基于BP神经网络的内圆磨床主轴动态分析方法研究

通过对神经网络学习样本的选择问题的研究，本文提出了采用“多水平正交表”选取神经网络的训练样本的方法，建立了内圆磨床主轴系统的BP神经网络模型，并在试验的基础上借助于优化方法进行了模型修正和优化计算。该方法不仅计算方便、快捷，而且具有较高的计算精度。     

优化的GM(1,1)模型及其适用范围

在已有灰色理论的基础上,利用“最小二乘法”确定GM(1,1)白化权函数的时间响应函数中的常数c,摈弃了传统GM(1,1)把原始序列中x^(0)(1)作为初始条件的欠科学的做法,构建了时间响应函数的优化模型。经大量的数据模拟和预测,发现优化的GM(1,1)模型各项指标均优于传统的GM(1,1)模型,且拓宽了其适用范围。     

导弹发射装置的总体设计方法(英文)

提出了一套新型导弹发射装置的总体设计方法 ,对其中的重要问题加以讨论并指导新型导弹发射装置的研制 ,为新型导弹发射装置的设计提供依据。导弹发射装置总体设计涉及的内容包括 :导弹发射装置技术指标的分配 ,国外引进的导弹发射装置的实体建模、气压传动装置的设计、弹射机构装置的设计、导弹发射装置的可靠性预测及导弹发射装置的实验研究。本文将就这几个问题展开深入研究。     

双臂机器人协调动力学及其优化

通过引入“虚铰”概念，将双臂机器人协调动力学问题统一归结为约束多体系统的动力学问题。利用子系统牛顿－欧拉递推法获得的单臂机器人的动力学方程以及静力传递与速度传递间的对偶关系，很方便地导出了双臂机器人的动力学方程与回路约束方程，回路约束方程的建立无需增加额外的计算。此外，文中还对双臂机器人协调动力学的求解及其优化问题进行了讨论，最后以一搬运双臂机器人为例进行了动力学的计算机辅助优化，获得了令人满意的结果。文中所得结论对双臂机器人的设计与控制均具有一定的参考价值。     

一种新的综合TF／TA最优航迹算法

综合ＴＦ／ＴＡ是新一代低空突防技术，ＴＦ／ＴＡ最优航迹的计算是其控制系统的核心。文中提出了一种新的综合ＴＦ／ＴＡ最优航迹算法，它用动态规划和树型搜索相结合的方法，实时计算综合ＴＦ／ＴＡ最优航迹。算法考虑了飞机机动能力的约束，使最优航迹在不需要平滑处理时就是一个可实现航迹。另外还考虑了威胁的影响，使最优航迹能有效地进行威胁回避。计算结果表明，所得的最优航迹具有综合地形跟踪／回避和威胁回避的能力。     

基于遗传算法的快速成型分层方向优化设计

快速成型制造技术具有高度的柔性和灵活性,应用前景广泛。快速成型分层方向的选择,对于零件的制作精度、成型时间及制作成本有着重要影响。目前常见的分层方向算法往往顾此失彼,为了尽可能同时满足这3个单目标模型的最优化,本文提出将均匀设计、正交设计与遗传算法相结合作为求解多目标优化的新方法,可用较少的计算量求得分层方向的最优解。实验结果表明,改进后的算法有效,在迭代次数和所用时间上远远优于目前常用的基本算法。     

基于遗传算法的大气层外拦截弹拦截优化

提出了一种同时考虑大气层外拦截弹中段和末段飞行过程的拦截优化方法.首先建立了大气层外拦截弹中段和末段飞行的动力学模型,并设计了速度增益中制导律和鲁棒变结构末制导律;然后确定了影响拦截性能的优化控制参数及其约束条件,以拦截过程的燃料消耗质量和脱靶量最小为组合性能指标;最后采用具有全局最优性的遗传算法对这一拦截优化问题进行了仿真研究,并与复形调优算法的结果进行了比较.仿真结果表明,遗传算法与传统优化方法相比在解决大气层外拦截弹带约束复杂非线性组合优化问题时,能更好地收敛到全局最优值,并能有效降低大气层外拦截的燃料消耗和脱靶量.     

纯模态试验中的作动器/传感器优化配置

基于有效独立法,研究了逐步消减法在纯模态试验作动器/传感器优化配置中的应用。对一给定自由度的结构系统,由系统的模态动能可得系统的F isher信息阵。在优化过程中,根据F isher信息阵可得到各自由度节点所对应的E fI值,由E fI值的大小来确定每次要删除的作动器/传感器。在逐步消减的过程中,把E fI的值表示为一个矩阵的形式,使得优化过程清晰明了,提高了优化效率。最后,通过对一个20自由度的离散悬臂梁的激振器布设进行优化,验证了本文方法的有效性。     

实用航空发动机LQR权阵选取方法

为了简化航空发动机LQR方法权阵的选取，基于优化理论提出了一种新的目标函数选取方法。该目标函数同时反映控制性能与控制能量的影响，因此，通过优化该目标函数得到的权阵设计出的LQR控制器不仅性能优良，还能保证控制能量在可接受的范围内。此外，该目标函数中包含且只包含了一个可调参数，可简化控制器参数调节过程，使设计者能轻松地在控制性能与控制能量间找到合理的折中。线性仿真、非线性仿真及半物理仿真试验均验证了按此方法设计的控制器的性能。     

遗传算法设计梯度子实现优化的图象边界检测

计算机图象处理技术可广泛应用各种图象测试、模式识别和计算机视觉等领域，而图象边界检测是计算机图象处理的最基本和最低层的步骤之一。由于噪声的干扰和图象光照不均匀等因素的影响，目前的图象边界检测方法还不能有效地检测出各种不同模式的边界。本文提出了一种基于遗传算法和灰度梯试算子的图象边界检测法，通过对样本图象的训练，设计对训练样本模式最优的灰度梯度算子，增加了对噪声的抗干扰能力，并且使被检测出的边界更准确。