基于模因算法的飞机装配序列规划

针对飞机制造的装配序列规划问题,提出一种基于模因算法的飞机部件装配序列规划方法。在装配优先约束矩阵和非正交干涉矩阵的基础上构建装配规划模型,以飞机零部件间的装配方向和装配工具的差异性来构建适应度函数。在非干涉解空间中进行全局搜索,获得较优的装配规划方案,通过二叉树中序遍历法将较优的方案转化为可行解,再经过交叉操作和变异操作后,在可行解空间内进行局部搜索,最终获取较优的装配方案。以某型号的飞机舱门装配为例,通过与传统遗传算法对比,证实模因算法在飞机装配序列规划中的可行性和有效性。     

基于鸽群优化算法的实时避障算法

为保证机器人能安全无碰撞地抵达目标位置，提出一种在改进版圆形扩张（CSE+）法中融合鸽群优化算法的实时避障算法。所提算法引入对障碍物密集程度的判断机制，在障碍分布密集时选择最安全的路径，在障碍物分布稀松的环境中，利用鸽群优化算法在安全范围内寻找下一目标最优位置。此外，还引入了搜索树，可实现死角的检测与避免。仿真结果显示:所提避障算法能提高路径规划的性能，在障碍物分布稀松时效果更加明显，且可实现死角检测并能通过狭长通道。      

基于机器学习方法的三维粒子重构技术

通过三维粒子重构获取粒子场的分布情况是层析粒子图像测速的关键步骤，有限二维投影下的三维粒子重构是一个欠定的反问题，其精确解往往很难得到。一般情况下，可以通过优化方法得到近似解。为了获取质量更高的粒子场并用于层析粒子图像测速，提出了一种基于卷积神经网络（Convolutional Neural Networks，CNN）的粒子重构方法。所提出的技术可以从基于传统的代数重构技术（Algebraic Reconstruction Technique，ART）的方法所得到的粗略粒子分布中进一步提高粒子重构质量。与现有的基于ART的算法相比，新技术在重构质量方面有了显著的改进，可以有效剔除虚假粒子并更准确地还原粒子形状，并且在粒子浓度较稠密的情况下计算速度至少快了一个数量级。     

反导预警相控阵雷达网目标分配方法

针对相控阵雷达网跟踪弹道导弹目标时的资源管理问题，分析阐述反导预警作战场景，提出综合目标跟踪精度和雷达切换频率的目标分配效益函数，从雷达能量、时间及雷达与目标可见性三方面建立约束条件，以准确反映目标分配过程中的实际限制，在此基础上构建反导预警相控阵雷达网目标分配模型。根据反导预警任务特点，设置目标分配的自适应间隔，以提高模型设计合理性。就稀疏弹道导弹目标跟踪、密集弹道导弹目标跟踪2种场景进行仿真实验，结果表明:运用所提方法能够有效实现目标分配，提升相控阵雷达网资源利用效率，并能够减少雷达切换次数。      

大型飞机平尾翼尖涡对后体涡系影响的实验研究

大型飞机在飞行过程中机身后体会产生一对反向旋转的脱体涡（后体主涡），该涡与平尾翼尖涡共同构成飞机后体的涡系结构。在风洞中，利用激光粒子测速（PIV）方法，对单独后体和加装不同展长平尾的后体，分别研究涡系结构的动力学特征。结果表明:后体主涡的涡核中心沿流向明显向上移动；加装平尾后，涡系呈现典型的四涡结构，平尾翼尖涡对后体主涡影响显著，加大了后者向上移动的趋势，同时使其沿展向外移，并显著削弱其涡旋强度；平尾展长增加后，后体主涡受到的影响有所减弱。在低速环境下，来流速度对后体涡系结构的无量纲动力学参数影响较小。     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

SAS与PANS模型在圆柱绕流中的应用比较

分别运用SST(Shear Stress Transport)、SST-SAS(Scale-Adaptive Simulation)、两种变fk(模化湍动能的比例)函数的SST-PANS(Partially Averaged Navier-Stokes)湍流模型对Re=3900的圆柱绕流进行了数值研究,重点从湍流结构捕捉、气动力计算、涡黏性控制等方面,比较了SAS与PANS两类RANS/LES混合模型的计算能力,并通过不同网格计算分析了模型的网格敏感性。数值结果表明:SAS及两种变fk方法的PANS模型均具有求解小尺度涡运动的能力,并能较好地反映出绕流尾迹的三维非定常特性,同时PANS模型能捕捉到更多的非定常结构;SAS模型中自适应尺度Lvk立足于当地流动,对网格依赖较小,计算的湍动粘度分布更合理,能够更好地计算剪切层及回流区;两种PANS模型网格独立性较差,出现了雷诺应力不足的现象;类DES可变fk函数构造相对简单,所得fk分布更准确,使用tanh函数计算的尾迹区fk值偏低,对流场调控能力稍差。     

一种改进X-best引导个体和动态等级更新机制的鸡群算法

在群智能算法的改进中，常利用优秀个体加速算法收敛，但对其依赖过度会导致种群多样性和算法全局收敛性下降的现象。对此，提出一种改进X-best引导个体和动态等级更新机制的鸡群算法。首先，在个体更新阶段不仅引入优秀个体加速收敛，并且通过普通个体对优秀个体的影响进行适当平衡，因此，优秀个体与普通个体的信息都能得到利用，进而种群多样性和算法全局收敛性得到提升。其次，通过对等级更新参数进行动态优化，加强了种群等级更新机制对算法收敛的促进作用。最后，经过时间复杂度与收敛性分析，证明了改进算法仍具有简单性和全局收敛性。仿真结果表明:所提出的改进算法较其他对比算法在寻优精度、寻优成功率和收敛速度等方面都具有明显优势。      

非均匀间距的低副瓣宽带微带阵列天线设计

为降低天线副瓣电平（SLL）和展宽带宽，设计了一款谐振频率为14.25 GHz的16阵元非均匀间距的耦合馈电微带阵列天线。天线采用多层设计，通过在接地板开矩形槽进行耦合馈电，并引入空气层，降低天线Q值，增大带宽。区别于均匀间距阵列天线的激励幅值加权，从阵元间距角度入手，利用差分进化算法降低副瓣电平，构建非均匀间距并联线阵天线。用槽面辐射的能量近似代替阵元接收的能量，观察阵元功率分配情况，并建立馈电网络所有馈线段的数学关系，保证非均匀间距条件下所有阵元为等幅同相激励。测试结果显示，天线在14~14.5 GHz范围内电压驻波比小于2，满足了卫星动中通的带宽要求；工作带宽内增益大于16 dB，副瓣电平低于-16 dB，性能优于均匀间距阵列天线。      

基于3D-Winograd的快速卷积算法设计及FPGA实现

近年来，卷积神经网络（CNN）已被计算机视觉任务广泛采用。由于FPGA的高性能、能效和可重新配置性，已被认为是最有前途的CNN硬件加速器，但是受FPGA计算能力、存储资源的限制，基于传统Winograd算法计算三维卷积的FPGA解决方案性能还有提升的空间。首先，研究了适用于三维运算的Winograd算法一维展开过程；然后，通过增加一次性输入特征图和卷积块的维度大小、低比特量化权重和输入数据等方法改善CNN在FPGA上的运行性能。优化思路包括使用移位代替部分除法的方法、分tile方案、二维到三维扩展及低比特量化等4个部分。相对传统的二维Winograd算法，优化算法每个卷积层的时钟周期数减少了7倍左右，相较传统滑窗卷积算法平均每个卷积层减少7倍左右。通过研究，证明了基于一维展开的3D-Winograd算法可以大大减少运算复杂度，并改善在FPGA运行CNN的性能。