液体火箭发动机离心式喷嘴振荡喷雾特性现状和发展趋势

为加深对振荡喷雾的雾化特性及其与不稳定燃烧的关系的认识,针对低温推进剂液体火箭发动机中广泛应用的气液同轴离心式喷嘴和液液同轴离心式喷嘴,从受激振荡、自激振荡以及喷雾振荡与燃烧稳定性三个方面对研究现状进展进行了综述,总结了以往研究中的成果以及需要克服的关键技术难题,以加深对振荡喷雾及其与燃烧稳定性关系的认识。通过综述可知：对于受激振荡,对于常温常压条件下的供应系统流量振荡引起的前端压力振荡的研究比较充分,但缺少对燃烧室压力变化引起的反压振荡的研究以及超临界条件下喷雾受激振荡的研究;对于自激振荡,研究主要集中在液体中心型同轴离心喷嘴,对于气体中心型同轴离心喷嘴和液液同轴离心喷嘴的研究还较少;光学诊断技术仍难以提取单一的燃烧流场信息。     

气隙磁密3次谐波对电机振动噪声的影响

针对电机的电磁振动噪声问题,发现了提高电机气隙磁密的正弦性不一定能够降低电机的振动噪声。鉴于此,分析了引起电机振动和噪声的主要力波阶次和频率,并探究了气隙磁密3次谐波与电机振动噪声的具体函数关系。为了分析引起电机振动和噪声的主要力波阶次和频率,在利用解析法的基础上排出力波表,确定了主要噪声源。为了探究气隙磁密3次谐波对电机振动噪声的影响,建立了气隙磁密及径向力波的数学模型,并通过遗传算法求解了电机气隙磁密3次谐波的最佳幅值。分析结果显示,提高气隙磁密正弦性不一定能够降低电机振动噪声,气隙磁密3次谐波在一定范围内存在最优值使得电机振动噪声最小。分析结果为低噪声电机的设计提供了参考依据。     

结合振动特征优选和GWOA-XGBoost的电机轴承故障诊断

为解决电机轴承故障状态难以识别,从而造成诊断精度不高的情况,提出了一种基于信号特征提取与极限梯度提升算法(extreme gradient boosting, XGBoost)结合的电机轴承故障诊断模型。使用优化的变分模态分解获得振动信号的固有模态函数(intrinsic mode function, IMF)分量,再基于多尺度熵理论计算各IMF分量的多尺度熵值进行特征重构。在鲸鱼优化算法(whale optimization algorithm, WOA)中引入遗传算法的选择、交叉、变异操作对WOA进行改进。用改进的WOA算法对XGBoost的超参数进行寻优,获得了帮助XGBoost取得最优分类效果的超参数组合,将7种不同故障类型的振动信号进行重构后输入优化的XGBoost模型进行故障诊断。实验结果表明,所提GWOA-XGBoost模型的电机轴承故障诊断精度能够达到97.14%,相较于传统诊断方法,性能提升效果显著。     

海量公交数据的人群画像算法

面向海量公交数据的人群画像对分析城市群体出行特点、交通态势等极具价值,但对数据的处理存在耗时高、质量低、解释难等问题。提出一种海量公交数据人群画像的系统化解决策略,基于PageRank算法筛选出经过重要站点的人群轨迹,极大减少目标人群的轨迹数据;提出轨迹文本化分析方法来提高人群画像的可解释性;分析确定基于余弦距离的K-means算法作为人群画像分类的聚类算法。该算法在3 000万乘客公交出行数据上的实验表明:提出的解决策略能够较为系统性地解决海量公交数据的人群画像问题,同时基于余弦距离的K-means算法的聚类效果最好且准确率约达80%。将人群画像及其轨迹使用Flow Map进行可视化展示,结果符合真实世界的人群行为特征。     

单像自标定的迭代优化方法

针对基于灭点的单像自标定方法精度不高的局限性,利用影像中的灭点和椭圆几何约束信息,提出一种迭代优化的单像自标定方法。根据极点-极线关系及其表示的正交性,由影像中的椭圆曲线及其所在平面的灭线确定一组正交共轭灭点对。利用这些正交共轭灭点对建立关于主距和主点的非线性模型,以主距的方差最小作为优化准则,并选用多个位置作为主点的初始值进行多次迭代优化估计,获得主距和主点的最优结果。仿真影像和真实影像实验结果表明,该方法能够有效地实现单像自标定。与基于灭点的摄像机标定方法相比,该方法能够获得更为满意的标定结果。     

舰载机机翼模型的快速建模技术

舰载机机翼结构的优化设计过程中需要建立大量的复杂仿真模型,传统仿真软件不能解决其快速建模问题。基于航空领域中广泛使用的CATIA设计平台,提出了一种针对某型号舰载机机翼模型的快速建模方法。通过对模型种类划分、建模基准及建模标准化流程的封装,建立了机翼中各类组成零件三维模型的快速设计模板,实现了快速自动建模。结果表明,机翼骨架快速建模系统能够建立优质高效的三维模型,为整机的分析及系统的仿真提供了有力的保障。     

运用粒子群优化算法的平流层飞艇总体设计

平流层飞艇总重最小化能一定程度上反映总费用最低的设计目标,满足有效载荷功率需求是飞艇总体设计的出发点和落脚点。在飞艇参数建模中引入太阳电池曲面铺装模型以及昼夜能源闭环模型;以整艇重量最小为设计目标,以昼夜能源供需平衡、浮重平衡、推阻平衡三大平衡问题为约束条件,运用粒子群优化算法对飞艇的外形尺寸参数进行优化设计;分析了有效载荷功率需求和功率密度对于飞艇总体设计结果的敏感性。分析结果表明:飞艇总重随有效载荷功率线性增加;飞艇总重随有效载荷功率密度增加而迅速减小,但变化率逐渐变小,飞艇总重趋于稳定。能源系统仿真的结果表明了飞艇总体设计方法的有效性和设计结果的临界特性。     

基于遗传神经网络算法后勤指挥决策能力预测

分析了后勤指挥的主要影响因素,运用信息论中的信息压缩原理,建立和优化了后勤机关指挥决策能力预测指标体系。建立了遗传算法优化的BP神经网络后勤机关指挥能力预测模型,消除了BP神经网络存在的初始权值和阈值难以确定的局限性。给出了预测实例,证明了该算法的合理性和有效性。     

Model parameter estimation and residual life prediction for a partially observable failing system

We consider a partially observable degrading system subject to condition monitoring and random failure. The system's condition is categorized into one of three states: a healthy state, a warning state, and a failure state. Only the failure state is observable. While the system is operational, vector data that is stochastically related to the system state is obtained through condition monitoring at regular sampling epochs. The state process evolution follows a hidden semi‐Markov model (HSMM) and Erlang distribution is used for modeling the system's sojourn time in each of its operational states. The Expectation‐maximization (EM) algorithm is applied to estimate the state and observation parameters of the HSMM. Explicit formulas for several important quantities for the system residual life estimation such as the conditional reliability function and the mean residual life are derived in terms of the posterior probability that the system is in the warning state. Numerical examples are presented to demonstrate the applicability of the estimation procedure and failure prediction method. A comparison results with hidden Markov modeling are provided to illustrate the effectiveness of the proposed model. © 2015 Wiley Periodicals, Inc. Naval Research Logistics 62: 190–205, 2015     

改进遗传算法求解电力网攻击无人机分队任务分配

遗传算法因其出色的寻优能力,自提出后就被广泛用于工程技术上的最优化问题求解。根据电力网攻击无人机分队任务分配的实际需要,提出基于遗传算法思想的解决方案,并在原算法基础上,采用种群分组进化的策略进行改进。详细介绍算法的基本原理和仿真步骤,再举出实际算例进行仿真,实验结果证明算法的改进取得了良好效果。