动态模式识别算法的GPU平台实现

研究动态模式识别算法在GPU并行计算平台的实现。随着GPGPU(通用计算图形处理器)硬件的发展,基于GPU的大规模并行计算技术将有效地处理动态模式识别算法带来的海量计算问题。文中通过介绍动态模式识别算法,对算法中涉及的巨大计算量进行分析,并针对性地对其中密集计算部分进行并行化分解,移除原算法中在执行中存在的依赖关系,最终得到算法在特定的GPU平台———Jacket上的并行计算实现。实例验证表明,相比于原CPU串行程序,在GPU上运行的并行化程序能实现明显加速,因而具有很好的工程应用价值。

轴流压气机旋转失速建模与检测:Ⅰ——基于确定学习理论与高阶Moore-Greitzer模型的研究

喘振和旋转失速是轴流压气机研究领域中重要而困难的问题.本文基于确定学习理论及动态模式识别方法提出一个旋转失速初始扰动近似准确建模和快速检测的方法.首先,基于高阶Moore-Greitzer模型(Mansoux模型),利用确定学习理论提出一个对旋转失速初始扰动的内在系统动态的近似准确建模方法;其次,基于以上近似准确建模,利用动态模式识别方法提出一个对旋转失速初始扰动的快速检测方法.基于MIT的Mansoux-C2模型仿真研究验证了所提方法的有效性.最后,在北京航空航天大学航空发动机重点实验室的低速轴流压气机试验台上开展了试验研究.通过对低速轴流压气机试验台参数进行测量,得到基于北航低速轴流压气机试验台的Mansoux模型.通过对基于北航试验台Mansoux模型进行仿真研究,验证了所提方法的有效性.