简介:目的:寻找以轴力为主要传递荷载方式的单层网壳结构的多种合理形态,改善结构的受力性能,为建筑设计提供多种合理的结构形状方案。创新点:1.建立控制单元组长度的移形方程,并在移形方程的基础上推导基于联动机构势能最小化的结构形态创构方法。2.将分组方式应用于网壳结构形态创构,并通过改变分组形式获得不同的合理结构形状;临时单元与临时力的引入拓展了方法的适用范围,也为形态创构提供了新的途径。方法:1.将机构的单元进行分组,以单元组总长度不变作为条件建立机构移形方程;根据机构势能下降最快的方向调整机构形状,使机构逐步达到势能最低。2.在同一初始模型中,通过改变临时单元、临时力以及单元组的设置来获得多种合理结构形状;通过多个数值算例说明该方法的特性。3.对该方法所生成的结构进行受力性能分析,验证所提方法的可行性和有效性。结论:提出了一种适用于网壳结构的形态创构方法。该方法简单、灵活,可以通过调整临时单元、临时力以及单元组的设置,得出多种以轴力为主要传递荷载方式的合理结构形状。可以为设计者在建筑方案设计阶段提供多种结构形状方案。
简介:针对SINS/GNSS组合导航在GNSS信号异常时出现的系统滤波精度和稳定性下降的问题,提出一种基于EKF的自适应分类容错滤波算法。该算法通过比较系统残差协方差矩阵的实际值与理论值来检测GNSS信号是否存在异常,然后对异常信号进行分类,并对不同类别的异常信号使用不同的加权矩阵进行修正,以减弱异常值对系统滤波精度的影响,同时在滤波过程中加入UD分解,使系统滤波性能更稳定。仿真结果表明:该算法能够有效降低GNSS输出异常信号对SINS/GNSS组合导航带来的不利影响并提高系统稳定性;在GNSS信号出现异常情况下,其导航精度相比EKF至少提高95.6%,相比REKF和AEKF分别至少提高44.5%和24.6%。
简介:开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.
简介:沿试验段侧壁发展的附面层是影响飞行器半模型实验数据精准度的主要因素之一.利用数值模拟方法验证了涡流发生器减小附面层影响的可行性,重点分析了安装角度、结构尺寸、安装位置及个数等设计参数对附面层内速度分布的影响规律,对涡流发生器尾涡强度以及沿流向的发展规律进行了初步探讨.结果表明,涡流发生器产生的尾涡能够有效改善附面层内的速度分布,进而减小附面层厚度,降低附面层影响;涡流发生器的后缘应略高于当地附面层厚度,安装角度、位置、个数等参数必须合理设计以减小涡流发生器对试验段主气流的影响.基于计算结果初步设计了可用于2.4m跨声速风洞半模试验段的涡流发生器,在亚声速范围内能够减小模型区侧壁附面层厚度66%左右,对核心流Mach数影响小于0.003,为涡流发生器的实际应用提供了依据.
简介:为分析加速度对半球谐振陀螺振幅、速率控制系统的影响,提出了基于动力学的加速度影响分析方法。首先建立加速度作用下的谐振子变形方程,得到了精确的电极范围及间隙的方程。激励电极的电容间隙、边界范围改变,使得激励系数发生改变。其次分析了激励电极作用下谐振子动力学特性,推导了激励系数与振幅、角速率的关系式。然后将电极范围及间隙的方程代入激励系数中,得到了振幅、角速率的误差分析关系式。最后利用激励电极的不同配置方式,构建了三种控制系统方案,分析了加速度作用下谐振子变形对三种控制方式的影响。通过对比分析,合理的激励电极配置方式有效地抑制了加速度对控制系统的影响。
简介:针对四旋翼无人机轨迹追踪问题,提出了一种基于扩张状态观测器的鲁棒滑模控制方法。考虑无人机系统受到内外部扰动、线速度未知等不确定性影响,通过引入扩张状态观测器,对系统不确定因素进行实时估计并给予补偿,实现了系统对扰动的鲁棒性和对环境的高度适应性。同时,滑模控制通过引入切换函数来消除干扰及不确定项,但较大的切换增益会引起系统颤振,因此,干扰和不确定项是颤振的主要来源,利用扩张状态观测器来估计干扰及不确定项并加以补偿,消除了颤振。利用Lyapunov理论,证明了控制系统的稳定性。系统仿真实验结果表明,所提出的控制方法能够保证四旋翼无人机轨迹追踪的鲁棒性,旋翼转速最大跳变幅值降低86.4%-94.5%,提高了系统稳定性。
简介:聚类分析是研究“物以类聚”的一种现代多元统计分析方法,而且聚类分析方法发展很快,并在经济、管理、地质勘探、天气预报、生物分类、考古学、医学、心理学以及制定国家标准和区域标准等许多方面都取得了很有成效的应用。本文首先重点学习了聚类分析的相关知识,通过对具体实例数据用SPSS软件进行不同种系统聚类法的应用分类,并利用阈值T、散点图和使用统计量确定适合的类的个数,把不同种系统聚类法进行研究和比较。最后得出结论:“给定一个阈值T”这种方法的主观性较强;“观测散点图”这个方法较为直观,效率也许会好于正规聚类方法;“使用统计量”往往更明确。在聚类方法的效果方面,类平均法和离差平方和法的聚类效果相对较好。
简介:对含有动、静态背景的稳定图像处理时,对比了主成分追踪鲁棒主成分分析法(RPCA)、贝叶斯鲁棒主成分分析法(BayesianRPCA)和高斯混合模型的鲁棒主成分分析法(MoG-RPCA),3种方法对静态背景下的前景提取都较为完整.而动态背景下只有BayesianRPCA和MoG-RPCA提取出了完整的前景目标,但是BayesianRPCA计算速度很慢,且不能够处理复杂噪声.所以MoG-RPCA模型更具有对复杂噪声的适应性,动、静态背景情况下均提取出精度较高的前景目标,且具有较快的计算速度.当图像不稳定时,采用改进的MoG-RPCA模型对非稳定拍摄的抖动视频进行前景目标提取,并在第197帧抖动图像中清晰地提取出显著前景目标,且运算速度较快.在为了快速找到目标出现的帧时,对高斯混合模型背景差分法进行改进,利用K-means聚类算法快速得到聚类中心点,然后作为高斯混合模型背景更新时的初始化均值参数,从而提高在复杂场景下前景目标的检测精度.对于多角度追踪任务,不同角度、近似同一地点的多个监控视频图像中前景目标的提取,可采用跨摄像头视角跟踪结果融合的方法,然后对目标进行匹配.
简介:直觉犹豫模糊集集成了直觉模糊集和犹豫模糊集的优势,能更有效地刻画决策者偏好不一致的情况。距离测度一直是研究的热点问题,但尚没有文献研究直觉犹豫模糊集间的距离测度,因此本文定义了直觉犹豫模糊集问的Hamming距离、Euclidean距离和广义距离,同时考虑每个元素的权重,定义了加权距离。犹豫度是直觉犹豫模糊集的重要特性,因此在考虑犹豫度的基础上,又定义了一些距离测度。这些距离测度不仅考虑了直觉犹豫模糊数间的差异,同时考虑了犹豫度的影响,决策者可以根据对直觉犹豫模糊数和犹豫度之间偏好的不同,设置不同的偏好值得到距离测度。然后基于这些距离测度,又提出了直觉犹豫模糊环境下的TOPSIS法。最后通过实例说明了所提出的TOPSIS法的合理性与实用性。
简介:微尺度流动能够一步到位地制备不同结构和功能、尺寸在微米量级的复合液滴.文章回顾了几种常见的基于复合液滴的微尺度流动方法,包括同轴电雾化、复合流动聚焦、微流控芯片、玻璃微毛细管等,并对各种技术的原理和进展进行了简要概括和分析.在这类流动中,不同种类的流体在一定的几何结构通道或外力场作用下平稳地拉伸成微细射流并最终破碎成复合液滴.在同轴电雾化和复合流动聚焦技术中,从毛细管流出的流体能够形成稳定的锥-射流结构,当外力作用改变时能够形成不同的流动模式.在微流控芯片和玻璃微毛细管技术中,流体被约束在固定管道内,不同管道构型下能够形成不同的流动形态.这些方法都采用纯物理机理,过程稳定、易于操作,制备的复合液滴粒径可控,单分散性好,微观结构可设计,在科学研究和工程实际中具有重要的应用价值.