基于RBF神经网络的开关磁阻电机在线建模 及其实验验证

 为了获取开关磁阻电机(SRM)的精确模型,提出了一种基于径向基函数(RBF)神经网络对SRM进行建模的方法,主要包括离线建模和在线建模两部分。离线建模通过实验测量得到SRM的磁链特性曲线,并利用该数据训练RBF神经网络,实现SRM磁链的离线建模;在线建模是指当SRM的运行状态发生变化时,离线模型的估计磁链与实际磁链会产生误差,通过对神经网络的输出权值进行在线调节,实现具有在线动态调节功能的SRM在线模型。为了验证该方法的可行性,针对一台12/8结构的SRM样机进行仿真和实验,结果表明SRM的离线模型和在线模型在仿真和实验条件下均能正确地估计SRM的磁链特性,而且在线模型的估计精度高于离线模型,验证了本文的研究方法合理有效。     

扩缩管充分发展层流的强化传热场协同分析

采用二维轴对称不可压缩层流N-S方程,利用有限体积方法和SIMPLE算法,在雷诺数100～1300范围内,对轴对称周期性扩缩管的充分发展层流流动和传热特性进行了数值模拟,重点研究了不同雷诺数、几何外形与换热强度的关系,并利用场协同理论对计算的结果进行了分析,获取了层流态下扩缩管对流换热强度随雷诺数、几何尺寸变化的规律,对进一步研究扩缩管换热问题、探讨强化传热理论和发展换热技术均有实际意义.     

一种基于神经网络的飞机载荷参数识别方法

提出一种经遗传算法优化的Kalman滤波神经网络(GA-KFNN)方法,对飞机特定机动下的载荷进行参数识别.首先,构建Kalman滤波神经网络(KFNN),设计了相关改进算法抑制滤波发散,提高了网络的预测精度和抗噪能力;其次,利用遗传算法(GA)优化KFNN的相关参数,使网络能迅速收敛,提高了运算效率.载荷识别结果显示,改进和优化后的GA-KFNN运行稳定,收敛迅速,具有良好的识别精度和泛化能力,满足工程实际需求.     

减压腔宽度对刷式密封泄漏特性和滞后效应的影响

对减压腔轴向宽度分别为0、04 mm和06 mm的基本型和两种低滞后刷式密封结构进行了静态和动态下压差升降和转子转速升降循环试验,并对其泄漏特性和滞后效应进行了研究。研究结果表明:压差大于02 MPa后,同一压差下的动态泄漏系数比静态降低约14%~20%;低滞后结构的密封性能优于基本型,其泄漏系数最高比基本型降低约20%;静态压差升降循环中,减压腔轴向宽度为06 mm的低滞后结构的滞后效应最强;动态的压差升降循环中,基本型结构的滞后效应最强。转子转速升降循环前后,w为06 mm结构泄漏系数减小约15%,滞后效应最强,减压腔轴向宽度为04 mm结构几乎不存在滞后效应;三种结构中,减压腔轴向宽度为04 mm的结构密封性能最优,滞后效应也最弱。     

全遮挡导流支板对排气系统红外特性的影响

为了降低末级涡轮转子对排气系统尾向红外(IR)辐射贡献,对涡轮后导流支板进行低红外特征结构设计,通过模型试验的方法研究了基准轴对称排气系统和不同支板冷却状态的全遮挡导流支板(FSGS)排气系统的红外特性。研究结果表明:全遮挡导流支板表面温度低于末级涡轮表面温度,但全遮挡导流支板结构会使下游隔热屏和喷管壁面温度明显升高;全遮挡导流支板对排气系统尾向0~10°角域红外辐射有较好的抑制作用,正尾向红外辐射强度比基准轴对称排气系统低13.9%;支板壁面气膜冷能进一步降低排气系统尾向0~10°角域内的红外辐射强度,支板冷却气密流比(BR)为0.5、0.7和0.9时,全遮挡导流支板排气系统0°方向的红外辐射强度的降幅分别为18.1%、25.8%和34.5%。因此,带气膜冷却的全遮挡导流支板是抑制末级涡轮对排气系统红外辐射贡献的一种非常有效的手段。     

基于潜在成分和概率神经网络的时变结构系统的损伤识别

介绍了基于潜在成分(LC)分析和概率神经网络的损伤识别方法,并应用于一个实验室模型的损伤识别.结果表明,基于潜在成分(LC)分析和概率神经网络的损伤识别方法能在正常的时变质量情况下以较高的成功率对位于A或B处的某一损伤程度未知的损伤进行归类,为时变结构系统的定量损伤识别作出了有益的尝试.     

基于距离和角度信息的无线传感器网络定位算法(英文)

提出一种基于距离和信号到达角信息的无线传感器网络节点自身定位算法.在所有节点的坐标轴方向都是未知的假定下,用信号到达角信息来计算信号到达角度差,然后将定位问题转化为一个凸集优化问题,节点间的几何关系也相应地转化成为线性或二次约束条件.当距离和角度测量值足够精确时,该算法是一个线性规划问题.考虑测量误差时,通过引入辅助变量,该算法可以转化为二次规划问题.通过仿真分析证明了该定位算法的有效性,并对距离和角度误差量对定位精度的影响进行了定量分析.仿真结果表明,在距离和角度误差为5%的时候,该定位算法可以满足定位精度要求.     

改进的BP神经网络技术在平面叶栅气动性能实验中的应用

将多维实验方法应用于平面叶栅正反向流动实验中,避免了单参数实验方法中的缺陷,大大提高了实验数据的可靠性。同时采用改进的BP神经网络技术,对气动性能实验数据进行分析。实验发现：低雷诺数下,翼型的流动状态很复杂,附着涡在确定翼型边界层行为和失速特性中起着重要作用。在反向流动中,翼型的吸力面常伴随有旋涡的流动,类似于薄翼流动,翼型在较小的迎角下就会发生薄翼失速。     

小波分析和人工神经网络在金属超声无损检测缺陷分类中的应用

基于金属超声检测中的缺陷脉冲回波为非稳态信号的特点，对高温合金材料超声检测信号的小波变换进行了特征分析，提取了各级小波分解信号的能量分布特征，最后将这些特征输入人工神经网络进行训练和分类，实验表明，这种方法具有良好效果。     

基于神经网络技术实现磁流变阻尼器对结构振动的优化控制(英文)

磁流变 ( MR)阻尼器是土木结构振动控制领域最有应用前景的半主动控制装置之一 ,但由于 MR阻尼器的高度非线性动特性 ,使得描述其逆向动特性的数学模型很难得到 ,即根据理想的阻尼力确定出 MR阻尼器所需的输入电压。然而 ,对基于 MR阻尼器的结构振动控制设计和仿真 ,这种反映阻尼力 -电压关系的逆向动特性模型是十分重要的。为此 ,本项研究针对 MR阻尼器的非线性特性 ,提出运用神经网络技术建立 MR阻尼器的神经网络模型来模拟其逆向动特性 ,神经网络模型的输出即为产生理想的阻尼力所需的输入电压。通过数值仿真结果探讨所提出的结构振动控制策略的适用性和有效性