简介：针对影响支持向量机辨识性能的核函数及相关参数，找出使辨识结果最佳的核函数；结合两种措施改进粒子群算法，优化相关参数，选择最佳的参数组合。对比BP神经网络和支持向量机对发动机起动过程的辨识结果，得到支持向量机的辨识精度和收敛时间优于BP神经网络，与起动数据基本一致。在训练样本存在噪声的情况下，验证了所建辨识模型具有很强的泛化能力。基于所建模型，计算了发动机的起动性能，其结果与起动数据吻合较好。该方法对发动机起动性能计算具有一定的理论指导和应用价值。

简介：在高空、低速、低雷诺数下，进行具有较强抗分离能力的新叶型研究，探索叶型设计的新概念和新方法，并发展相应的低雷诺数压气机叶片二维设计技术是十分关键的。本文进行了低雷诺数条件下二维压气机叶栅流场计算与对比，在探索高空、低速、低雷诺数对压气机叶型性能影响的基础上，以发展适应低雷诺数流动的、具有较强抗分离能力的新叶型为最终目标，进行叶型设计新理论和新方法的探索，为最终突破低雷诺数下叶型设计的关键技术提供了可行的途径，并为三维叶片优化造型打下了基础。

简介：针对大推力液体火箭发动机研制中面临的低频结构动力学频率优化问题，采用有限元方法及试验模态方法建立了可信的发动机低频动力学模型，对结构的低频动力学特性进行灵敏度分析，提取对发动机低阶固有频率比较敏感的设计变量。以这些设计变量作为神经网络的输出，待优化的结构固有频率作为输入，通过改进的神经网络建立了映射关系，最后优化得到能使固有频率达到目标值的设计变量值。通过有限元验证，优化结果满足要求。

简介：为有效平衡低压涡轮设计中多个耦合学科间的指标冲突,提高低压涡轮综合性能,针对多级低压涡轮的多学科设计优化方法进行了研究。全面分析了低压涡轮的设计特点,综合考虑了气动、结构、强度和寿命等多个学科,建立了低压涡轮多学科优化平台。以航空发动机低压涡轮设计为例,以气动效率最高和结构质量最轻为目标,基于NS.GA-Ⅱ算法(第二代非支配排序遗传算法)进行了6级低压涡轮多学科优化研究。结果表明:该优化方法可在满足气动和强度约束的条件下有效提高低压涡轮的综合性能,其中气动效率提高了0.243%,结构质量降低了6.131%。

简介：首先利用奇异值分解滤波算法，对测量参数进行滤波处理，进而合成发动机性能综合指数。针对性能综合指数为不等时间间隔的情况，在改进灰色预测模型中引入新陈代谢思想，提出一种基于免疫粒子群优化权值的改进灰色模型与支持向量机相结合的性能指数预测方法。仿真实例表明：组合模型的预测精度明显高于改进灰色预测模型，略高于支持向量机模型；且对于大多数样本点，组合模型的预测结果变化更加平稳。

简介：本文联合应用S2流面正问题计算和多级局部优化设计对某三级涡轮进行多级气动优化设计。优化联合采用人工神经网络和遗传算法。流场计算采用全三维粘性流N—S方程求解，计算网格采用H—O-H型网格，即入口段、出口段采用H型网格．叶片区域采用O型网格。通过优化，总效率提高1．1％，总体性能提高，达到设计要求。