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:目的:提出一种适用于全封闭冷却结构的电机热性能优化模型,设计一台600kW的高速列车用永磁牵引电机。创新点:1.通过耦合局部流体动力学模型的方法求解电机复杂冷却风道内的对流传热系数,并在全局热网络模型的框架内得到快速、准确的电机温升结果以用于结构优化;2.在冷却风道中引入栅格结构,采用热性能分析模型优化冷却结构,提升电机热性能;3.通过三维流体动力学模型计算电机局部温升最大值,并提山一种预测特定结构下电机铁损工作阈值的工程方法。方法:1.采用热网络法建立全局热网络模型(图3),并通过耦合局部流体动力学模型计算风道内的热网络参数(图4和6);2.应用田口设计法对电机风道结构进行优化,并研制样机进行验证(计算与试验结果见表5);3.假设铁损的谐波附加值与磁密值成正比,通过三维流体动力学模型计算给山端部绕组、永磁体温升值与铁损的预测曲线,并用样机试验进行验证。结论:1.采用全局热网络和局部流体动力学建模的方法可以快速、正确地计算复杂冷却结构下的电机温升分布,且优化后的冷却结构至少可以提升文中电机15%的热性能;2.本文提出的优化模型适用于全封闭风冷或者水冷等冷却结构相对独立且尚无经验公式可参考的电机热性能优化设计;3.铁损工作阈值的预测方法可以为电磁和控制系统设计提供参考。
简介:关于惩罚的确定性及其严重性是否能够有效地影响组织内部雇员的信息安全遵从行为,已有的研究结论尚存在着严重分歧。为了继续探索惩罚对信息安全遵从行为的影响作用,构建了信息安全遵从博弈模型,依据该模型和存在道德风险的委托人——代理人理论,分析了惩罚的确定性以及适度的惩罚严重性对信息安全遵从行为的激励机制,并对惩罚的适度性进行了数值模拟。研究表明:(1)作为委托人的组织可以设计出包含适度惩罚的最优激励契约,并获得最优的信息安全遵从收益;作为代理人的雇员不仅将接受该契约,并且会按照组织所期望的努力水平去遵从信息安全制度。(2)惩罚的确定性和适度性两者能够有效地影响雇员的信息安全遵从行为。(3)组织可以根据雇员的风险规避测度、外部机会收益、激励报酬以及信息安全产出结果这四个因素来设置适当的惩罚额度。这些研究结果将有助于信息安全管理者深入地理解并有效地管理组织内部雇员的信息安全遵从行为。