钛合金半球件超塑成形的数值模拟与实验研究

介绍了利用超塑成形方法成形直径为Φ４１０ｍｍ的钛合金并球件,并用三维有限元程序对成形过程进行了数值模拟,对数值模拟结果和实际成形件进行了对比分析。     

嵌入式软件仿真测试平台构件化技术研究

软件测试在航天嵌入式软件研制过程中占有极为重要的地位,使用全数字仿真测试平台进行软件测试是行之有效的方法.对仿真测试平台进行层次化构件分解和构件设计,研究航天软件仿真测试平台构件化开发方法,并给出应用实例,证明了该方法可大幅提高平台开发效率.     

遮挡条件下的鲁棒表情识别方法

提出了一种对面部遮挡具有鲁棒性的表情识别方法.首先,基于鲁棒主成分分析(RPCA,Robust Principal Component Analysis)对待识别人脸进行重构,并对重构人脸和待识别人脸的差值图像进行显著性检测得到面部遮挡区域;其次,将待识别人脸的遮挡区域由RPCA重构人脸的相应区域进行替换,并由权值更新的AdaBoost分类器对遮挡区域重构后的人脸进行表情识别.在BHU(Beihang University)人脸表情数据库和日本女性表情数据库上进行了各种遮挡情况下的表情识别实验,获得了比AdaBoost方法更好的识别结果,说明基于RPCA和AdaBoost的表情识别方法对多种面部遮挡具有较强的鲁棒性.     

基于主元分析和BP神经网络对刀具VB值预测

对声发射信号进行5层小波分解提取6个频段的能量值,把它与切削速度、切削深度、进给量和切削时间一起作为刀具状态的特征向量.通过主元分析进行降维、消除特征向量间的相关性后,把得到的主元作为BP(Back Propagation)神经网络的输入向量.BP神经网络应用改进的LM(Levenberg-Marquart)算法进行学习,利用输入向量对网络进行训练后,实现对刀具后刀面磨损量VB的预测.实验结果显示:基于主元分析和LM算法改进的BP神经网络建立的预测系统,网络输出与实测VB值的误差0.03以内;根据预测VB值的范围可判别出刀具的不同状态.      

空间同频电子侦察信号的盲分离

空间电子侦察等应用中,经常会遇到如何分离同频信号的问题,传统的时域和频域处理方法很难解决这一难题。文中提出了利用并行FastICA(快速独立分量分析)盲信号分离技术解决这一难题的方法,该方法利用盲信号分离技术不需要知道信号及信道环境先验信息的特性,符合电子侦察的实际情况,具有广泛的适用范围。通过仿真实验证明,文中介绍的并行FastICA盲分离算法,不仅能分离功率相差十万倍以上的频域混叠信号,而且收敛速度快,分离效果良好,在多个领域具有较好的应用前景。     

轴向磁场永磁同步电机转子涡流损耗研究

为解决轴向磁场永磁同步电机温度过高导致电机运行性能降低的问题,针对电机转子进行了深入研究。先利用Maxwell三维电磁场有限元分析软件建立电机有限元模型,仿真电机磁场分布和气隙磁密波形,并计算平均涡流损耗;采用铜层屏蔽减小转子涡流损耗,并仿真出转子涡流损耗随铜层厚度变化情况。     

涡轴发动机部件特性修正及更新方法

针对由航空发动机零部件制造、装配及性能退化引起的发动机模型与实际发动机之间的性能不匹配问题,提出1种基于粒子群优化算法(PSO)的发动机部件特性自动修正及更新方法。根据发动机部件级模型的输出数据和发动机性能分析软件GasTurb计算结果,以发动机关键测量参数所定义的目标函数最小为优化目标,利用PSO获取不同相对换算转速下的部件特性修正因子,并在线完成特性图的自动更新。并以某型涡轴发动机为对象进行仿真验证,结果表明:该方法可有效提高涡轴发动机部件级模型的精度,并直接输出更新后的部件特性。     

基于BP神经网络的航班需求预测模型

航班需求预测是航空公司收益管理的关键技术。BP神经网络用大量的历史数据进行学习,能够记忆复杂的历史订座规律和销售趋势,提出了一种基于BP神经网络的航班需求预测模型。通过对历史数据进行主成分分析获得该模型,用一元回归法和相关系数法对训练质量进行评估,对模型作了置信区间分析。将该模型与增量法、回归法进行了对比,具有在线预测速度快、预测精度相对较高等优点。     

网络化制造资源状态估计研究——基于主成分分析（PCA）和加权支持向量机（WSVM）

针对网络化制造资源配置受多因素影响,变化趋势复杂,难以用单一预测方法进行有效预测的问题,提出一种新的基于主成分分析和加权支持向量机的智能混合预测模型。模型首先使用主成分分析弱化数据序列波动性,然后借助加权支持向量机在处理小样本和模糊神经系统处理非线性模糊信息的优点,进行趋势预测。研究结果表明,所提出的模型能有效地提高状态估计方案的可行性,为网络化制造资源状态估计的在线实施提供了方便。     

两种涡扇发动机部件特性自适应模型对比

发展了航空发动机自适应模型．并对以两种优化算法为基础的自适应模型进行了对比分析。两种模型以通用特性为基础运用优化方法,以发动机主要性能参数和过程参数偏差函数最小为优化目标,以部件特性耦合因子为被优参数,可以预测出不同飞行条件下的发动机风扇、压气机、燃烧室、高压涡轮、低压涡轮等部件特性。运用单纯形和遗传算法为基础的自适应模型对某型涡扇发动机性能的计算结果表明：相对于单纯形算法模型．遗传算法模型对发动机主要性能参数和过程参数的计算偏差降低了20％～30％;对发动机各截面总温、总压计算偏差降低了15％～20％;遗传算法模型相对于单纯形模型具有更为宽广的自适应模拟范围。对某型已知部件特性的涡扇发动机模拟结果显示．遗传算法模型部件特性模拟结果与已知部件特性差别甚微。