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%。     

高超声速飞行器再入段LQR自抗扰控制方法设计

针对高超声速飞行器(HSV)再入过程中强非线性、强耦合、气动参数变化剧烈的不确定性的特点，提出一种基于线性二次型调节器(LQR)和自抗扰控制(ADRC)的高超声速飞行器再入段的姿态控制方法。首先，建立高超声速飞行器再入段线性化模型，并采用LQR方法完成了状态反馈控制律设计。然后，结合自抗扰控制技术，设计了扩张状态观测器(ESO)对系统的模型不确定性和外部干扰进行补偿，大幅增强了系统的扰动抑制能力。最后，将得到的高超声速飞行器再入段LQR自抗扰姿态控制器(LQRADRC)应用于高超声速飞行器六自由度仿真，仿真结果表明本文所提出的控制方法能够快速、精确地跟踪角位置指令，并且对系统不确定性具有强鲁棒性。     

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。      

最小二乘解的唯一性

从最小二乘方法的基本原理出发,用反证法证明了最小二乘解的唯一性,指出了求解过程中的注意事项,特别是病态矩阵的影响。     

关于一维非定常气─固二相流特征理论的讨论

本文研究了一维非定常气－团二相流的特征，对于目前常用的、包含一定近似的运动方程组，它有两个虚部很小的复根，研究表明这种很小的虚部出现与方程中引入的近似有关。从十多个算例的结果看，这样的虚部不影响人们在工程计算中用该方程组求解初值问题。针对具有上述特征的气－团二相流方程组，本文发展了一种类特征线方法，它保留了双曲型方程特征线方法的若干优点，但它允许方程的特征根中有微小的虚部。含灰气体激波管流动的计算表明，类特征线法具有精度高、数值耗散和弥散小等优点     

轴对称收敛——扩散喷管几何参数优化设计

本文通过对轴对称收敛－扩散喷管的四个主要几何参数（面积比AR，扩张半角β，收敛半角α，喉部园角半径与喉道半径之比Rt）采用二次回归方程，建立了在设计工况时轴对称收敛－扩散喷管推力系数CF与几何参数AR，β,α.Rt的数学模型，用随机射线法进行优化设计。本方法为排气系统轴对称收敛－扩散喷管方案的选择提供了优化方案。     

一种基于事件序列的故障树最小割集算法

在系统分析故障树最小割集各种求解算法的基础上，提出了一种故障树事件序列的数据结构，并针对该数据结构，设计了一种高效的故障树最小割集求解算法，并对其替换子算法、复制子算法和消减子算法进行了形式化描述。算法可有效降低最小割集生成中的“组合爆炸”问题，实验结果表明算法具有较好的计算性能。