基于PCNC的航路网络拓扑结构鲁棒性优化

空中交通量的持续增长,使得航路网络拓扑结构的脆弱性日益凸显,其鲁棒性优化愈发重要。本文运用复杂网络理论,分析航路网络拓扑结构,提出了优先配置关键结点保护连边(Prefrential configuration node-protecting cycle,PCNC)的方法,该方法基于度值适应度技术,探测出自身及邻居节点度值都大的关键节点,增加连边,配置节点保护环,优化航路网络拓扑结构鲁棒性。以中国大陆地区的航路网络为例,选取其中1 017个航路点和1 568条航段,探测得到101个关键节点,共配置56条新增连边。结合随机攻击和基于节点度的蓄意攻击,验证得到优化后航路网络拓扑结构对于两种攻击方式的鲁棒性都得到明显增强,且在蓄意攻击下的网络鲁棒性改善效果更好。     

基于遗传算法的无线传感器网络拓扑控制改进研究

针对无线传感器网络中节点能耗较高及网络生存时间较短的问题,提出一种基于遗传算法的拓扑控制策略。利用遗传算法良好的寻优能力来确定节点最优发射功率,同时设计了精英保留操作,提高遗传算法的优化速度。根据优化结果调整节点发射功率,可以改善网络拓扑、提升网络中节点能量使用效率。通过分析,在传感器节点非均匀布设时,本算法能够使得节点能量消耗减少,更好地延长网络生存时间。     

3-D Spidergon:一种延时优化的通用三维片上网络拓扑生成方法

提出一种基于Spidergon的通用三维拓扑结构及其拓扑生成方法.该方法在三维拓扑结构原型基础上,通过该拓扑的延时模型建立拓扑结构和延时时间的关系,并以此确定最小化延时时间条件下的拓扑结构.同时设计了针对该结构的自适应路由算法.该算法以纵向路由为优先方向,通过自适应寻找源节点和目的节点的等效最短路径提高网络吞吐量.仿真结果表明,同等规模的3-D Spidergon 与3-D mesh结构相比,在网络近似饱和的情况下,该拓扑的延时时间比3-D mesh低17％,吞吐量高16.7％.     

基于神经网络的旁路活门自适应控制

ＦＬ－７风洞旁路活门非线性控制系统稳Ｍ数神经网络自适应控制中的网络拓扑结构，权值调整，自构性学习，及其实现方法表明，整个系统控制性能优良，不仅控制精度高，而且节省燃油，可靠性性能良好。     

小卫星一体化星敏支架拓扑优化

针对小卫星薄壁式铸钛一体化星敏支架减重需求,采用拓扑优化方法设计了一种面向3D打印制造的一体化星敏支架,拓扑优化计算时以刚度不低于200 Hz和重量最小化为目标得到了材料分布模型,采用形状优化和形貌优化等手段对材料分布模型进行光顺处理得到了拓扑优化设计后一体化星敏支架。经有限元分析,星敏支架刚度和强度满足要求。选择Ti6Al4V（TC4）激光选区熔化成型工艺加工了样机,验证了拓扑优化的星敏支架的可制造性。拓扑优化的一体化星敏支架重量相比薄壁式结构铸钛一体化星敏支架减重达80%。     

基于遗传算法的连续结构拓扑优化分析

结构拓扑优化设计是结构初始方案设计的重要方法。采用遗传算法，用染色体基因映射结构离散化后的单元体，通过改变基因代码实现连续结构的拓扑。在优化过程中，利用遗传算法的全局收敛性等特点进行结构优化．通过有限元技术对结构进行建模和分析。为了消除结构拓扑优化分析中的铰接和棋盘格现象，提高优化分析效率．改善优化分析结果．在结构拓扑优化分析中引入了结构约束的概念和渐进结构优化的思想。算例分析表明．本文提出的方法是合理、有效的。     

管制扇区的最优划分方法研究

在研究管制员工作负荷的统计方法和描述空域拓扑结构的数学模型的基础上，利用基于自然法则的模拟退火随机优化算法对扇区最优化问题进行求解。并通过对厦门管制区的扇区最优划分实例分析，验证了扇区优化数学理论正确性和使用该算法达到的预期效果。     

基于网络复杂性的最小刚性编队通信拓扑生成

基于编队通信拓扑的网络复杂性，提出了一种多智能体系统最小刚性编队通信拓扑生成算法。首先基于刚度矩阵生成最小刚性编队通信拓扑的方式，找出智能体编队的最小刚性通信拓扑集；然后从降低通信消耗等方面建立网络复杂性评价指标，采用熵权法对各指标权重进行求解，给出网络复杂性的计算方法；基于此评价指标，在最小刚性通信拓扑集中找出网络复杂性最小的编队通信拓扑。仿真结果表明，该算法能有效减少编队通信拓扑网络复杂性，简化通信拓扑结构。     

基于拓扑优化技术的飞机普通框设计方法研究

为了能够合理地降低飞机结构重量系数,针对飞机结构件,以普通框为研究对象,通过对“敏度阈值”的改进,提出“敏度变阈值”概念,并与“约束补偿”策略结合而形成拓扑优化算法,用于普通框的材料布局设计。以一轻型飞机的后段某一普通框为例,拓扑优化结果表明：(1)等材料设计时,刚度提高百分之四十;(2）等刚度设计时,材料用量减少百分之三十。由此可以得出：(1)基于“敏度变阈值”的拓扑优化算法用于飞机普通框改进设计是可行的和有效的;(2)给出了一种具有可操作性的设计方法,用以实现框结构“等刚度”的设计思想;(3)所给出的方法易于飞机结构设计人员接受与掌握,并且具有工程实用价值。     

扑旋翼飞行器气动特性分析及机翼拓扑优化设计

建立微型扑旋翼飞行器运动学模型,基于面元法研究低雷诺数下非定常场中扑旋翼飞行器的气动特性,得到机翼气动特性和一个工作周期内的最大气动载荷。建立扑旋翼飞行器机翼有限元模型,基于变密度法和独立连续映射法(Independent continuous mapping,ICM)对机翼进行静力学和动力学拓扑优化设计,通过改变机翼拓扑结构优化机翼模态频率,得到同时满足结构静力学和动力学要求的扑旋翼飞行器机翼拓扑结构。本文为扑旋翼飞行器机翼结构优化设计提供了基本思路和研究基础。     

薄壁梁系的可靠性优化设计

以结构系统的可靠度作为薄壁梁系结构的优化控制参数。用改进的分枝眼界法判从主要失效模式。用PNET法计算结构系统的可靠度。导出了两种梁系结构可靠度的灵敏度分析表达式。提出最佳矢量型算法的选代公式,有效地求解了Ⅰ型截面梁系结构在系统可靠度约束下的最小重量设计问题;且在其中通过设计变量连接来满足薄壁梁的稳定性要求。算例的结果说明了方法的有效性。     

基于被动复制方式的容错CORBA模型

容错CORBA(Common object request broker architecture,公共对象请求代理体系结构)是OMG(Objectmanagement group,对象管理组织)为了给分布式系统带来容错特性而对通用CORBA所作的一个扩展。文中首先介绍了基于被动复制方式的容错CORBA模型——PFORBUS,针对其中主服务器的重要性,该模型提出了一个主服务器选择算法,该算法基于三角模糊数对不同服务器的可靠性进行评价,从而找出可靠性评价值最高的服务器作为主服务器。然后详细介绍了PFORBUS模型在该算法支持下的相关工作,包括系统初始化、正常工作流程及主服务器失效后的处理等。最后对该模型采用不同主服务器选择算法的情况进行了仿真,并取得了较好的效果。     

基于遗传算法的混合威布尔分布参数最小二乘估计

混合威布尔分布模型常用来分析具有多种失效模式的复杂系统的可靠性数据,由于模型中包含较多参数,与单一威布尔分布相比,混合威布尔分布的参数估计更为复杂。利用遗传算法为优化方法,提出了一种混合威布尔分布参数估计的最小二乘方法。以残差平方和最小为优化目标,以各参数取值范围为约束条件,构建了混合威布尔分布的非线性最小二乘优化模型;通过变换决策变量上下限、引入惩罚因子和保存最优个体等策略改进传统遗传算法以提高算法的性能,进而利用改进后的遗传优化算法对混合威布尔分布的非线性最小二乘优化模型进行求解。实例分析表明本文方法有效,利用本文方法计算得到的可靠度估计值与真实值之间的最大偏差和标准均方根误差,相对于图估计法分别减少了0.028 4与0.032 8,相对于极大似然估计法分别减少了0.000 8与0.003 6。     

基于强度和刚度可靠度的结构优化设计

以结构系统的可靠性作为结构的优化控制参数。用改进的分枝限界法判认主要失效模式。用PNET法计算结构系统的可靠度。导出了强度、刚度可靠度的灵敏度分析表达式。提出最佳矢量型法的迭代公式，有效地求解了结构在系统可靠度约束下的最小重量设计问题，算例的结果说明了方法的有效性。     

分布式容错系统的低冗余重构策略及拓扑结构研究

分布式系统需要采用合理的拓扑结构，才能在低冗余的条件下的实现容错，从而获得高的性能价格比。本文从分析的可靠性与重构策略的关系以及重构策略与系统拓扑系统入手，找出解决这一课题的一种途径，最后介绍了一个低余度高可靠实时重构的分布式容错系统的实现。     

A Distributed Cooperative Localization Algorithm for Mobile Multi-platforms Oriented to Unpredicted Communication Topology

The cooperative localization(CL)is affected by the communication topology among the platforms. Based on the unscented Kalman filtering,the distributed CL(DCL)oriented to the unpredicted communication topology is investigated. To improve the adaptability,the character of the look-up Cholesky decomposition is exploited for the covariance matrix decomposing. Then,the distributed U transformation can be dynamically implemented according to the available communication topology. In the proposed algorithm,the global information is not required for the individual,and only the available information from the neighbor is used. Each platform's state can be estimated independently. The error covariance of the state estimates can be updated in the single platform. The algorithm is adaptive to any serial communication topologies where the measuring to the measured platform is a starting path. The applicability of the proposed algorithm to unpredicted communication topology is improved,remaining equivalent localization performance to free connection communication.     

Hybrid Multipopulation Cellular Genetic Algorithm and Its Performance

The selection pressure of genetic algorithm reveals the degree of balance between the global exploration and local optimization.A novel algorithm called the hybrid multi-population cellular genetic algorithm（HCGA）is proposed,which combines population segmentation with particle swarm optimization（PSO）.The control parameters are the number of individuals in the population and the number of subpopulations.By varying these control parameters,changes in selection pressure can be investigated.Population division is found to reduce the selection pressure.In particular,low selection pressure emerges in small and highly divided populations.Besides,slight or mild selection pressure reduces the convergence speed,and thus a new mutation operator accelerates the system.HPCGA is tested in the optimization of four typical functions and the results are compared with those of the conventional cellular genetic algorithm.HPCGA is found to significantly improve global convergence rate,convergence speed and stability.Population diversity is also investigated by HPCGA.Appropriate numbers of subpopulations not only achieve a better tradeoff between global exploration and local exploitation,but also greatly improve the optimization performance of HPCGA.It is concluded that HPCGA can elucidate the scientific basis for selecting the efficient numbers of subpopulations.