铝合金焊缝成形的神经网络建模

利用神经网络对LF6铝合金的焊缝成形进行了建模，同时运用模糊推理的方法对神经网络的预测功能进行了扩展。首先根据实际确定焊缝的成形参数为正面熔宽、正面熔高、背面熔宽、背面熔高，焊缝成形的控制参数为对接间隙、送丝速度、焊接速度、焊接电流；采用正交试验设计的方法设计试验，使用较少的试验数据来获取焊缝成形信息。然后，进行试验，利用试验数据来对神经网络进行训练。采用BP算法对焊缝成形控制参数空间和焊缝成形参数空间进行了函数逼近，建立了BP网络模型。此模型能够对位于焊缝成形控制参数空间内的输入参数进行高精度的预测，对焊接参数进行修正以获得良好的焊缝成形，并可减少焊接试验次数。     

样条函数在轨道计算中的应用

提出了在已知现速度的情况下，用样条函数计算视加速度的新方法，避免了传统牛顿插值法的不可靠性及由此而产生轨道重构错误的缺点，仿真结果表明用样条函数法重构的轨道精度明显优于牛顿插值法。     

应用遗传算法优化二元序列

介绍遗传算法优化的特点和具有良好非周期自相关特性的二元序列的概念,讨论用遗传算法优化二元序列的方法。通过实验发现,在采用遗传算法优化二元序列时引入最优个体保存策略和调整运行参数可以取得较好的效果,亦即此方法是可行的;但同时也发现该方法难以收敛到全局最优解。     

桥函数理论及其发展

在研究桥函数理论的基础上,文[5]引入了BW函数的定义,它是“复制—移位—复制—…”型的第一类BW函数。本文在此基础上,引入按“移位—复制—移位—…”方式构造的第二类BW函数,并介绍它的递推关系、正交特性等,最后简要说明它的可能应用。     

非连续开拓沃尔什函数发生器的设计

在研究沃尔什函数及其应用的过程中,首先必须研制沃尔什函数发生器。在沃尔什多路复用系统中,采用连续开拓沃尔什函数时,由于采样脉冲和积分放电脉冲都占有一定时间,将引起较大的交叉干扰。为了克服这个干扰,本文首先引入非连续开拓沃尔什函数的概念,然后详细讨论非连续开拓沃尔什函数发生器的设计、制造。实验结果表明,使用本发生器制作的沃尔什遥测系统,其各项性能指标都达到了设计要求,与频分制系统相比,它有一定的优越性。     

整数规划在航空公司机型分配中的应用

针对航线的市场需求状况，以成本最小为目标函数，运用整数规划，提出了一种机型分配的方法，为航空公司在实际运营中分配机型提供了理论指导。     

Karman型四边夹紧正交异性矩形薄板的中等大挠度

利用Galerkin方法分析了Von-Karman型四边夹紧正交各向异性矩形板。所设的位移函数为梁振型函数，它不仅能精确地满足边界条件，而且具有正交的特性，从而把复杂的非齐次非线性偏微分方程组化为一组非线性代数方程组，通过非线性方程组的线性化和可调节参数的修正迭代解法找出问题的解。实践证明，梁振型函数收敛很快，只须取出级数的前几项即可满足精度要求。最后求出了不同复合材料的挠度和应力值并同已有的结果进行了比较。     

H^2（I）空间上的多分辨分析

Sobolev空间在偏微分方程理论中占有重要的地位，且关于Sobolev空间H^2(I)的多分辨分析（MRA）也已经被建立起来。然而在处理偏微分方程的边值问题时就显得有些不足，尤其是捕捉靠近边界层附近的微波。在本文给出中Sobolev空间H^2(I)的尺度函数以及它们之间的双尺度关系。在其基础上可以直接建立Sobolev空间H^2(I)的多分辨分析（V0真包含V1真包含…），其中Vj是由尺度函数通过平移与伸缩得到的。最后分析了关于Sobolev空间H^2(I)与H^2(I)的多分辨分析关系并给出了Sobolev空间H^2(I)的小波分解算法。     

基于径向基函数神经网络的自由曲面重构

根据径向基函数神经网络（RBFNN）具有很强的非线性逼近能力的优点，本文采用RBF网络模型进行自由曲面重构，建立了适应于曲面重构的径向基函数网络模型，讨论了基函数对重构曲面连续性的影响，并与多自由曲面重构，建立了适应于曲面重构的径向基函数风络模型，讨论了基函数对重构曲面连续性的影响，并与多层感知器神经网络的性能进行对比。理论分析和仿真实验结果表明：常用的几种径向基函数重构的曲面都具有很好的连续性，径向基函数网络用于曲面重构，不论是在拟合精度，还是网络的训练速度都明显优于多层感知器网络，具有一定的实用价值。     

惩罚函数法在发动机性能计算中的应用

按照涡喷发动机工作时遵守的气动热力学定律，建立了发动机的稳定数学模型，并针对双轴涡轮发动机性能计算的非线性数学模型，利用优化和最优控制理论中的惩罚函数法，对发动机性能进行了基于约束的最优求解程序设计，利用程序对某型发动机的稳定飞行特性进行了计算，计算结果表明，使用惩罚函数法求出的特性曲线变化规律正确，发动机平衡方程的解的精度更高，在此基础上得出的发动机飞行特性也更准确。另外惩罚函数法对初值的要求很低，迭代运算不易发散。