流体力学深度学习建模技术研究进展

深度学习技术在图像处理、语言翻译、疾病诊断、游戏竞赛等领域已带来了颠覆性的变化。流体力学问题由于维度高、非线性强、数据量大等特点,恰恰是深度学习擅长并可以带来研究范式创新的重要领域。目前,深度学习技术已在流体力学领域得到了初步应用,其应用潜力逐渐得到证实。以流体力学深度学习技术为背景,结合课题组近期研究结果,探讨了流体力学深度学习建模技术及其最新进展。首先,对深度学习技术所涉及的基本理论做了介绍,阐释流场建模中常用深度学习方法背后的数学原理。其次,分别对流体力学控制方程、流场重构、特征量建模和应用等几个典型的人工智能与流体力学交叉问题应用场景所涉及的深度学习技术研究进展进行了介绍。最后,探讨了流体力学深度学习建模技术所面临的挑战与未来发展趋势。     

基于域对抗门控网络的变工况刀具磨损精确预测方法

刀具磨损的精确预测对保证零件加工质量、提高生产效率和降低制造成本具有重要作用。在实际加工过程中,切削参数、刀具几何参数、刀具材料等工况复杂多变,工况信息和刀具磨损量对监测信号的耦合作用为刀具磨损的精确预测带来了很大挑战。针对以上问题,提出了一种基于域对抗门控网络（DAGNN）的变工况刀具磨损精确预测方法。引入工况分类网络并利用无磨损量标签样本,通过域对抗和门控过滤机制自适应地从不同工况的原始监测信号中提取表征刀具磨损且对工况变化不敏感的关键信号特征。对信号特征提取网络和刀具磨损预测网络进行迭代优化,从而实现变工况刀具磨损的精确预测。实验结果表明：相比已有的方法,本文方法能够利用少量带磨损量标签的目标工况样本实现刀具材料和刀具直径变化情况下的刀具磨损量精确预测,预测精度大幅提高。     

可复用的需求建模方法

提出了一种特征驱动的可复用需求建模方法(RRM,Reusable RequirementMethod),此方法定义了一个可复用的需求建模过程(RRMP,Reusable Requirement Modeling Process),在领域工程和应用工程两个层面上都提出了相对完整的需求建模方法并将两个阶段有机地融合在一起.将主要研究方向着眼于领域模型的正确建立、合理剪裁和对象化过程,从而得到针对于具体应用的需求模型.在RRMP的过程指导下还将设计一个需求定制与应用开发平台(RAP,Requirement customing Application developing Platform).RAP平台立足于需求获取阶段,以用户易理解的图形化方式灵活直观地与用户进行需求交互,根据用户定制的需求自动生成具体应用的标准需求开发文档和开发过程中所产生的统一建模语言(UML,Unified Modeling Language),并最终开发出用户所需的领域内特定应用的原型系统.RAP平台主要包含3个部分:图形化需求定制工具,需求开发文档生成工具和目标应用开发工具.     

数据文本文件数字信号特征的提取

针对海量数据进行特征提取是物体目标识别的关键之一.本文编写了应用程序和操作算法程序,提取光学测光谱仪海量数字信号的特征.它是通过应用VC 构造人机用户界面,提取了光学测光谱仪中的有用数据之后,对数据进行预处理和期望、方差、k阶距、极值等参数计算,并且编制绘图程序,绘出各种参数数据曲线图,最终提取了海量数据的数字信号特征.文中以某实验数据为例进行了信号特征提取,验证了操作算法和应用程序的可行性,为卫星物体目标识别提供了一种方便、有效的方法.     

小天体光学导航特征识别与提取研究进展

针对小天体探测自主光学导航特征信息精确,快速获取的需求,阐述了利用图像信息实现光学导航特征识别与提取的必要性。首先分析了小天体光学导航特征识别与提取面临的主要问题;然后根据小天体探测各阶段目标成像特点,总结并分析了小天体探测光学导航特征识别与提取涉及的关键技术;最后,根据关键技术结合现有问题和未来发展需求,分析并对未来小天体探测光学导航特征识别与提取的发展趋势进行了展望。     

Walsh变换对冲击信号序列特征提取的研究

提出使用Walsh变换和小波包相结合的方法,对滚动轴承故障产生的冲击信号序列提取故障特征, 并给出了计算的有效算法. 对滚动轴承故障特征分析和计算表明,用改进小波包分解、重构公式能有效地剔除冲击信号序列中高频共振信号和噪声, 使用快速Walsh变换(FWT)求取其功率谱,优于Fourier变换,可很好地提取故障特征,仿真和实际数据计算的结果,证实了上述方法的有效性.      

基于加权朴素贝叶斯分类器和极端随机树的蛋白质接触图预测

提出一个新的基于集成学习的预测器(TargetPCM),对蛋白质接触图(特别是中长程)进行高精度的预测。首先,TargetPCM使用加权朴素贝叶斯分类器(Weighted Nave Bayes classifier,WNBC)融合3个接触图预测器的输出,其中WNBC中的权重参数通过粒子群算法优化得到;其次,将WNBC融合后的输出和基于序列的特征进行组合,得到更具鉴别能力的特征;在此基础上,应用极端随机树训练得到最终的蛋白质接触图预测模型。为了验证TargetPCM的有效性,在包含98个非冗余蛋白质的数据集上进行了测试。结果表明:对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的集成预测器(NeBcon)分别提高了8.2%,16.1%和5.3%。在CASP11上进一步的验证表明,对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的基于协同进化的集成预测器(MetaPSICOV)分别提高了7.4%,9.1%和7.5%。实验结果验证了本文所提蛋白质接触图预测方法的有效性。     

Place learning in humans: The role of distance and direction information

Although the process of establishing a memoryof a location is necessary for navigation,relatively little is known about theinformation that humans use when forming placememories. We examined the relative importanceof distance and angular information aboutlandmarks in place learning. Participantsrepeatedly learned a target location inrelation to three distinct landmarks in animmersive computer-generated (virtual)environment. Later, during testing, theyattempted to return to that location. Theconfigurations of landmarks used during testingwere altered from those participants learned inorder to separate the effects of metricdistance information and information aboutinter-landmark angles. In general,participants showed greater reliance ondistance information than angular information. This reliance was affected by nonmetricrelationships present during learning, as wellas by the degree to which the learnedenvironment contained right or straightangles.     

基于台架试验的涡轴发动机喘振发生位置规律

为了探究某型涡轴发动机喘振发生位置规律,采集并分析了台架喘振试验时进气道、轴流压气机叶尖、轴流压气机出口和离心压气机出口的压力信号。采用连续小波时频变换对压力信号进行特征提取,以小波系数作为喘振信号特征,阈值为小波系数最大值的10%,结果表明:某型涡轴发动机的轴流压气机总是比离心压气机先发生喘振,喘振在轴向上由进气道向离心压气机传递的同时,在周向上也沿着压气机转子叶片旋转方向传递。对某型号发动机进行实时喘振监测时,监测轴流压气机能比监测离心压气机更早发现喘振,在后续某型涡轴发动机改型设计时,可增加轴流压气机的喘振裕度来提升整机防喘能力。