直升机惯性传感器结构的模态优化

提出了一种基于迭代抽样和径向基插值的自适应代理模型方法。这种自适应方法以减少仿真计算数量和提高代理模型自适应能力为目的,使用多岛遗传算法选择新增样本点并使新增样本点位于设计空间的稀疏区域,使得所有的样本点均匀分布于设计空间。标准误差用来判断代理模型的精度大小以决定是否对代理模型进行更新。这种自适应代理模型结合多岛遗传算法对直升机的惯性传感器结构模态进行优化。用拉丁超立方抽样方法选择10个样本点构建初始的代理模型,自适应代理模型的计算结果表明2%的误差条件下需要额外增加7个样本点。优化结果表明不同的权重系数对最优模态特性的影响很大,惯性传感器结构的一至六阶模态值更加远离直升机的激励频率。     

基于代理模型的麦克风相位阵列设计技术研究

气动声学风洞试验过程中，针对目标声源特性进行麦克风相位阵列改进时，为保证风洞试验效率，必须在较短的时间内完成阵列优化设计工作。为满足这一试验需求，最大限度提升麦克风相位阵列设计效率，引入了基于Kriging代理模型的优化设计方法。采用基于点扩散函数的计算程序进行阵列性能分析，获取阵列最大旁瓣水平和分辨率。通过对样本点响应值进行计算，建立Kriging代理模型，进而以计算速度极高的Kriging代理模型作为阵列性能分析方法开展优化搜索，避免了大量调用阵列性能计算程序导致计算耗时过高的问题，显著提升了麦克风相位阵列设计效率。该阵列设计方法能够有效改善麦克风阵列的测量性能，满足声学风洞试验的特殊应用需求。     

金属加筋薄壁圆台结构二级布局优化设计方法

提出了一种金属加筋薄壁圆台结构的二级布局 优化方法。该方法首先采用试验设计选取结构布局变量的样本点,然后对每个样本点相应的 加筋薄壁结构进行强度和稳定性约束下的尺寸优化,获得对应的目标响应值;其后用布局变 量样本点和对应的响应面构造Kriging近似模型;最后用遗传算法对近似模型进行优化,得 到了加筋薄壁圆台的最优解。算例结果表明,该方法简单且优化效率高。     

基于互信息的输入变量选择算法综述

空间环境是空间态势感知的重要组成部分,在空间科学领域,受限于对日地系统物理规律的全面认知,现有的基于物理机制的空间环境预测模型目前还难以实用化,通常采用的多是基于数据的经验类模型。基于互信息的输入变量选择算法为空间环境要素预测模型的输入确定了思路。由于能充分考虑不同输入、输入与输出之间的潜在关系,基于互信息的输入变量选择算法近年来在回归及分类问题上得到了广泛的应用和发展。本文以输入变量选择算法的3个关键环节,即评价标准、搜索策略和停止准则为线索,从不同角度对基于互信息的过滤式变量选择算法进行了系统的分析与梳理,重点对不同变量评价标准依赖的假设条件进行了数学上的推导和说明。最后总结了其发展规律,可为后续研究尤其是建立空间环境预测模型提供借鉴。     

基于PCA-RBF神经网络的浮选过程软测量建模

以浮选过程为研究对象,提出基于主元分析与RBF神经网络相结合的经济技术指标软测量模型,该模型依据工艺机理和经验知识对过程变量进行初选,采用主元分析方法对高维输入向量进行降维化简和辅助变量选择;采用新型混合递推算法对RBF神经网络参数进行优化。该算法包括修正网络中心的自适应聚类的简化型次胜者受罚竞争学习算法和修正网络权值的带遗忘因子的递推最小二乘算法。混合学习算法提高了网络参数辨识的收敛速度。仿真结果表明,软测量模型能很好地实现浮选过程经济技术指标的全局预测。     

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。     

基于径向基函数的卫星平台桁架结构优化设计

为了降低结构优化计算成本,同时保证搜索优化问题的全局优化解,本文将径向基函数代理模型应用于桁架式卫星平台结构设计优化中。针对桁架结构涉及离散的拓扑和尺寸变量,本文采用连续松弛变量的方式处理离散变量。另外,本文采用增广拉格朗日函数将涉及非线性约束的优化问题转换为一个只包含边界约束的优化问题,然后应用径向基函数代理模型对转换后的优化模型进行近似,并采用具有全局寻优能力的优化算法对所构造的代理模型进行优化。在桁架结构优化过程中,逐次更新朗格朗日罚系数和代理模型,直至搜索到可行优化点。最后,本文将所提出的优化策略应用于一个桁架式卫星平台设计优化实例中,通过优化结果验证了本文所提出的优化策略的高效性。     

基于DEA拥塞模型的我国航空公司效率分析

本文运用数据包络分析(DEA)来研究我国航空公司效率问题。文章主要包含三个部分:第一部分建立了DEA拥塞模型,如果存在输入拥塞的情况,即可从FG模型和ST模型有效性的不同情况去测度。在决策单元既非FG有效也非ST有效时,则判定评价决策单元处于拥塞状况。第二部分给出了输出导向的BCC模型,对其进行"投影分析",得出松弛变量和剩余变量,据此得出各投入变量的投入剩余和各产出变量的产出亏空。第三部分选择了国内11家航空公司,以其财务数据和生产经营数据组成实证样本,对效率相对低下的航空公司进行拥塞测度,给出提升航空公司效率的途径和建议。     

涡扇发动机二元排气系统推力与红外特征多目标型面优化设计

以涡扇发动机二元排气系统为例，以排气系统推力系数、3~5 μm波段正尾向红外辐射特征为优化目标，以窄边探测面30°和宽边探测面90°方向的红外辐射特征为约束，以喷管喉道宽高比、喉道型面半径比、收敛半角和扩张半角为优化变量，在发动机地面军用动力状态，研究排气系统推力与红外特征的多目标型面优化设计。在设计过程中，基于正交试验法确定初始样本点，建立排气系统推力系数、红外辐射特征与设计变量间的RBF代理模型，采用自适应模拟退火算法对代理模型进行分析求解。结果表明：多目标优化方法可应用在排气系统推力与红外特征的兼容设计上，并可取得一定的效果，相比基准二元模型，仅通过型面设计，多目标优化后排气系统推力系数提高了5.3%，在正尾向的无量纲积分辐射强度降低了17%。     

GFRP风机叶片结构设计的二级优化方法

通过对风机叶片结构特性的分析,以叶片腹板位置和蒙皮铺层厚度为设计变量,发展了一种二级优化设计方法。首先建立腹板位置参数的代理模型,根据所建的代理模型以质量最轻为目标进行系统级优化求解出腹板位置,然后将结果传给子系统级,子系统级采取分步优化策略求解叶片铺层厚度。当两级优化结果收敛时得到叶片最佳设计。经算例验证,采用这种二级优化方法,可得到较为理想的叶片结构设计结果。     

一种新的多输出重要性测度及其高效计算方法

基本变量重要性测度分析是结构安全评估以及工程优化设计的一项必要工作。本文结合矩独立重要性测度思想和基于方差的重要性测度思想,提出了一种新的适用于多个输出的重要性测度。所提测度利用概率积分转化(Probability integration transformation,PIT),将输出的不确定性由输出的联合分布函数来表征。在多输出情况下,相比单纯基于方差的重要性测度,所提测度能够同时包含各个输出的不确定性及其相关性。而相比单纯的矩独立重要性测度,由于它使用方差来衡量变异性,因而求解过程更为简便。在计算多输出的分布函数时,本文采用基于分数矩的极大熵方法结合Nataf变换法,在保证求解精度的同时大大降低了模型调用次数。数值和工程算例说明了该测度的合理性以及计算方法的高效性。     

基于高斯混合模型和变量重构组合法的故障诊断与分离

提出了一种将变量重构与高斯混合模型结合的故障诊断与分离的方法。首先建立过程数据的高斯混合模型,解决了监控过程的测量数据不服从单峰的高斯分布所带来的问题,然后进行故障数据变量重构,估计未知参数并采用最大期望算法来估测均值与协方差矩阵。在此基础上建立统计模型进行故障的诊断与分离。与传统的贡献图分离故障的方法比较,通过田纳西-伊斯曼化工过程进行实验验证,本文提出的高斯混合模型与变量重构相结合对多状态过程进行故障的诊断与分离收到较好效果。     

基于对比学习的终端区相似气象场景识别（英文）

为了提高终端区相似气象场景（Similar weather scenarios,SWSs）的识别准确率,提出一种基于对比学习的SWS(SWS based on contrastive learning,SWS-CL)识别模型。首先,针对对流天气图像特点,设计了一种数据增强方法来增加天气图像样本的数量和质量。接着,设计了一种对比损失函数使向量表征空间中的正样本与锚点样本之间的距离更近,而负样本与锚点样本之间的距离更远,进而基于对比学习技术在无标记样本集上训练得到相似气象场景分类预训练模型。最后,利用少量标记样本对预训练SWS-CL模型进行监督微调,进一步提高SWS-CL模型的性能。在广州终端区气象图像集上的对比实验表明,所提出的数据增强方法能有效提高气象图像集的质量,所提出的SWS-CL模型能取得令人满意的识别精度,且在标签稀少的数据集上具有明显的优势。     

遗传算法在含连续/离散变量结构优化中的应用

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。本文探讨了如何将遗传算法应用于含连续／离散设计变量的结构优化问题。着重讨论了连续／离散混合变量的编码方法和减少适应度函数计算次数的ｍ ｉｃｒｏ ＧＡ 技术。将遗传算法应用于数学考题和十杆结构尺寸／材料混合变量优化问题。两个算例表明,遗传算法能比较有效地解决含连续／离散混合设计变量的优化问题。     

具有输入约束的飞机姿态L1自适应控制

针对具有模型不确定性、控制舵面故障以及非线性干扰的飞机俯仰姿态控制问题,基于L1自适应方法设计增广控制器。设计合适带宽的低通滤波器,以满足控制器快速自适应要求,保证系统输入输出信号的一致性能有界。考虑伺服控制实际存在的幅值约束,推导出所设计的自适应控制系统的稳定性条件及其性能界,即忽略幅值约束时,选择足够大的自适应增益,闭环系统性能能够任意接近参考系统;考虑幅值约束时,闭环系统的性能可以通过增大自适应增益得以改善,但是不能任意接近参考系统。仿真验证了所设计的飞机姿态控制系统的有效性,结果表明控制器对有界不确定性和干扰具有鲁棒性,同时满足输入约束要求。     

一种小样本民机产品的可靠性预测方法

将最小二乘支持向量机(Least square support vector machine,LS-SVM)应用于小样本民机产品的可靠性预测分析。通过重构相空间的饱和嵌入维数,确定最小二乘支持向量机的最佳输入变量;然后,使用最小二乘向量机建立可靠度回归预测模型,运用自动网格搜索法,优化了最小二乘支持向量机的建模参数,实现了比现有方法精度高、泛化性好的模型。训练和测试的可靠性样本取自某机型襟翼液压锁寿命可靠性数据。与神经网络模型的比较实例表明,提出的方法合理有效。     

代理模型在空间碎片碰撞概率分析中的应用

利用代理模型来高效计算空间目标之间的碰撞概率。碰撞概率计算的经典方法包括蒙特卡洛（Monte Carlo,MC）方法,以及基于速度线性化、位置误差服从高斯分布等假设,在相遇平面上对碰撞概率密度函数（高斯型）进行积分的方法。相较于MC方法要处理原轨道模型由大量重复仿真带来的计算量增长,代理模型针对输入变量的先验分布设计得到相应数学模型,不仅大大降低了单次仿真的计算时间,还减少了计算概率所需的仿真数量。代理模型去除了线性化假设等限制条件,对于碰撞概率密度函数可能呈现出的非高斯型特征也有很好的统计解释,其适用范围更广。本文结果表明,代理模型方法能够在大幅降低计算量的同时,保证对碰撞概率的估计较为准确。     

超额订购下天文卫星短期任务的聚类规划方法（英文）

当用户的观测需求超过卫星的观测能力时，天文卫星的任务规划就成为一个超额订购的问题。对于该问题，设计了一个包含聚类阶段和短期任务规划阶段的框架。首先建立了任务聚类模型，用于减少超额订购任务的规模。其次，使用聚类的结果作为输入，建立了短期任务规划的数学模型。最后，提出了一种自适应混合搜索策略的人工蜂群算法，在基本人工蜂群算法中引入了自适应精英全局-局部搜索策略和自适应变邻域最优搜索策略，以求解聚类和短期规划问题。所提出的算法在实验中表现出更好的寻优能力和更快的收敛速度。此外，它还有效地减少了聚类阶段的任务数量，提高了短期任务规划阶段的任务完成度。     

传感器微小故障诊断及在电机上的应用

为了解决带有未知扰动的微小故障诊断问题,提出一种基于混合未知输入观测器的故障诊断方法。这种观测器不需要已知扰动上界,既可以检测和估计出非线性系统的传感器微小故障,又对未知扰动具有强鲁棒性。首先,通过坐标变换将原系统解耦成两个子系统,其中一个子系统只有传感器微小故障,对其设计观测器进行检测和估计;另一个子系统只有未知扰动,对其设计未知输入观测器消除扰动的影响,且求解未知输入观测器的增益矩阵时减少了约束条件。然后,采用Lyapunov函数证明误差动态方程的稳定性并表示成线性矩阵不等式的形式,有利于观测器增益矩阵的求解。最后,将本文所提方法应用到电机系统中,仿真结果验证了所提方法的有效性。     

基于未知输入观测器的四旋翼无人机故障诊断与模型参考容错控制

对四旋翼无人机（Unmanned aerial vehicle, UAV）姿态控制系统的执行器故障诊断问题进行了研究,在系统模型方面全面地考虑了模型的非线性和四旋翼无人机在飞行过程中受到外部干扰的情况。由于未知输入观测器可以将干扰、误差等作为未知输入进行处理,对干扰不敏感而对故障比较敏感,故设计了一种新的未知输入观测器进行故障诊断。同时为了保持四旋翼无人机在故障发生后的稳定性或者仍然可以按照预定轨迹运动,在得到准确的故障估计后为四旋翼无人机姿态控制系统设计了模型参考容错控制器,使其可以跟踪给定的参考模型。仿真结果证明了本文提出的故障诊断与容错控制方法的有效性。