人工释能法求解线性代数方程组

本文建立求解线性代数方程组的人工释能法迭代格式,并给出该迭代格式收敛的充分必要条件和最佳释能时机,同时给出实现人工释能法的数值计算方法及其数值稳定性条件。     

基于人工神经网络的道路表面降雨水深预测

建立了基于人工神经网络的道路表面水膜厚度预测模型，通过试验数据的训练确定权重和阈值，经过检验样本的检验，能够很好地预测道路表面的水膜厚度。结果表明，本文建立的人工神经网络模型用于道路表面水膜厚度预估可行。     

航空薄壁结构有限元建模的智能化求解模型研究

介绍了利用CAD、网络自动剖分和人工智能技术相结合进行航空薄壁结构有限元建模的问题求解框架，着重论述了建模过程中模型演变的四个不同阶段的任务，提出了适应于建模各阶段的整体式知识表达模型，并对采用黑板机制来组织知识推理和算法任务调度的过程求解模型做了描述。该问题求解框架有助于构造高效实用的复杂薄壁结构有限元建模专家系统。     

SOM人工神经网络在客机零部件故障诊断中的应用研究

现代客机在使用过程中不可避免地会发生各种故障，故障诊断对保证飞行安全十分重要，本文将基于概率的数学方法与专家经验相结合对其进行故障诊断。Kohonen的自组织特征映射（Self-organizing map,SOM）人工神经网络在输出上可反映出输入学习样本的概率密度分布，且无需知道样本的概率分布的先验知识，兼具函数逼近功能。本文将SOM引入这一领域，用于计算飞机零部件发生故障的概率，以及实现数学方法计算结果与专家经验的结合，实际应用说明了该方法的可行性。     

含连续／离散变量结构优化中的神经网络与变尺度模拟退火方法

传统的优化方法难于有效地处理含有连续／离散混合变量优化问题，本文介绍了一种改进的变尺度模拟退火方法并与人工神经网络能量函数模型相结合，用于求解含连续／离散设计变量的工程结构优化问题，较好地解决了模拟退火技术用于工程结构优化时选取具有全局性的初始点困难及迭代次数较多的弱点。算例表明，该方法可以使模拟退火算法从局部最优的陷阱中跳出，最后求出整体最优解。     

黑板框架的知识表达方法

本文介绍了黑板框架知识表达方法的设计思想和技术。黑板框架是由框架、知识源和黑板模型组成,是产生式规则、谓词、框架等多种知识表达功能的组合形式,它将知识表达和知识处理结合成一体,既能表达静态的知识,又能表达动态的知识;既能方便地表达断言性知识,又能自然地表达结构性知识。表达功能强、灵活性大;方便知识调度,加快推理速度,提高推理效率;方便知识获取并有利于机器学习。 黑板框架是一种能表达特定领域复杂知识结构的良好的方法,具有表达充分、推理充分、推理效率和获取效率高的特点。 文中还对目前各种知识表达方法进行了评价,对黑板模型、知识源、黑板框架的概念进行了描述,并对黑板框架给出了严格的BNF定义。 黑板框架的知识表达方法,已在医学专家系统开发工具BFBEST中获得了成功的应用,并取得满意的效果。     

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。     

采用基于神经网络及遗传算法的叶轮机械叶片三维优化设计方法开发高载荷透平动叶片

为了提高透平的内效率及降低制造成本，采用基于神经网络及遗传算法的叶轮机械叶片三维优化设计方法，开发了一种高载荷动叶片。该叶片是以5个截面的重心沿径向积叠而成。每个截面的内背弧是以基于叶型中弧线的Bezier曲线来构造。三维流动分析表明，新叶片提高效率0．5％。通过减少叶片数约15％，新开发的高载荷动叶片不仅有效地提高了透平的内效率，同时降低了透平重量和制造成本。     

基于位姿可达空间的太空机械臂容错路径规划

为了使太空机械臂在关节锁定故障后仍能继续完成后续任务,提出一种基于位姿可达空间的太空机械臂容错路径规划方法。基于牛顿-拉夫逊法计算太空机械臂关节人为限位,完成满足任务需求的退化工作空间求解,通过构造姿态可达度指标,在退化工作空间的基础上建立故障机械臂基坐标系下的位姿可达空间。通过在代价函数中增加最小奇异值代价项改进传统A^*算法,基于改进A^*算法在所建立的位姿可达空间内完成太空机械臂容错路径规划。所提方法综合了位姿可达空间与改进A^*算法各自的优势,实现了关节锁定故障太空机械臂同时满足避奇异与位姿可达要求的轨迹搜索。通过建立7自由度太空机械臂运动学模型开展数值仿真研究,仿真结果验证了所提容错路径规划方法的有效性。     

空间小推力轨道最优Bang-Bang控制的两类延拓解法综述

介绍了空间小推力轨道优化问题中的最优Bang-Bang控制问题,对两类延拓解法给出了描述:第一类解法首先求解能量最优解,然后采用能量–燃耗同伦得到最优Bang-Bang控制;第二类解法引入推力开关切换准则,以双脉冲解作为初解,通过参数延拓得到最优Bang-Bang控制。对两类延拓解法进行了比较,指出了各自的优势与特点。对延拓方法应用于求解更加复杂的小推力轨道设计问题进行了展望,提出了包含初解、延拓与拼接三要素的人工智能轨道优化概念。