轴流风扇被广泛应用于如刀片服务器等机械设备的通风散热中,在工作时风扇旋转形成的湍流与自身以及固壁发生耦合作用,进而诱发气动噪声.湍流尺度极小,稳定性差,所以对气动噪声模型的数值计算需要耗费大量的计算资源.将人工神经网络与传统的数值模拟方法相结合,首先基于k-ε两方程模型求解纳维-斯托克斯方程得到轴流风扇的流场解,再通过FW-H声类比理论得到其声场解,然后对轴流风扇搭建人工神经网络模型,同时在声远场选取气动噪声声压级样本点,通过BP神经网络算法进行学习,最后利用训练好的人工神经网络模型对轴流风扇工作时的噪声场进行预测,实现了良好的预报效果.该方法可以有效节省计算资源,在工业上有一定的应用价值.

传统数控机床中电机的运动控制采用梯形加减速、三次S形加减速控制算法,使得加速度和加加速度不连续,易对电机产生柔性冲击。采用四次S形加减速控制算法时,因计算繁琐,时间复杂度高,使得加工运行时间长。为改善这一状况,提出一种新的四次S形加减速控制算法并进行验证。结果表明:该算法能有效减少加工时间,降低加工中的柔性冲击,提高电机工作效率,延长电机的寿命和提升加工零件的质量。