探探讨我国航空发动机发展中出现的问题

探讨了我国航空发动机发展过程中存在的问题,分析说明我国航空发动机面临的形势十分严峻,要发展除自身的基础和技术水平外(先天的),还需国家财力的特殊支持(后天的).航天工业的快速发展充分证明,国家的财力支持可以弥补先天的不足.要认识到航空发动机的发展可以带动和促进国家许多相关产业的发展;而"动力先行、预研先行”是航空工业发展的规律;仿制不是目的,创新才有出路.要合理利用现有资金,要贯彻"有所为,有所不为”的方针;要改变发动机工厂制造技术落后制约发动机研究的局面管理上要制订科学的发展规划,并坚持贯彻执行,要深刻认识到发动机研制的长期性和艰巨性.     

基于理想点法的武器装备采购评标研究

针对我军武器装备采购中存在的问题和不同评标方法的特点,构建了装备采购评标的指标体系,介绍了理想点法的基本原理和主要步骤,并依据理想点法建立了评标模型,通过一个实例验证了理想点法在武器装备采购评标中的可行性和科学性.     

基于RHC的无人机自主轨迹优化算法研究

介绍了一种无人机长航程飞行的轨迹优化的新方法.在禁飞区、最大航速和曲率等约束条件下,在滚动时域控制RHC(Receding Hoirzon Control)框架中使用混整线性规划MILP(Mix-Integer Linear Programming)来设计无人机最短时间的航迹,其中引入罚函数来说明从航迹端点到达目标点的估计时间.仿真结果表明,使用这种方法,无人机可以顺利穿过障碍物区域,可以处理确定时间窗口的控制FHC(Fixed Horizon Controller)难于处理的长航程复杂优化问题.     

基于LMI的降阶鲁棒控制器设计

基于线性矩阵不等式(LMI)的 H_∞设计方法给出了所有全阶和降阶控制器的参数化结果,其中降阶控制器的求解需要满足一个秩条件,这个秩条件是非凸的.为了避开非凸问题的求解,提出了一种新的设计降阶控制器的凸优化方法,从而得到了保证H_∞性能指标的降阶控制器.为了减少保守性,进而基于投影原理提出了一种设计更低阶次鲁棒控制器的新方法.该方法为系统的H_∞性能与控制器期望阶次的折中设计提供了一条可行途径.     

一般硬化材料弹塑性轴对称圆柱壳的工程解法

在小弹塑性变形条件下，首先将应力写成应变的奇次四项式的幂函数形式，使其相当精确地拟合材料的拉伸曲线，然后，应用线弹性轴对称圆柱壳的位移模态和一待定系数构成弹塑性壳的位移场，再应用最小势能原理确定该系数，从而得到封闭解。     

多种故障树求解方法的测试与分析

在完善故障树分析中主要参数(最小割集、最小路集、不交化最小割集和不交化最小路集)之间相互转化运算的基础上，建立了故障树的定性、定量分析的多种方法，提出了不同结构故障树选择适用方法所应遵循的原则。这些方法和选用原则的合理应用能有效的降低兀IA的“NP”困难，为FTA的简化提供了新的途径。     

求解广义特征值问题的并行保域多分法

近年来，随着并行机的发展，提出了代数特征值问题的并行多分法，但国内外的研究工作迄今仅限于对称三对角矩阵的标准特征值问题。在科学与工程众多领域内有着重要应用的广义特征值问题的多分法，因难度大等方面原因尚无人研究。本文提出广义特征值问题的并行保域多分法，该算法适用于大型稀疏实对称矩阵广义特征值问题的求解，它克服了传统的广义特征值问题的对分法（行列式查找法）出现的漏根或迭代不收敛等缺点，并保持其优点。作者在ＹＨ－１向量机上对这一算法进行了数值实验，并与并行保域行列式查找法作了比较。数值结果表明，该算法具有较高的加速比，当系统自由度为２１１４、求解特征对个数为３时，加速比可达７．７；且当问题规模较大时，并行保域多分法优于并行保域行列式查找法。     

基于问题的研究性教学中的教师角色及教学行为

基于问题的研究性教学是一种新的教学策略与方法。在基于问题的研究性教学中，教师不仅仅是知识的传授者，而且是学生发展的促进者、指导者、学习者和合作者；教师的教学行为要向重发展、重过程、重学生学以及重差异性转变。     

大型结构特征值问题的并行EBE－子空间迭代法

本文利用ＥＢＥ策略和预处理共轭梯度法（ＰＣＧ法），将广义特征值问题子空间迭代法中各步的计算都单元化，从而避免了总刚度和总质量矩阵的组集，大大节省了存储量。由此建立的ＥＢＥ－子空间迭代法尤其适宜于并行计算。在银河－２机上的数值算例结果表明，无论是串行，还是并行计算，该方法都能有效提高计算速度。如对模型问题，若网格取４８０，则在串行计算时，ＥＢＥ计算途径较传统的总体计算途径的速度提高倍数达３．２７，而在挂用４个处理机进行并行计算时的ＥＢＥ－子空间迭代法较串行的总体计算途径的速度提高倍数可达１１．４。总之，该方法为一种有效的大型结构动力分析问题的求解方法。     

求解多目标优化问题的随机梯度遗传算法

遗传算法的收敛速度很慢，为此引入另一种解决优化问题的工具，即Simultaneous Perturbation Stochastic Approximation(SPSA)算法，该算法是一种简单、易实现、高效率的随机逼近算法。本文将SPSA算法作为一种快速局部优化方法并将其和遗传算法的整体搜索策略结合起来，提出一种解决多目标优化问题的随机梯度遗传算法，对新算法的执行策略进行了认真的设计。大量的数值实验表明：随机梯度遗传算法不仅提高了多目标遗传算法的收敛速度，且得到了大量的分布较均匀的Pareto最优解。