基于S-粗集副集的群分裂与合并方法研究

针对目标编群中的动态特性,研究了基于S-粗集副集的群分裂和群合并方法.以空间群为对象,用一个双向奇异集合来描述一个空间群,用特征函数来刻画目标迁入迁出空间群的程度,在此基础上给出了目标分群与合群的具体步骤.通过具体实例,证实了所给方法的可行性和有效性.     

基于随机有限集的空间碎片群运动状态估计

传统的空间目标监测是建立在单目标状态估计基础之上,在面对突发产生的大量空间碎片时,由于碎片尺寸小,且密集分布以"群"的方式出现,传统单目标处理方法很难奏效。以"群"整体作为处理对象,基于随机有限集(RFS)技术,对"群"的状态特征进行估计。为了解决漏检目标密度分配问题和轨迹关联问题,提出一种面向量测的改进集势概率假设密度(CPHD)滤波器,并结合滤波后的信息处理过程,完成了对低轨空间碎片群的目标密度分布、群内目标数以及群内显著目标的状态估计。在仿真实验中,提出的滤波器表现明显优于传统滤波器和标准CPHD滤波器,且在某些传统滤波器和标准CPHD滤波器已失效的情况下,所提技术仍能有效工作。     

基于多维特征的战场实体目标分群方法

目标分群问题也称为群形成过程,是态势估计中的一个重点和难点问题,属于信息融合中的高层融合范畴。现有的目标分群方法大多是将空间位置相近的目标聚为一类,极少有分群方法考虑到进行战场态势分析所需的位置、速度、航向、属性和类型等多维特征。为此,首先根据海战场态势分析需求,基于目标的特征属性定义了多维度欧式距离;然后综合利用分类与密度聚类两种分析方法,提出了一种战场实体目标分群方法,以综合实现战场实体目标的实时分群处理;最后,将该算法应用于一个军用场景的数据集上进行仿真实验。仿真结果表明了该方法在海战场环境中实现目标分群处理的可行性和有效性。     

空间多目标空域分布分析及解算方法

空间多目标空域分布是指目标群在飞行过程中的空间相对位置关系和运动状态,是评估武器系统性能的重要参数。测控系统对该参数的获取越来越重视,但是对空域分布的描述还没有形成统一的认识。从目标探测和目标识别角度提出了一种解决方案,按照多目标在空间散布的形态把空域分布划分为直线分布、平面分布和立体分布3种类型,定义了各种分布类型的描述参数,并给出了各类参数的解算策略和方法步骤。用10个目标构成不同分布形态的目标群,仿真测控系统对其跟踪解算过程,解算结果与空域分布设计一致,验证了分析和解算方法的正确性,该方法可以在试验任务中推广应用。     

基于粗集的装备方案综合评定方法

针对多属性评定中相对于决策目标属性之间存在冗余和相关性,以及装备评定可获得的信息量少等特点,将灰关联度方法和粗集理论结合,实现了装备综合评定中的不同数据类型属性的约简,提高了综合评定的效率。根据属性之间的灰关联度作为属性约简的标准,实例分析、研究了不同属性约简标准下的综合评定,证明了该方法的有效性。     

一种基于实数粗集空间的自组织映射方法及在模式识别上的应用

提出一种实数粗糙集,避免了经典粗糙集必须经过离散化处理的环节;并且用实数粗糙集的下、上近似集的精确概念划分自组织映射的输出结果,使得修改后的映射结果中各类样本点之间有明显的间隔,易于进行分类识别.最后通过对某型歼击机的舵面故障的模式识别仿真验证了其方法的正确性和有效性.     

一种基于实数粗集空闻的自组织映射方法及在模式识别上的应用

提出一种实数粗糙集，避免了经典粗糙集必须经过离散化处理的环节；并且用实数粗糙集的下、上近似集的精确概念划分自组织映射的输出结果，使得修改后的映射结果中各类样本点之间有明显的间隔，易于进行分类识别。最后通过对某型歼击机的舵面故障的模式识别仿真验证了其方法的正确性和有效性。     

基于流形结构重建的多目标气动优化算法

在多目标优化中,Pareto解集是一个分段连续的k维流形,这一规律被传统进化算法所忽略。本文提出了一种基于流形结构重建的多目标优化算法,首先利用流形结构重建方法完成解集分布从目标空间到设计空间的映射,建立解集的概率分布,并在目标空间中扩展流形结构,从而借助解集在目标空间的推进来指导优化算法的快速演化。数值算例表明本文算法对于具有不同特征的Pareto前沿具有很好的适应性,能够极大提高算法的收敛效率。多目标气动优化算例验证,本文算法相比于常规多目标进化算法能够减少约80%的计算量,极大程度缩短了气动设计的周期。     

粗集理论在航空产品质量诊断中的应用研究

分析了航空产品制造的复杂性,针对目前生产方式的转变以及人工智能方法用于过程质量智能化诊断的不足,提出利用粗集理论进行航空产品生产的过程质量诊断以满足产品复杂性对质量提出的要求,通过实例讨论了该方法的优越性.     

基于Pareto集与多目标决策的飞控参数优化

针对传统的单目标优化方法不能对飞控系统多个性能指标同时进行优化的问题,提出了一种基于Pareto遗传算法和多目标决策的飞控系统参数优化方法。通过NSGA-Ⅱ算法对飞控系统参数进行优化获得最优解集,在此基础上首先进行方案的初选,然后利用综合权重的Vague集决策方法对备选方案进行模糊评价和优选,找到最终满意解。仿真结果验证了所设计方法的有效性。     

Pareto遗传算法在气动外形优化中的应用

Pareto方法作为一种多目标优化方法,能够一次性获得优化问题对应的不同权重分配情况下的所有最优解集。它与遗传算法结合产生的Pareto遗传算法,是求解多目标优化问题的Pareto最优解集合的一种有效手段。本文将两种常用的Pareto遗传算法,MOGA方法和两支联赛遗传算法应用到气动外形优化中,针对具体算例进行气动外形的优化设计,得到了满意的优化设计结果。     

模糊数学用于飞机总体参数的优化设计

一、引言 飞机总体参数设计是飞机全局性的综合设计,是整个飞机设计工作战略性的一步,它是围绕如何达到使用技术要求这个目标来进行的。使用技术要求对设计飞机的主要性能指标提出了起码的限度值。然而,这一阶段的设计工作是粗略的、不精密的。     

一种飞行控制中控制分配的解决方案

针对现代飞控系统中的控制分配问题,提出了一种基于经典理论的最优化方法——有效集方法的控制分配方案,并建立了该方案的两种算法实现;简要描述了具有多个操纵面,考虑位置和速率约束的飞行控制中的控制分配问题,并将其转化为约束二次型规划问题进行研究;讨论了现有的几种控制分配解决方案;最后,以某型飞机为仿真模型,对新的和以前的几种控制分配方案的算法实现进行了对比仿真验证。仿真结果和数据统计表明,提出的这种基于有效集方法的控制分配解决方案对于实时飞行控制分配问题是切实可行且高效的。     

MIMO系统模糊控制及其在飞行控制中的应用

提出了ＭＩＭＯ系统最优模糊控制规则自学习方法,并采用传统动态规划法确定出全局最优模糊控制规则,这些规则满足使模糊性能性能最小的要求,同时还讨论了规则的复杂性和工程实用性等基本问题。研究结果证明了该方法的正确性与实用性。     

A partition of unity level set method with moving knot CS-RBFs for optimizing variable stiffness composites

A partition of unity level set method with moving knot Compactly Supported Radial Basis Functions (CS-RBFs) is proposed for optimizing variable stiffness composite structures. The iso-contours of a level set function are utilized to represent the curved fiber paths, and the tangent vector of the iso-contour defines the orientation of fiber. The level set function of the full design domain is constructed according to the Partition of Unity (POU) method by a set of local level set functions defined on an array of overlapping subdomains, and they are constructed by using the CS-RBFs. The positions of knots are iteratively changed during the optimization to improve the performance of composite structures. Several examples of compliance minimization are presented.     

大气数据测试装置超差原因分析及一种软件修正补偿方法的提出

从现代飞机研制、生产、运营、维护过程中的实际计量、维修角度出发,重点分析了大气数据测试装置参数超差原因,并有针对性地提出一种大气数据测试装置软件修正方法,为大气数据测试装置在超差修正后满足高质量的技术要求奠定实践基础。实验结果证明,该软件修正方法切实有效,可为大气数据测试装置的计量、维修提供技术支持。     

基于神经网络的飞行器总体优化设计

针对经验公式存在的精度低、适用范围受限的缺点,采用广义回归网络代替经验公式计算气动特性,并将其嵌入到优化设计流程之中,提出了一种基于神经网络的飞行器总体优化设计方法。神经网络的训练样本输入、输出数据通过试验设计和涡格法计算得到。以高空长航时无人机为例,选取航时与机翼结构重量系数作为目标函数,应用所提出的方法进行总体优化设计。计算结果表明,提出的方法是可行的,能够满足设计要求,同时降低优化过程的复杂程度,减少迭代次数。     

一种改进的SVM算法

当训练集的规模很大特别是支持向量很多时,支持向量机的学习过程需要占用大量的内存,寻优速度非常缓慢,这给实际应用带来了很大的麻烦。文献[4]提出了一种针对大规模样本集的学习策略,该方法虽大幅降低了学习的代价,但存在着一个致命的弱点:如果初始样本集选择不当,SVM的分类精度将得不到保障。基于此,本文引入了“最远邻”,对文献[4]中算法进行了改进。实验表明,采用这种改进的算法不仅保留了文献[4]方法的优点,而且这样获得的分类器的分类精度完全可以与直接通过大规模样本集训练得到的分类器的分类精度相媲美,甚至更优。     

随机结构孤立特征值的统计特性

研究了随机结构的孤立特征值问题。将材料物理量的随机场扩展为K-L(Karhunen-Loeve)正交展式,采用非正交多项式混沌展式表达孤立特征值,建立了和摄动法类似的一系列确定的递推方程,并通过确定性有限元方法求解了这些递推方程,得到了特征值的均值和方差。在算例中用蒙特卡洛方法验证了本方法的正确性。     

刘家峡右岸水电站模型试验的光路布置

使用二维激光多普勒测速仪（ＬＤＶ）对圆管中水注流进行测速时,对于窗口的设置、利用反射镜前向接收的方法和侧向接收方式等问题,本文进行了探讨,并总结了测量中的一些实际经验。