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%。      

涡轮基组合循环发动机分布式控制系统通信网络混合拓扑结构优化方法

涡轮机组合循环(Turbine based combined cycle,TBCC)发动机控制系统通信网络拓扑结构是其分布式控制系统方案设计的重要部分,优化网络拓扑结构可提高发动机推重比和控制系统可靠性。本文基于智能优化算法提出TBCC分布式控制系统网络拓扑结构优化方法。基于图论建立TBCC几何模型和网格模型,以重量和可靠性为优化性能指标,同时考虑发动机表面高温区域以及控制节点的工作可靠性,分别采用粒子群算法和遗传算法优化星形结构中智能中央节点位置、中央节点的环形拓扑结构,获得星形-环形混合拓扑结构。仿真实例表明,基于本文方法优化所得的混合拓扑结构相较于星形集中式控制结构,系统重量降低了51.9%。     

人工智能技术在嵌入式代码审查中的应用与展望

代码审查是航天嵌入式软件开发中的重要环节.近年来，随着嵌入式软件开发需求的增多，传统以人工为主的代码审查方法逐渐不能满足快节奏的软件开发流程.为了减轻审查人员的压力，提升审查效率，研究者们逐渐将目光转向以深度学习技术为首人工智能领域，尝试寻求技术上得突破，以开发更智能的审查系统.本文对近年来人工智能技术在代码审查及程序理解中应用的相关工作进行了归纳总结.首先简要介绍了嵌入式代码审查工作目前面临的困境及解决方案.然后引出了代码审查中的一项重要活动，即程序理解.并详细阐述了目前基于人工智能的程序理解在代码审查中的应用情况.最后根据相关领域的发展情况，对未来代码审查的发展方向作了进一步的探讨.     

基于多目标灰狼算法的干扰资源多效能优化方法

依靠经验决策或简单的模板匹配的传统干扰资源决策方式难以适应当前复杂的电磁环境。针对雷达干扰资源决策的智能化需求展开研究，将干扰资源调度建模为多目标优化问题，以最大化整体干扰效能、最小化干扰总功率、最小化作战损失为目标函数建立干扰资源调度模型，利用一种多目标灰狼算法（MOGWO）求解问题模型Pareto前沿，以最优解集代替最优解，再根据战场实际情况选择最佳调度方案，使决策方案更加科学合理。实验结果表明，MOGWO算法能够克服基本灰狼算法（GWO）探索能力不足、局部收敛的缺陷，有较高的搜索效率，算法的寻优能力和稳定性均优于NSGA-Ⅱ算法和MOPSO算法。      

全球视野下构建中国企业的学习型组织

学习型组织作为一种成功的组织发展模式,已在国际学术界、管理界、企业界得到了广泛共识.中国企业纷纷加入创建学习型组织的行列.深入剖析中国企业在进行组织学习时产生的一系列问题,提出中国企业创建适合中国国情的学习型组织的方法途径.     

调频连续波SAR改进的频率尺度变换算法(英文)

本文提出了一种调频连续波SAR改进的频率尺度变换算法。调频连续波SAR在运动过程中持续不断地发射和接收信号,这种运动导致了回波信号的伸缩,对波前重建产生了严重的影响。推导了回波信号模型,给出了信号的距离-多普勒域表达式,分析了由于天线不断运动而导致的相位变化与方位向频率之间的关系。改进的频率尺度变换算法补偿了这种相位变化,实现了目标的精确成像,仿真结果表明了分析的正确性和算法的有效性。     

行星际结构与准平行无碰撞激波的相互作用

应用一维混合模拟方法数值研究了高密度等离子体团和行星际激波与准平行无碰撞激波的相互作用．结果表明，由于推平行无碰撞激波上游的大振幅低频波动的散射，除了在通过激波过渡区时稍有压缩外，等离子体团从激波的上游开始就一直是不断弥散的．行星际激波在向准平行无碰撞激波靠近的过程中，会在其上游产生大振幅的低频波动，同时行星际激波的强度不断增加，最后和准平行无碰撞激波会并成一个新的激波，在新激波前继续有大振幅的低频波动产生     

虚拟现实系统中立体显示算法的研究

实时生成三维立体图形是虚拟现实(VR)的一项核心技术.文中对基于投影变换的立体显示算法、基于相关性理论的立体显示算法以及基于计算机生成全息的立体显示算法等进行了研究.     

移动机器人在部分未知环境中作业的定位算法

通过对移动机器人在部分未知环境中的运动分析,结合多传感器信息,提出一种新的移动机器人在未知环境中的定位算法.该算法可根据移动机器人的运动过程,不断更新其位置状态,并能对下一步位置状态进行预估计,然后根据实测传感器信息对预估值进行修正,获得实际位置状态.     

基于实例推理技术及其研究发展方向

基于实例的推理技术（Case- Based Reasoning ,CBR）是人工智能及机器学习领域中的前沿方向.作为一种增量式的学习方法,规避了传统人工智能在知识获取上的瓶颈问题.本文介绍了CBR的基本原理、实例中知识的表示方法和Tverskey和k-NN两种检索技术;详细讨论了CBR实现过程中的中心问题--实例修正问题,给出实例的修正的8种技术与方法;提出了基于实例的推理技术的研究重点和发展方向.