一种新的鲁棒非线性卡尔曼滤波

Huber方法是一种基于l1/l2联合范数的估计方法,该方法可以实现估计的鲁棒性,同时尽量不损失滤波精度和效率.基于Huber估计的无味卡尔曼滤波虽提高了无味卡尔曼滤波的鲁棒性,但这种方法用统计线性回归模型来近似非线性的观测模型,损失了无味变换的精度.从Huber方法的数学意义出发,对观测信息(观测值或观测噪声)进行重新构造,然后对精确的非线性观测方程进行标准的无味卡尔曼滤波,这种新的基于Huber方法的无味卡尔曼滤波无需对非线性观测方程进行线性近似,在保持鲁棒性的前提下提高了滤波精度.通过一个具有混合高斯分布观测噪声的简明实例,验证了新算法在鲁棒性、滤波精度以及估计一致性方面的优势.     

基于多GPU的大型线性和非线性方程组的求解(英文)

在处理工程问题时,常常需要对线性或非线性方程组进行求解。对于实际应用中经常遇到的大型方程组进行求解则需要相当长的时间。使用图形处理器(GPU)代替传统的CPU,将多块GPU通过操作系统进行协调,并将PBi-CGstab方法和Inexact Newton方法进行适合多GPU并行的改造以此作为多GPU求解器的核心算法,加速求解大型线性和非线性方程组。本文的多GPU求解器在成倍扩展了单GPU求解器允许的计算规模的同时取得了令人满意的加速比。     

力限振动试验技术理论基础研究

为了深入理解双控方程,由运载火箭有限元模型的多自由度子结构方法,导出缩聚在星/箭连接界面处的全箭动力学方程,定义相应参数后,导出星/箭耦合中的双控方程,给出界面加速度、有源机械系统的自由加速度、界面力、紧固力、源阻抗和负载阻抗表达式,从而加深了对星/箭耦合双控方程的理解,进而促进力限试验技术研究.同时,从多自由度模型简...     

基因方法在网格结点位置优化中的应用

将基因方法应用于网格结点位置的优化中。文中首先简单介绍了基因优化方法中基于达尔文进化论和Ｍｅｎｄｅｌ基因理论的基本原理,其中包括插索空间表达、三个基因作用器（选择、交配和变异）等要点;然后着重阐述了相关偏微分方程的离散误差和三角形网格几何形状的适应度函数的定义、结点位置的二进制基因表达及基因方法的优化进程。离散误差是在二次非连续彭鼓包（ｂｕｍｐ）函数的空间中近似定义的,并且在点移动过程中相关解的二     

歼击机的鲁棒反馈控制器设计

本文应用时域多变量鲁棒控制方法设计歼击机的飞行控制系统。设计出的鲁棒控制器具有固定的设计参数和增益。在模型误差、参数波动和歼击机气动特性显著变化的情况下,可以保证飞行稳定并有良好的动态响应。     

一类逆风ENO线方法的构造及其对Euler方程的应用

本文利用ENO(essentially-non-oscillatory)插值思想,对非线性双曲型守恒律=0提出了一类逆风ENO线方法,使用这种格式其计算量比C.Shu在文[6]中提出的通量分裂方法明显减少,进而同Runge-kutta时间离散相结合,提出了时空高精度差分格式。本文还把这类方法推广到方程组并用于计算Euler方程组的黎曼问题和拟一维喷管问题,得到了比较满意的数值结果。     

一种多目标随机决策方法及其应用

本文通过引进决策方案的可行度和决策者参考目标水平的满足度等概念,提出了一种不确定条件下的多目标随机决策方法——交互式参考目标满足度与可行度决策分析中,取得了较好的效果。     

改进跨音速位势方法的讨论

 简要地回顾并讨论了传统位势方法之不足。对改进传统位势方法的两种必要的修正(熵修正和涡修正)的量级在小扰动条件下作了分析和估值。结果表明涡修正是更高阶小量,因而作为第一步修正可采用非等熵位势流来近似。采用熵修正激波算子来计及非等熵的激波突跃条件,并考虑了由熵修正带来的尾迹条件的变化。算例表明非等熵位势方法能得到预期的改进位势方法的效果。     

纳米酚醛气凝胶材料高温热物性参数辨识方法

临近空间高超声速飞行器大面积区域可能广泛采用纳米酚醛气凝胶(IPC)材料,获取高超声速气动加热作用下IPC材料的高温热物性参数,对于高超声速飞行器热防护系统的精细化设计具有重要的意义。考虑烧蚀效应的材料高温热物性参数辨识方法研究,基于Ablation Workshop烧蚀热响应标准算例对高温热物性参数辨识方法进行验证,计算结果表明：热物性参数辨识分析方法计算精度较高;通过带分层温度/烧蚀传感器的IPC材料电弧风洞试验,得到典型来流状态下不同厚度IPC材料内部的温度分布及热解厚度分布数据,通过辨识获得高温烧蚀条件下IPC材料热导率随温度的变化关系,IPC材料原始层热导率在温度低于800 K时随温度缓慢上升（热导率维持在0.1 W/(m·K)以下）,之后材料热解使得热导率发生突变,碳化层热导率在温度高于800 K时随着温度的上升急剧增大,到1 300 K左右时上升到0.17 W/(m·K)。     

基于多智能体强化学习的无人艇集群集结方法

为解决数量不定的同构水面无人艇(USV)集群以期望队形协同集结的问题,提出一种基于多智能体强化学习（MARL）的分布式集群集结控制方法。针对USV通信感知能力约束,建立集群的动态交互图,通过引入二维网格状态特征编码的方法,构建维度不变的智能体观测空间;采用集中式训练和分布式执行的多智能体近端策略优化(MAPPO)强化学习架构,分别设计策略网络和价值网络的状态空间和动作空间,定义收益函数;构建编队集结仿真环境,经过训练,所提方法能有效收敛。仿真结果表明：所提方法在不同期望队形、不同集群数量和部分智能体失效等场景中,均能成功实现快速集结,其灵活性和鲁棒性得到验证。