摘要：纤维增强复合材料层合板的变刚度优化设计,通过逐点优化纤维铺角的可设计性,从而匹配结构中应力状态的空间变化,更高效地发挥纤维增强复合材料层合板在强度与刚度性能上的方向性,为设计师提供了更广阔的设计空间与设计灵活度.然而,基于梯度类算法的传统复合材料变刚度优化设计,因其设计变量众多,不可避免地在结构分析与灵敏度分析中面临大规模计算的挑战.同时,结构在概念设计阶段存在载荷工况随机性问题,如何在初始概念设计阶段,针对随机载荷工况制定高效的设计方案具有重要工程价值.近年来,随着人工智能与高性能计算的快速发展,基于传统优化获得的数据集构建端到端的机器学习模型,为实现实时的复合材料变刚度优化提供了可能.文章采用反向传播(back propagation,BP)神经网络算法,建立了基于机器学习的纤维增强复合材料变刚度优化设计方法.首先,基于正态分布纤维优化(normal distribution fiber optimization,NDFO)插值格式,构建以最小化结构柔顺度为目标的复合材料变刚度优化设计模型,考虑载荷大小与方向的随机性,获得神经网络模型训练所需的样本集数据.其次,以最小均方误差(means square error,MSE)为目标函数,采用BP神经网络模型对样本数据集进行训练.最后,建立基于皮尔逊相关系数(Pearson correlation coefficient)、均方误差的模型评价体系,对生成的神经网络模型进行评价.数值算例讨论了含圆孔MBB梁与悬臂C型梁变刚度优化设计,详细阐述了基于机器学习的复合材料变刚度优化方法的实施过程,系统地对比了所提出的基于机器学习的复合材料变刚度优化与传统基于NDFO插值格式复合材料变刚度优化设计结果在纤维铺角轨迹和目标函数的差异,验证了本方法的有效性.

摘要：从单体系统迁移到微服务系统是当前业界对遗留系统实施再工程化的主流选项之一,基于单体遗留系统的微服务体系架构重构则是实现该迁移的关键步骤.目前学界多集中在微服务识别方法的研究上;业界虽有许多面向微服务架构的遗留系统重构的实践,但缺乏系统性的方法及高效鲁棒的工具.鉴于此,在微服务识别与模型驱动开发方法前期研究的基础上,研发一种模型驱动的、可用于单体遗留系统微服务化重构的集成设计平台MSA-Lab.它通过分析单体遗留系统运行日志中的方法调用序列,对其中的类和数据表进行类型识别和聚类以构造抽象微服务,同时生成包括微服务图和微服务序列图在内的系统架构设计模型.它包括用于微服务自动识别与设计模型自动生成的核心部件MSA-Generator,以及用于微服务静态结构模型与动态行为模型可视化展现、交互式建模、模型语法约束检验的核心部件MSA-Modeller.在MSA-Lab平台上,通过对4个开源项目实施有效性、鲁棒性、功能转换完备性等实验以及对3个同类型工具实施性能对比实验,结果表明:所提平台拥有很好的有效性、鲁棒性及实现面向日志的功能转换完备性,且性能更加优越.

摘要：随着测量技术和数值模拟技术的发展，数据驱动的湍流研究成为该领域的新研究方法。我国已建立了多个风洞实验室和多个超算中心来模拟湍流，这些研究积累了大量的湍流数据，但是国内没有集中的湍流数据管理平台，耗资巨大的实验和仿真数据难以实现交流和共享。湍流数据具有数据量大、维度高、精度高和多源异构等特点，其存储、访问与管理存在数据集成困难、数据访问低效和存储效率低等问题。设计了一个面向航空、航天和航海典型流动问题的湍流大数据分布式存储系统TDFS。结合湍流大数据的访问特点，在TDFS中设计了新的元数据组织方式和数据访问接口。实验结果表明，与HDFS和GlusterFS相比，TDFS分别实现了54.38%和57.7%的接口响应速度提升。同时，为了降低湍流大数据的存储开销，设计了基于HDF5的副本延迟压缩机制，相比原有的副本存储方式，节省了34%的存储空间。

摘要：终端系统作为AFDX网络数据传输的关键部分,其优劣决定着整个AFDX网络的通信性能。为了测试验证端系统功能,评估AFDX网络的传输性能,提出了一种AFDX网络配置测试方法。设计端系统的配置测试规范,建立端系统测试总体框架,对端系统的测试响应机制进行研究,规范化测试流程,生成的配置文件作为算法设计的输入信息。设计激励数据生成算法,建立激励数据生成框架,对数据发送的约束条件进行形式化定义,利用SMT求解器,生成激励数据发送时刻表。激励数据发送时刻表作为输入,利用TestCenter网络测试平台进行仿真实验,实验结果证明该方法能模拟当前AFDX网络配置在高负载数据流下的有效性。

摘要：高速共轴刚性旋翼在前飞状态下会产生复杂的非定常涡干扰流动结构及较强的激波,对高速直升机的气动、噪声及振动特性有着重要的影响,这些流动现象的高分辨率捕捉是高速直升机CFD研究中的难点之一。发展了可在大规模并行计算中实现负载均衡的运动嵌套网格系统,提出了能够在人工边界上保持高阶精度的高效嵌套关系辨识及插值方法;在嵌套网格上应用了发展的谱特性自适应优化的五阶非多项式重构WENO格式(WENO-K)和改进的延迟脱体涡模拟(IDDES)方法,从而提高对非定常多尺度流动结构的空间数值分辨率及时间保持能力。针对简单四桨共轴旋翼及X-2验证机的八桨共轴旋翼,进行了非定常涡流场高精度数值模拟,研究了高速共轴刚性旋翼桨尖涡结构的生成、发展、演化过程及涡干扰机制。计算结果表明,高阶格式结合IDDES方法能够显著降低数值耗散并提高多尺度湍流结构的分辨率,捕捉到了桨尖涡的高速发展演化过程及桨-涡干扰现象,并能够分辨出桨叶后缘生成的马蹄状的精细涡面结构,有利于高速共轴旋翼涡流场干扰机制及气动噪声的深入研究。

摘要：多模态数据的指数级增长使得传统数据库在存储和检索方面遇到挑战,而多模态哈希通过融合多模态特征并映射成二进制哈希码,能够有效地降低数据库的存储开销并提高其检索效率.虽然目前已经有许多针对多模态哈希的工作取得了较好的效果,但是仍然存在着3个重要问题:(1)已有方法偏向于考虑所有样本都是模态完整的,然而在实际检索场景中,样本缺失部分模态的情况依然存在;(2)大多数方法都是基于浅层学习模型,这不可避免地限制了模型的学习能力,从而影响最终的检索效果;(3)针对模型学习能力弱的问题已提出了基于深度学习框架的方法,但是它们在提取各个模态的特征后直接采用了向量拼接等粗粒度特征融合方法,未能有效地捕获深层语义信息,从而弱化了哈希码的表示能力并影响最终的检索效果.针对以上问题,提出了PMH-F^(3)模型.该模型针对样本缺失部分模态的情况,实现了部分多模态哈希.同时,基于深层网络架构,利用Transformer编码器,以自注意力方式捕获深层语义信息,并实现细粒度的多模态特征融合.基于MIRFlickr和MSCOCO数据集进行了充分实验并取得了最优的检索效果.实验结果表明:所提出的PMH-F^(3)模型能够有效地实现部分多模态哈希,并可应用于大规模多模态数据检索.

摘要：为解决当前计算机类课程教学质量评价中存在的信息不透明、评价指标单一、结果认可度低等问题。面向新工科教育教学改革需求,分析了区块链与计算机类课程教学质量评价的耦合关系,发现区块链能有效解决课程教学质量评价的痛点和难点,并基于此设计了一种采用区块链技术的计算机类课程教学质量评价机制,最后结合具体教学实验介绍了该机制的设计流程和有效性验证方法。

摘要：为了满足无人机多任务模式的要求,有效实现任务重构,对多任务模式下综合电子系统的重构问题进行研究,提出一种基于改进飞蛾扑火优化算法的重构算法。根据综合电子系统重构模型和重构算法,设计了多任务可重构综合电子系统。针对改进的飞蛾扑火优化算法进行了仿真实验,并对实验结果进行分析验证,与差分进化算法和标准飞蛾扑火优化算法进行对比实验。实验证明重构算法通过对多目标进行优化,能够快速迭代生成高质量的重构蓝图,满足了综合电子系统的多任务模式需求。

摘要：重构作为综合模块化航空电子系统用来提高容错性和稳定性的常用手段,是指发生某一故障后,系统根据事先预设好的重构蓝图,通过一系列应用迁移动作从故障状态转为正常状态的过程。随着综合电子系统的功能多元化和结构复杂化,提高系统的容错性和稳定性显得至关重要。然而现有的人工重构和传统重构算法这两种重构配置蓝图设计方式难以保证综合电子系统的容错性和稳定性。本文针对综合电子系统故障情况,结合深度强化学习算法,对重构蓝图的重构模型进行探索并提出基于优先经验回放的竞争深度Q网络算法(PEP_DDQN),通过优先经验回放机制和SUMTREE批量样本抽取技术提出基于深度强化学习的优先经验回放和竞争深度Q网络重构算法。实验表明,相较于传统强化学习Q-Learning算法和DQN算法实现的重构蓝图生成算法,所提出的PEP_DDQN算法能生成更高质量的蓝图并具有更高的收敛性能与更快的求解速度。

摘要：作战意图识别是指对敌方目标的状态信息进行分析,从而解释和判断敌方想要达到的目的。随着作战平台信息化程度的不断提高,这些具有时序性的敌方状态信息呈现多维、海量的特点。面对这样的特点,提出基于神经网络的方法学习敌方状态信息。由于作战意图具有层次性,并且意图行为之间具有依赖关系,设计了一种层次聚合模型,模型底层基于卷积神经网络感知行为特征,中间层基于双向长短时记忆网络聚合子意图之间的长时依赖信息,表达意图内部关系。顶层通过注意力机制将特征聚焦于对识别意图有更高贡献的高级特征,最终感知全局信息以识别目标作战意图。实验数据表明,相比其他网络结构,提出的模型可以表达意图的层次性以及意图之间的长时依赖关系,识别准确率可以达到88.83%,适用于现代战场空中目标意图的识别问题。