基于BP神经网络的复合材料性能预测

针对复合材料性能表征十分复杂、困难的情况,利用人工神经网络的BP算法,建立了复合材料性能预测模型。模型由3层神经元组成,分别为输入层、隐含层和输出层。以碳/陶瓷复合材料性能与成分的关系为研究对象,选取了38组实验数据作为学习样本,模型总误差为0.18,用建立的网络预测未知,并给出预报曲线。和试验值相比较表明,所建立的网络能反映碳/陶瓷复合材料组分与其材料性能之间的关系,为实验设计提供了新的思路,节省了时间和劳力。     

翼身融合无人机参数化建模与气动特性分析

以亚声速翼身融合无人机概念设计阶段多学科设计优化为应用背景,提出了考虑操纵面偏转的参数化建模与气动分析方法:1)采用CST方法、CATIA二次开发技术建立操纵面未偏转和偏转构型的三维几何外形;2)采用Tcl语言编制具有容错能力的Gridgen脚本,划分网格;3)采用位流分析和工程方法计算气动特性参数.通过iSIGHT软件集成上述步骤,建立了自动化的计算环境,对某无人机进行了建模和气动分析,风洞试验验证表明方法满足概念设计阶段的精度要求.     

λ机翼气动/结构多学科设计与优化

λ机翼锯齿状后缘的气动外形设计增大了展弦比,进而提高了空气动力学效率,但同时也导致结构质量的增加。因此,本文提出了一种针对战斗机类λ机翼的气动/结构多学科设计优化方法,关键步骤包括机翼外形和结构参数化建模、气动分析模型自动生成与外形优化、结构有限元模型自动生成与结构布局/尺寸优化。在ISIGHT软件环境下集成气动、结构优化模块,利用基于代理模型的多级优化方法求解λ机翼气动/结构多目标优化问题。算例结果表明,本文提出的优化方法能够较好地兼顾了λ机翼的气动和结构性能,进而提高初步设计阶段的效率。