基于生成拓扑映射的气动外形反设计方法研究

气动外形反设计方法存在难以给定合理目标压力分布,强烈依赖设计经验等问题,难以适应现代工程设计需求。针对反设计方法的不足,结合机器学习与全局优化方法,发展了一种高效鲁棒的气动外形反设计方法。该方法利用生成拓扑映射(generative topographic mapping,GTM)模型建立气动外形及其压力分布组合数据和低维隐空间变量的映射关系,并利用遗传算法在隐空间寻优,同时得到最优压力分布与对应气动外形。GTM能够建立高精度的映射关系,设计过程不需要流场解算参与迭代,极大提高了设计效率。所提方法充分利用了遗传算法与GTM方法的特点,不要求目标压力分布具有实际物理意义,减小了对设计经验的依赖程度。分别针对低速翼型、跨声速翼型、三维层流短舱开展了反设计研究,设计算例表明,该方法设计鲁棒性好,能够高效率收敛到目标压力分布,具有良好的工程应用价值。

面向特定应用的片上网络低能耗拓扑生成方法

为解决面向特定应用的片上网络(network on chip,NoC)设计中的低能耗问题,提出基于遗传算法的层次化拓扑生成方法(genetic algorithm based topology generation,GATG)。该方法以降低网络通信能耗为目标,在满足带宽和延时约束下,根据给定应用的通信需求和路由器结构特征,自动将IP核映射到所选路由器单元。同时提出一种基于递归实现的路径构建算法嵌入GATG,用于确定IP核间的通信路径,从而构建路由器之间的链路,最终生成专用的不规则的NoC拓扑结构。实验结果表明,GATG生成结果与采用规则二维Mesh结构相比平均降低能耗46.5%,并可节省52.7%的路由器资源开销。

一种自适应的控制棒驱动机构滚轮丝杠副剩余寿命预测方法研究

针对反应堆控制棒驱动机构(CRDM)滚轮丝杠副剩余使用寿命(RUL)预测中如何选取有效的健康状态指标和合理构建预测模型的难题,提出了一种新的滚轮丝杠副RUL预测模型。采用基于生成拓扑映射算法(GTM)的负对数似然概率(NLLP)指标作为滚轮丝杠副的健康状态指标,利用K均值聚类算法对NLLP指标进行状态划分。利用历史数据和在线监测数据构建基于Markov模型和最小均方算法(LMS)的自适应预测模型,根据设定的阈值预测得出剩余寿命。通过实验验证,结果表明本文选取的健康状态指标能够有效地反映设备状态,所给出的自适应预测模型比一般的预测模型的预测精度高,为合理构建RUL预测模型提供了依据。