在不稳定空气流体的扰动下,飞机发动机经常出现旋转失速和喘振现象,喘振会造成压气机内部零件磨损,不仅仅影响发动机的性能,甚至可能导致发动机空中熄火等严重后果。研究发现,在喘振发生之前常常伴有旋转失速发生,如果可以在发动机发生喘振之前检测到旋转失速并给出准确的预警信号,对预防喘振发生,减少发动机器件损耗,提高发动机的稳定性和可靠性具有重大意义。确定学习理论的提出为非线性动态系统的内部动态学习提供了新的思路和方法。确定学习理论可以实现对未知非线性系统知识的学习和存储,再以确定的方式表达和再利用知识,它适用于RBF神经网络、动力学系统、自适应控制等领域的研究。在发动机旋转失速检测的研究中,华南理工大学的王聪等人提出了一种基于确定学习理论的动态模式识别方法,利用RBF神经网络分别对正常模态和失速模态的系统动态进行辨识,以常值的形式储存神经网络权值,并建立多模态模式库。在检测过程中,将待测系统动态分别与模式库中的正常和失速模式进行比较并计算残差,根据最小残差判断准则,就可以判断轴流压气机的当前运行状态,从而实现对旋转失速预警的功能。在工程实现中,基于确定学习理论和动态模式识别方法设计的旋转失速检测系统涉及了大量的计算问题,主要包括神经网络内部计算和残差计算。系统的计算量随着模式库中模式的增加而大幅增加,系统的检测时间过长,导致单节点多核并行计算方法已经无法满足系统对快速性的需求。为解决系统加速问题,本文结合消息传递并行计算与内存共享并行计算的特点,提出了基于LabVIEW的多节点SMP集群检测系统。在节点间,利用Lab VIEW的通信技术,实现了消息传递并行计算;在节点内部,结合LabVIEW多核编程环境,实现了共享内存并行计算,从而构建基于消息传递与内存共享混合并行算法的SMP集群系统。实验表明,与单节点多核并计算相比,本文设计集群系统大幅缩减了计算时间,加速效果显著,达到了系统在多模态动态模式识别下对快速性的需求,具有较好的工程应用价值。