构的影响,并分析了不同纱线截面及路径假设所建立代表性体积胞的优缺点。对考虑工艺因素的代表性体积胞是否具有统一性和体素单元法建模的合理性做出对比分析。在代表性体积胞的基础上,重点讨论了2.5维机织复合材料刚度的数值预测方法,并将其与刚度的理论预测方法作了简单对比。基于刚度的数值预测方法,分析了各种机织参数对刚度系数的影响,并且对比了不同代表性体积胞模型的应力场。此外,还讨论了2.5维机织复合材料叶片的建模分析技术与刚度设计方法。最后,指出了当前2.5维机织复合材料细观建模及刚度预测方法存在的问题与不足,并且对其力学性能研究的发展趋势进行了展望。     

以激光束为基准测量工作台直线运动误差的原理探讨

提出一种以两束激光为基准测量工作台直线运动误差(五个自由度)的方法,并根据刚体运动学的基本原理导出了相应的数学模型。所获得的误差计算公式形式简单,计算方便,适用于实时、现场运动精度测量及补偿。     

质子引发的单粒子翻转率估算的研究

根据质子单粒子翻转事件的物理本质,及空间高能质子环境特性,给出了一种基于重离子单粒子翻转实验数据基础之上的估算质子引发的单粒子翻转的方法.利用这种方法计算了几种器件的翻转情况,与地面模拟实验及飞行观测结果符合得非常好.      

阵列雷达中快速目标截获的几个关键问题研究

研究了阵列雷达中快速目标截获的两个关键问题:角度测量和角度预测.首先,从测角原理、要求的波位排布、鉴别特性和测角性能等几个方面研究了阵列雷达中快速目标截获的两种测角算法:幅度比较类单脉冲和幅度加权平均,提出了这两种算法在工程应用中的引导和非线性校正方法;然后,分析了利用跟踪滤波器的角度预测算法,提出了SDF跟踪滤波器;最后,在某阵列雷达仿真系统中进行了仿真研究.     

基于深度学习的突防控制博弈对象匹配方法CSCD

针对基于博弈理论设计应对多枚拦截弹的协同突防控制方案时需要确定博弈对象的问题,提出了一种基于长短时记忆(LSTM)网络的拦截弹攻击对象匹配方法。基于传统防空导弹飞行时序与流程构建拦截弹飞行轨迹库,以轨迹库为训练样本对LSTM网络进行训练,并以此为基础构建航迹预测模型与对象匹配模型,实现对拦截弹攻击对象的识别。仿真结果表明,该方法能够有效识别拦截弹拦截目标,为后续的巡航弹突防研究提供支撑。     

并联混合动力齿轮传动涡扇发动机建模与性能分析

为对比探究未来大推力航空混合动力系统与传统航空发动机的优劣,本文依托某概念型齿轮传动涡扇(Geared turbofan,GTF)发动机,设计了一个并联航空油-电混合动力系统(hybrid GTF,hGTF),在Matlab /Simulink数字仿真软件中建立相匹配的电动力模型以及氮氧化物NOx排放和噪声预测等性能参数计算模型,并在稳态和飞行任务剖面下初步分析了电动力系统的引入对原基线GTF发动机的性能改变状况。稳态仿真结果表明,大推力等级的并联油-电混合动力系统中,至少需要兆瓦级的电动力系统进行匹配;当电动力系统处于电动模式时,可能会带来低压压气机喘振的隐患;当电动力系统处于再生模式时,电能源相当于经过了电能到机械能再到电能的二次效率损失,不建议采用。飞行任务剖面动态仿真结果表明,相比于传统GTF发动机,hGTF推进系统的燃油消耗率最高下降15%,总燃油消耗节省8.3%, NOx总排放量减少18.8%,各部件起飞噪声总声压级减少1.5~3.3dB。分析结果表明采用并联混合动力系统具有显著提升省油、减排效果的能力,同时也具有一定的降噪潜力。     

空间碎片碰撞预警研究

介绍了空间碎片的分布和危害，阐明了航天器进行碎片预警规避的必要性，讨论了碎片碰撞预警技术中的关键问题，用已有的碰撞和规避实例对自行研制的软件进行了计算检验，结果证明了软件的正确性，也说明了国内进行碎片预警工作的可行性．     

空间目标一维距离像重构的线性规划方法

高分辨一维距离像是空间目标故障诊断与识别的重要手段。针对典型的空间目标 ,文章采用稀疏成份分析法研究了一维距离像的超分辨重构和特征提取问题。将处理实信号的基寻踪方法推广到复信号 ,并利用约束最小二乘解提出了一种次优的距离像重构算法 ,实现了空间目标散射中心的有效分离。数值结果验证了其合理性和有效性。     

基于概念聚类的用户兴趣建模方法

Internet资源的指数级增长促进了个性化服务的发展.针对传统的用户兴趣建模方法在准确率和增量处理能力方面的不足,提出了一种新的基于概念聚类的用户兴趣建模方法UIM2C2(User Interest Modeling Method based on Conceptual Clustering).该方法首先通过分析用户访问的历史文档构造后缀树结构,然后选择不同的相似度阈值,以不同的粒度合并基本簇.依据不同阈值条件下合并的基本簇之间的包含关系,生成用户的兴趣层次.UIM2C2方法是针对文档的一个增量式、无监督的概念学习方法,因此用户描述文件可以轻易的获取和更新.最后,通过数据集20NewsGroup上的实验验证了UIM2C2方法在兴趣预测方面的有效性.