无人机涡喷发动机的神经网络自适应PID控制

将基于RBF神经网络的辨识网络与基于BP网络的控制器相结合，组成自适应PID神经网络控制系统。RBF神经网络采用离线学习在线修正权值和阈值，为加快收敛速度，应用带惯性项的梯度下降法。大量仿真结果表明，RBF网络较ELM，标准BP及改进的BP等网络具有明显优点。对某型无人机涡喷发动机控制系统的仿真结果表明此控制方式具有鲁棒性好、响应速度快、稳态误差小等优点。     

基于自适应模拟退火遗传算法的月球软着陆轨道优化

 将自适应遗传算法与模拟退火算法相结合，形成一种自适应模拟退火遗传算法。该算法不但具备了自适应遗传算法的强大全局搜索能力，也拥有模拟退火算法的强大局部搜索能力。针对月球软着陆轨道优化的特点，利用一种新的参数化方法将轨道优化问题转换为非线性规划问题，并应用提出的自适应模拟退火遗传算法进行优化。数值结果表明：该算法的收敛速度快，优化精度高，且避免了初值敏感、病态梯度和局部收敛等问题，能够搜索到全局最优轨道。     

训练空域动态规划问题数值模拟仿真算法研究

训练空域的动态规划对于提高空域利用率,提高部队训练效率,缓解军民用空矛盾具有重要意义。本文将空域的动态规划问题进行分阶段处理,通过寻求各个阶段的最优方案来使得总的占用时间最短。针对各个阶段的动态规划问题,在分析问题复杂性的基础上,构建了空域规划模型,提出了遗传-离散粒子群算法,通过融合遗传算法中的交叉与变异思想来改善DPSO算法摆脱局部最优解的能力,提高算法的收敛速度和精度。同时为保证种群的多样性,设计了可保证个体可行性的自适应交叉算子和变异算子。最后利用甘特图来表示整个空域规划过程。将改进后的遗传-粒子群算法用于算例,并与遗传算法比较,结果表明该算法获得的结果更优且收敛速度更快。     

联合应用现代优化方法与S2流面计算进行多级涡轮的气动设计

本文联合应用S2流面正问题计算和多级局部优化设计对某三级涡轮进行多级气动优化设计。优化联合采用人工神经网络和遗传算法,流场计算采用全三维粘性流N-S方程求解,计算网格采用H-O-H型网格,即入口段、出口段采用H型网格,叶片区域采用O型网格。通过优化,总效率提高1.1%,总体性能提高,达到设计要求。     

基于更新法估计空闲时间的Inter-DVS算法的优化与实现

动态电压调整(DVS)技术是软件节能技术的另一种形式。由于CMOS电路的能耗和供电电压的平方及频率成正比关系,所以降低供电电压和频率是减少能耗的最有效方法之一。本文首先对DVS的各种算法作了详细的分类分析。然后,以"使用更新法"估计空闲时间的任务间DVS算法为例,采用嵌入式Linux操作系统对其进行了优化。最后,讨论了实现具有动态电压调解功能的嵌入式Linux操作系统的节能方法。     

TC6钛合金棒材热处理工艺研究

对TC6钛合金φ20mm～φ120mm不同规格棒材进行了普通退火、双重退火、等温退火、固溶时效等热处理方法和热处理制度研究,并对比分析了热处理制度和组织、性能之间的影响关系,结果表明,TC6钛合金的组织和性能对热处理工艺敏感,应根据半成品规格、类型、截面形状、使用温度、受力情况以及设备条件等诸多因素选择合适的热处理方法和制度,才能达到强度、塑性和韧性的最佳匹配。研究结果证实普通退火是一种简单易行的退火制度,适用于飞机结构用中等规格棒材等半成品的退火,进一步提出了TC6钛合金棒材的热处理工艺选择原则。     

求解非线性方程及方程组的模拟退火算法

探讨了用模拟退火算法求解非线性方程及方程组的方法,该方法把方程组求解问题转化为函数优化问题.计算中不需要使用目标函数的导数信息,在Matlab环境下实现了该算法,数值实验结果表明了该算法的有效性.     

飞机低空突防中的航路规划技术研究

针对飞机低空突防航路规划中存在的计算复杂和收敛性等问题,在基本遗传算法的基础上提出了一种基于自适应伪并行遗传算法的优化方法,使用该方法得到的飞行航线严格经过飞机的起始点和目标点,而且满足飞机到达目标点的航向角要求,使威胁飞机的因素最小,可有效提高飞机的任务生存率。     

飞行器控制系统的高精度计算方法

对于连续时间线性二次最优控制问题，在动力学方程和价值泛函的基础上，给出其全状态下的微分方程，进而将精细时程积分法引入上述问题，其优点为，放弃了传统的差分算法，使计算过程既简便又稳定；避免了Ｒｉｃｃａｔｉ代数方程的求解；具有非常高的计算精度。通过对某飞行器控制系统的计算，充分说明了上述特色。     

非结构同位网格SIMPLE类算法收敛性能比较

以非结构网格的SIMPLE算法为基础,将算法扩展为SIMPLEC算法.利用30°角的斜方腔流动计算成果,分析了非结构同位网格的SIMPLE/SIMPLEC算法的收敛性能;比较了因网格的非正交而引入的非正交项的取舍对该算法收敛性能的影响;并采用显式校正步法对SIMPLEC算法进行了显式校正.比较表明,在非结构同位网格SIMPLEC算法中可忽略非正交项,但有必要对压力作亚松弛.显式校正步法可显著地加速在非结构网格上求解N-S方程的收敛性能,而且在不同的松弛因子组合下,均有较好的收敛速率.