基于混沌变量的航空发动机模糊神经网络控制

针对模糊神经网络控制器中模糊规则的设计和神经网络权值的确定存在困难这个问题,提出了混沌优化控制方案,将混沌优化算法应用到航空发动机模糊神经网络控制中,利用混沌优化算法对模糊神经网络的参数进行优化。仿真结果表明,设计的模糊神经网络控制器具有良好的性能。      

一种全程控制的模糊遗传算法在结构优化中的应用

将一种全程控制的模糊遗传算法(FGA算法)引入结构优化设计。区别于一般的标准遗传算法(SGA算法),该算法基于模糊推断机理,可对遗传算法的选择、交叉、变异以及搜索空间的变化进行全程控制。通过2个典型数值多峰函数对FGA算法与SGA算法性能进行了考核和对比,证明该算法在跳出局部最优和搜索效率等方面均有较大改进。将此改进的模糊遗传算法(FGA算法)应用于含整型和离散变量的铆钉连接结构连接效率优化。结果表明:连接效率和优化效率均得到改善。      

神经网络在经济预测中的应用

阐述了针对BP神经网络在经济预测应用中存在的网络学习速度缓慢、计算量大、网络容易陷入局部极小、学习步长需要通过实验由人工来设置和调整等问题,提出将自组织理论、扩展Kalman滤波、模糊算法、小波理论等与神经网络相结合,构成新的网络结构或改进学习算法,以克服BP神经网络自身不足的思路。     

基于超声模糊避障算法的移动机器人导航

提出了一种在移动机器人导航中基于多超声传感器的模糊避障算法。利用MATLAB资源设计出模糊控制器,介绍了模糊规则与非模糊化,并给出一种在VC环境下直接调用模糊控制器的方法,改变了以往需要通过查表方式实现模糊控制的模式,大幅提高二次开发能力。在仿真和真实环境下,实验结果都表明该算法有效,能够实现不同环境中的避障任务。     

基于梯度差自适应学习率优化的改进YOLOX目标检测算法

目标检测一直都是计算机视觉领域最具挑战的问题之一，其广泛应用于人脸识别、自动驾驶和交通检测等任务中。为更进一步提升当前主流目标检测算法的性能表现，提出了基于YOLOX的目标检测改进算法，并在标准的PASCAL VOC 07+12和RSOD数据集上进行实验验证。针对YOLOX目标检测算法主要通过数据增强、改进网络结构和损失函数3方面做出改进，同时提出基于梯度差的自适应学习率优化算法用于训练改进后的YOLOX算法，该优化算法同样适用于其他神经网络优化。在PASCAL VOC 07+12标准数据集上进行实验，与原YOLOX-S进行比较，改进后的YOLOX-S算法的AP由61.63%提升到66.35%，提升效果明显。同时在RSOD标准数据集上进行实验，并与其他主流的YOLO系列算法进行了比较，改进后的YOLOX-S算法在RSOD数据集的AP由69.4%提升到73.2%，提升效果显著。实验表明：针对YOLOX的目标检测做出改进是有效的。     

动态模糊RBF神经网络焊接接头力学性能预测建模

建立动态模糊径向基神经网络RBF( Radial Basis Function,RBF)焊接接头力学性能预测模型,克服静态RBF和模糊神经网络( Fuzzy Neural Network,FNN)在结构辨识、动态样本训练及学习算法的不足。该模型的结构参数不再提前预设,在训练过程中动态自适应调整,适用动态样本数据学习,学习算法引入分级学习和模糊规则修剪策略,加速训练并使模型结构更加紧凑。利用三种厚度、不同工艺TC4钛合金TIG焊接试验数据对该模型进行仿真。结果表明：模型具有较高的预测精度,适用于预测焊接接头力学性能,为焊接过程在线控制开辟了新的途径。     

大动态干扰下基于光学图像的自主导航技术

针对高超声速飞行器在平流层内飞行过程中自主天文导航时,气动光学效应及运动模糊等大动态干扰严重影响观星和高精度导航的问题,提出一种基于正则化思想的高超星图半盲复原改进算法。该算法首先借助已有的高超星图模糊核提取算法获得先验模糊核,为复原提供便利条件。接着结合天文图像灰度及梯度的稀疏先验分布特性,设计了一种针对高超星图的正则化盲复原模型,并结合先验模糊核所提供的信息,构建了改进的半盲复原方法,能在先验模糊核精度较低或缺失时转化为盲复原方法,提高了算法的鲁棒性。将本算法与传统星图复原算法、其他最新正则化复原算法进行星图复原与导航效果比较,数值仿真结果显示本算法的复原效果更佳,峰值信噪比（PSNR）达到36.97,并且质心提取成功率达到99.23%,能够明显改善星图识别的成功率,从而大幅提升高超声速飞行器在平流层中的大动态干扰下的自主导航能力。     

模糊神经网络在过失速机动飞行中的应用

模糊逻辑控制技术和神经网络有机的结合 ,拓宽了模糊逻辑方法和神经网络方法的适用领域。利用神经网络具有自学习能力的优势 ,采用反向传播学习算法 ,通过对传统模糊逻辑控制器中的模糊逻辑控制规则和隶属函数有关参数进行训练学习 ,设计了模糊神经网络控制器 ,应用于飞机的过失速机动“里程碑”之一—— 70°迎角定常飞行仿真计算 ,获得了令人满意的结果。     

模糊模型参考学习控制及其应用

介绍了一种新型的模型参考自适应控制器-模糊模型参考学习控制.学习机制可以观测对象的输出并且调节模糊控制器中规则的隶属度函数,从而使得对象的输出跟踪参考模型的输出.仿真结果表明该控制器可以实现对非线性时变系统的高效控制,可保证闭环系统具有良好的跟踪性能和鲁棒性,且算法简单,易于在线控制.     

基于改进鲸鱼优化算法的无人机航路规划

针对复杂地形环境下的无人机航路规划问题，提出一种基于改进的鲸鱼优化算法的航路规划算法。首先，根据起始点和目标点等信息，通过坐标系旋转将二维航路规划问题转化为D维空间下的寻优问题；然后，将灰狼优化算法中的等级制度和微分进化算法中的贪婪策略引入鲸鱼优化算法提出改进的鲸鱼优化算法。在保证算法收敛速度的同时，所提的改进鲸鱼优化算法有效地提高了开发能力和搜索能力。最后，将提出的改进算法应用于无人机的航路问题求解。仿真结果表明，所提的改进鲸鱼优化算法能够有效的获得一条代价最优的、有效的航路结果，其性能优于传统的优化算法。     

基于遗传算法优化的涡扇发动机三维模糊控制

为进一步解决传统二维模糊控制器存在的快速响应与稳定性之间的矛盾,以及提高控制器的响应速度,减小超调,改善稳态性能,设计了一个基本的三维模糊控制系统,在基本控制系统的基础上引入了模糊积分混合控制器,利用改进的遗传算法对模糊规则进行了优化设计,引入了Smith预估补偿器。仿真实验结果表明,所设计的三维模糊控制系统响应速度快、无超调、控制精度高;有效克服了时间延迟的影响;鲁棒性较好,适用于小型涡扇发动机"小偏离"动态模型的控制研究。     

自适应变搜索域遗传算法及其在发动机模型中的应用

针对发动机数学模型中非线性方程插值解法的不足,提出非线性方程自适应变搜索域遗传算法解法。论文详细分析了方程求解转化为遗传算法优化的数学描述、依据方程解临域特征的自适应变搜索域机理及算法的具体实现技术。实例计算与发动机仿真结果说明:所设计的变搜索域遗传算法可作为通用的非线性方程解法,相比较于简单遗传算法,能成倍提高计算效率;替代插值解法应用于发动机模型,可有效提高模型的收敛性。     

基于多目标遗传算法的再入飞行器气动布局优化

本文采用多目标遗传算法来确定再入飞行器气动布局优化问题的Pareto最优解集，并和传统的多目标优化方法（加权和方法、约束法）进行比较。通过计算表明，多目标遗传算法能够在一次运行中搜索到优化问题的近似Pareto最优解集，这为飞行器设计得进行目标折衷决策提供了充分的依据。     

混合遗传算法在气动力参数辨识中的应用

遗传算法是求解复杂系统优化问题的一种有效方法，具有较强的鲁棒性和全局寻优能力，但计算量大，效率较低。将遗传算法与一维局部寻优算法相结合，构造了一混合遗传算法．并将其用于气动力参数辨识．以取代通常采用的梯度类优化算法。采用该混合遗传算法对某型飞机的横向气动力参数进行辨识计算与分析，结果表明该混合遗传算法是气动力参数辨识的一种有效方法，与遗传模拟退火算法相比．其计算效率有较大提高。     

一种基于模糊重要度的多目标优化设计方法

针对工程设计中经常出现的多目标问题,对目标的重要度进行了模糊性描述,使权重系数的选取建立在重要度这个模糊概念之上。在此基础上提出了一种基于模糊评判的多目标折衷策略,并与遗传算法相结合,发展了一套多目标模糊折衷优化设计算法,通过包括损伤容限目标在内的多目标复合材料层板优化设计的算例,证明了该方法能给出指定设计要求下可能获得的最满意解。     

GA在摩擦力作用下变位斜齿轮传动模糊可靠优化中的应用

针对传统齿轮强度理论中所存在的不足 ,在充分考虑齿间摩擦力的前提下 ,结合模糊可靠设计理论、优化设计技术和遗传算法的优点 ,提出了基于遗传算法的变位斜齿圆柱齿轮传动的模糊可靠优化设计方法。通过实例计算表明 ,遗传算法在变位斜齿圆柱齿轮传动的优化设计方面 ,效果很好      

AP聚类改进免疫算法用于航空发动机故障诊断

在免疫算法训练过程中引入近邻传播(AP)聚类与熵权法,对训练样本进行聚类与权值计算,将权值引入免疫算法中样本选择阈值的计算,以解决训练过程采用固定选择阈值所造成的检测器在部分区域过拟合,部分区域欠拟合的问题。结果表明:改进的免疫算法用于典型非线性函数的寻优时,迭代性能均优于传统免疫算法,并在大部分情况下优于粒子群算法与量子遗传算法,在进行某型发动机故障诊断的实例实验时,改进后的算法的诊断准确率达到98.06%,高于传统免疫算法的92.60%。      

机载光电跟踪系统模糊控制的优化设计与仿真

 分析了机载光电跟踪系统的构成,并对机载光电跟踪系统的最主要组成部分——陀螺稳定平台框架系统设计了基于遗传算法的模糊控制器,通过遗传算法来优化模糊控制器的规则、参数以及量化因子和比例因子。并对系统进行了详细的仿真研究,仿真结果证明基于 GA的模糊控制器设计获得了良好的控制效果。     

基于遗传算法的大展弦比复合材料机翼结构优化设计

结构减重是飞机设计的一个重要目标,采用复合材料代替金属材料以及对结构进行优化设计可以达到减重的效果。针对一个大展弦比复合材料机翼,采用遗传算法,通过Matlab调用Patran进行建模分析,以结构强度、刚度为约束条件,同时对翼梁位置和复合材料铺层进行优化设计;根据实际工艺要求建立复合材料铺层库,以解决复合材料铺层变量过多的问题。结果表明:本文提出的优化方法有效,对工程设计有较大的指导意义;复合材料铺层库在其他涉及复合材料铺层优化的问题中也具有广泛的应用前景。     

一种高效高精度的气动弹性结构优化方法

气动弹性结构优化技术主要包括约束求解和优化算法两个方面的内容。针对常用的基于低阶面元法的静气动弹性分析方法计算效率高但精度低的特点,建立了一种高效高精度的基于高阶面元法的静气动弹性分析方法。针对当前气动弹性结构优化技术使用单一优化算法导致搜索精度低、收敛速度慢等特点,将遗传算法和分形算法进行结合,发展了一种遗传/分形混合算法。针对气动弹性结构优化计算时间长、设备要求高等特点,引入了Kriging代理模型方法来加快优化速度,减少时间和设备的耗费。最后以某大展弦比客机机翼为算例,采用基于高阶面元法的静气动弹性分析方法求解约束响应样本,用Kriging代理模型方法对约束响应进行模型构建和预测,并将Kriging代理模型和遗传/分形混合优化算法进行结合,构建了一种高效高精度的静气动弹性结构优化方法。优化分析结果表明,Kriging代理模型在静气动弹性响应预测上具有很高的精度,平均误差均在5%以下,副翼效率预测的平均误差甚至低于1%;遗传/分形混合算法相比于单一的遗传算法具有更快的收敛速度和更强的全局寻优能力。