小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

基于DMOM算法的航空发动机性能寻优控制

提出一种分散迁移优化算法(DMOM),可实现多峰值优化问题的全局最优解搜索.该算法通过随机选择参考粒子,不断迁移搜索自身所处区域峰值点,再通过分散操作排除局部最优点,重新生成新个体,可快速搜索到全局最优区域.将DMOM应用于航空发动机性能寻优控制仿真,结果表明:在最小油耗和最低涡轮温度模式下, DMOM的寻优速度相比遗传算法(GA)和粒子群算法(PSO)提高了2倍以上;同时DMOM的优化精度相比自组织迁移算法(SOMA)提高了60%以上,相比可行性序列二次规划(FSQP)算法提高了20%以上.验证了DMOM相比其他优化算法有更强的跳出局部最优的能力,在航空发动机最小油耗和最低涡轮温度这类多峰值寻优问题中具有明显的优势.      

基于动态因子的粒子群算法在航路规划中的应用

粒子群优化PSO(Particle Swarm Optimization)因其实现容易、精度高、调整参数少、收敛速度快等优点而在解决优化问题中得到了广泛的应用。分析了惯性权值及加速度因子对粒子群算法优化性能的影响,进而提出改进粒子群算法的方法:线性或非线性动态调整惯性因子,从而有效地提高算法的搜索能力;进行了仿真实验,仿真结果表明改进后的算法在全局搜优的速率与精度方面均有明显提高。     

粒子群优化的Kriging近似模型及其在可靠性分析中的应用

将粒子群优化(PSO)算法引入Kriging建模过程,依靠PSO算法的群体搜索能力克服了模式搜索法单点序列搜索方式的局限性以及严重依赖于初猜解的缺点,保证了在任意初始条件下都能获取极大似然意义下的最优相关参数,从而有效确保了Kriging预测结果的最优无偏性.涡轮盘低循环疲劳可靠性分析实例表明,粒子群优化的Kriging(PSO-Kriging)近似模型对危险点周向应变变程的预测精度相对神经网络有数量级上的优势(最大误差由5.94%降低到0.09%),可不牺牲精度地代替有限元程序进行Monte Carlo模拟;同时PSO-Kriging建模与预测的总时间不及一次有限元分析的1/10.由于预测精度高(其最优无偏性由PSO算法保证)且计算开销不大,提出的PSO-Kriging对于实际工程结构的可靠性分析有一定应用价值.      

改进的粒子群优化算法在气动设计中的应用

为了提高优化系统的搜索效率,发展出了社会模型这种改进智能优化算法的通用策略,在此基础上,提出了一种基于社会模型的改进粒子群优化(IPSOSM)算法。该算法对社会模型进行了分析并在此指导下,将人工鱼群算法(AFSA)中的聚群行为引入到粒子群优化(PSO)算法中,丰富了粒子之间的优势信息源,增强了粒子的信息共享能力,使得IPSOSM算法能够有效地跳出局部最优。函数测试表明,该算法显著提高了PSO算法的寻优性能。将IPSOSM算法应用到翼型和机翼的气动优化设计之中,取得了良好的结果,从而表明提出的算法简洁有效,具有较好的实用性。     

基于分布式粒子群算法的翼型优化设计

采用求解N-S方程作为优化算法中的CFD分析方法,基于标准粒子群优化算法(PSO),将其与遗传算法中的选择机制相结合,形成了一种改进的基于自然选择的粒子群算法(SELPSO),以提高算法的求解精度和改善算法的全局收敛性。为改善串行粒子群算法效率低,耗机时等缺点,文中将分布式计算引入到优化设计过程中,实现了基于分布式粒子群算法的翼型设计优化系统,设计实践表明,文中发展的优化算法对优化设计系统质量和效率都有着大幅度的提高,在工程中具有很好的实用价值。     

基于混合粒子群算法的上升段交会弹道快速优化设计

基于梯度搜索的高效性和粒子群搜索的随机性,提出了一种混合粒子群算法,并应用该算法研究了运载火箭上升段交会弹道快速优化设计问题.以运载火箭与目标飞行器在交会时刻的距离最小为目标函数,设计了运载火箭飞行程序,建立了运载火箭上升段交会弹道优化模型,同时分别采用混合粒子群算法、遗传算法和粒子群算法进行求解.仿真结果表明:基于本文算法对运载火箭上升段交会弹道进行优化设计,平均交会位置误差为4.137m,较遗传算法减少了17.940m,平均优化耗时488.922s,较粒子群算法缩短了2342.125s.混合粒子群算法搜索速度较快,收敛精度较高,可用于运载火箭上升段交会弹道的快速优化设计.      

正弦余弦算法优化的SVM模拟电路故障诊断

针对容差模拟电路故障诊断中软故障诊断样本较少和正确率低的问题,提出一种基于正弦余弦算法(Sine Cosine Algorithm, SCA）优化的容差模拟电路软故障诊断方法。对实验电路进行Monte Carlo分析后采集输出电压信号后采用小波变换提取小波熵组成故障特征集,采用主元分析法(Principal Component Analysis, PCA）对特征降维,利用基于SCA的支持向量机(Support Vector Machine, SVM）对故障集进行分类。通过对Sallen-Key带通滤波电路的分析,SCA-SVM分类算法具有较好的分类准确率与较快的诊断速度,优于网格搜索(GridSearch）、遗传算法(GA）和粒子群算法(PSO）。最后,在四运放双二次高通滤波器电路上进行测试。结果表明,SCA SVM在容差模拟电路软故障诊断中具有较强的适应能力。     

基于PSO-SVM的民航发动机送修等级决策研究

为降低航空公司维修成本,增强送修等级决策科学性,保障飞行安全,提出基于PSO-SVM的民航发动机送修等级决策算法.首先利用改进的粒子群优化(Particle Swarm Optimization,PSO)算法对支持向量机(Support Vector Machine,SVM)参数进行寻优,并提出将交叉验证(Cross Validation,CV)的平均分类精度作为PSO的适应度值.对某型发动机送修等级的真实数据进行了决策对比研究,研究数据表明:与传统的Grid和GA算法相比,PSO的参数寻优效果要更优;在小样本分类时,PSO-SVM的分类精度要远高于常用的神经网络分类模型径向基函数(Radial Basis Function,RBF)模型和学习向量量化(Learning Vector Quantization)模型.     

基于改进粒子群算法的管道动强度可靠性优化设计

本文对某型飞机液压管道采用的带压缩因子的粒子群算法(PSO)进行了改进,并对其支撑位置进行动力学优化。使用映射方法来离散粒子的位置,分别利用"和声搜索"法和"飞回技术"法对粒子群算法的边界条件和约束条件进行处理,改进了粒子群算法。并有效结合有限元(FEM)和改进的粒子群算法,以管道的疲劳累积损伤可靠度为约束,以一阶固有频率最大为目标对支撑位置进行动力学优化。经过优化,提高了管道的一阶固有频率,降低了振动水平,增强了系统的抗振能力。     

分布式实时控制系统执行软件的研究与设计

 用“数据驱动”(Data-Driven)和“事件驱动”(Event-Driven)代替常规的“时间驱动”(Time-Driven)作为分布式实时控制系统执行软件的驱动机制,可以使系统中数据传输效率和系统的实时性都有较大的提高。本文所述的执行软件在这方面做了一些尝试,取得了较好的效果。     

网络虚拟现实系统综述

虚拟现实是发展迅速的技术,有很大的应用潜力。网络虚拟现实已引起越来越多的关注。本文概述了目前典型的网络虚拟现实系统以及设计和实现网络虚拟现实系统的关键技术。最后指出,网络虚拟现实作为一个具有吸引力又富于挑战的领域,仍有许多有待研究和突破的问题。     

FATIGUE DISLOCATION CONFIGURATIONS IN HEXAGONAL ZIRCALOY-4

ＦＡＴＩＧＵＥＤＩＳＬＯＣＡＴＩＯＮＣＯＮＦＩＧＵＲＡＴＩＯＮＳＩＮＨＥＸＡＧＯＮＡＬＺＩＲＣＡＬＯＹ－４￥ＸｉａｏＬｉｎ（ＩｎｓｔｉｔｕｔｅｏｆＥｎｇｉｎｅｅｒｉｎｇＭｅｃｈ．，Ｘｉ＇ａｎＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｘｉ＇ａｎ，Ｃｈｉｎａ...     

传感器射频综合技术探讨

分析了射频综合的频段划分和各传感器内部功能模块的横向划分;讨论了美国国防部开放式系统联合任务组(OS-JTF)提出的RF开放式系统实现方法;并对在国内开展射频综合技术研究提出了初步想法。     

TD-SCDMA中外环功率控制的研究

CDMA系统是干扰受限的系统,降低干扰可以提高系统的容量.TD-SCDMA系统的功率控制就是在保证用户的QoS前提下,降低发射功率,减少系统干扰从而增大系统的容量.本文介绍了TD-SCDMA中外环空率控制的算法,并且分析了功率控制参数对系统性能的影响.     

PDM技术及其在直升机研制中的作用

本文首先分析了当前直升机在运用CAD/CAE/CAM技术进行研制中存在的一些问题,接着提供了解决的方法,介绍了PDM的概念、构成、主要功能。最后简述了PDM技术在直升机研制中的作用,以及企业在实施PDM当中应注意的一些问题。     

基于Traits泛化技术的SLE API编译码处理

在对CCSDS(Consultative Committee for Space Data Systems,空间数据咨询委员会)制定的SLE(Space Link Extension,空间链路扩展)的标准API(Application Program Interface,应用程序接口)设计开发过程中,需要对各种不同服务类型的操作进行ASN.1(Abstract Syntax Notation One,抽象语法标记1)编码译码,使用一般方法处理会存在大量的冗余且可扩展性不强。因此,设计了基于Traits技术的SLE API编码译码泛化模型,该模型从服务、协议数据单元、操作等3个层级,以及编码、译码这2个方向分别定义模板,并进行特化、偏特化以及萃取,从而实现了对编码、译码过程的泛化,并通过实例描述了应用过程。该模型有效提高了SLE API设计的灵活性、层次性、通用性,以及SLE服务的可拓展性。     

基于先验误差模型的机载高分宽幅DBF-SAR自聚焦算法

高分宽幅（HRWS）数字波束形成（DBF）合成孔径雷达（SAR）利用多通道空间采样代替部分时域采样,可以有效缓解SAR成像时高分辨率与宽测绘带间的矛盾,具有重要的军用和民用价值。现有常规DBF-SAR成像算法都假设雷达传感器相对位置精确已知,实际应用中受传感器位置测量误差影响,由位置不精确导致的相位误差会严重影响DBF-SAR高精度成像能力。在极坐标格式算法（PFA）框架下,推导了DBF-SAR成像处理后,残留相位误差的解析模型,分析了该误差对成像质量的影响。依据推导的先验相位误差解析结构模型,提出了一种基于图像对比度最优化准则的自聚焦算法。新算法通过引入先验相位结构信息,极大降低了待估参数的空间维数,可以同时改善自聚焦算法的参数估计精度和计算效率。数据处理结果验证了理论分析的正确性和所提算法的有效性。     

激光金属沉积技术研究现状与应用进展

增材制造是融合材料科学、机械自动化及信息技术的先进制造技术,在近30年的发展中,发挥着越来越重要的作用。激光金属沉积(Laser metal deposition,LMD)是基于定向能量沉积(Directed energy deposition,DED)的一种增材制造技术,在近年来受到广泛关注和研究。阐述了LMD技术的基本工作原理及系统组成,重点介绍LMD技术国内外研究进展及应用现状,列举了一些基于LMD的工艺技术开发及装备研发制造,指出了LMD技术在成形效率和成形精度、工艺稳定性及性能一致性等方面的不足。最后,总结了LMD技术未来的5个发展趋势:材料体系集约化、工艺参数系统化、成形过程高效化、设备集成智能化和应用领域广泛化。     

Web数据挖掘系统的设计及关键技术研究

Web数据挖掘是一种新兴的边缘科学技术,它涉及到机器学习、数据挖掘、信息检索、自然语言处理、数据库以及人工智能等技术,可用于网络检索、网站建设以及电子商务等方面。本文在对Web数据挖掘技术详细研究的基础上,提出了一个Web数据挖掘的通用系统框架,并对信息收集、信息选择和预处理、模式的提取和用户接口等各个组成部分所使用的技术和存在的问题及解决的方法进行了讨论。本文结合Web自身的特点,提出了一个智能网页收集器WebCrawler,它除具有一般WebRobot的基本功能外,还采用了一种既考虑文本重要性又考虑链接结构的URL排序方法,从而确保收集的Web页面是Web比较优秀的部分。