基于人工鱼群算法的单机场地面等待优化策略

目前大型机场拥塞问题日益严重.推迟飞机起飞时间,将成本较高的空中等待转化成地面等待,是进行空中交通流量管理的一个有效方法.本文研究基于人工鱼群算法的单机场地面等待优化策略并进行仿真,有效地减少了总的地面等待延误损失,说明该方法是可行的;通过与其他几种智能算法的比较,验证了该算法执行效率高、实用性强.     

神经网络在直升机概念设计中的应用

运用人工神经网络算法得到了单旋翼布局直升机的总体参数和部件重量估算方法,为直升机方案论证初期提供了一个快速有效的决策手段.对神经网络应用了多种训练算法,并与传统回归公式进行比较,可以发现采用BR训练算法的神经网络具有比传统回归方法更好的非线性表达能力,同时又表现出比LM,SCG等常规训练算法更好的范化能力,对训练样本和检验样本都有较高的估算精度,适用于型号设计初期的参数估算.     

三角翼大幅度俯仰运动非定常洞壁干扰实验研究

在 3m低速风洞中用两个后掠角均为 70°的大小三角翼模型进行过失速非定常运动模拟 ,两个模型外形几何相似 ,根弦比为 1∶ 2 .1 2 5。在模型运动过程中测量模型的非定常气动力和风洞洞壁上的非定常壁压。研究大小模型对非定常气动力和非定常壁压特性的影响以及模型运动的缩减频率效应和雷诺数效应。结果表明 ,非定常壁压与非定常气动力一样具有迟滞特性 ,模型越大 ,迟滞环越大。     

三像素宽反走样直线的绘制算法研究

直线绘制是计算机图形学的基本内容。在光栅图形显示系统中 ,要快速绘制无锯齿的光滑直线是很困难的。本文从走样的机理入手 ,在对 Wu反走样直线算法和 Gupta &Sproull圆锥滤波反走样算法进行研究的基础上 ,提出了改进的三像素宽度直线反走样算法 ,用于显示高质量的反走样直线 ,应用于飞机座舱显示系统中全罗盘画面的刻度线绘制 ,取得了较好的应用效果。     

一种采用数学形态学方法的姿态指示器填充算法

在现代飞机座舱电子飞行仪表系统中，全姿态指示器天地区域的实时填充是个非常费时的工作，但已有算法不管是在填充速度还是硬件可实现性上都存在缺陷。本文把适于硬件实现的数学形态学方法应用于姿态指示器的实时填充中，提出了一种新的区域填充算法，在此基础上引入种子概念，发挥数学形态学的并行运算能力，提高全姿态指示器填充速度。文中进行了单粒和多粒种子的生长试验，在多粒种子并行填充的情况下，填充效果和速度性能均优于传统算法。该算法填充速度快，能并行处理，适用于姿态指示器等实时填充的场合。     

小波分析和人工神经网络在金属超声无损检测缺陷分类中的应用

基于金属超声检测中的缺陷脉冲回波为非稳态信号的特点，对高温合金材料超声检测信号的小波变换进行了特征分析，提取了各级小波分解信号的能量分布特征，最后将这些特征输入人工神经网络进行训练和分类，实验表明，这种方法具有良好效果。     

基于市场的最适宜质量水平模型

以企业利润最大化为目标，引入效用的概念，提出了一个基于市场的最适宜质量水平模型。该模型突破了现有的质量经济学理论仅以质量成本确定最适宜质量水平的模式，将质量水平与产品成本，效用和市场绩效联系起来，使模型具有更为方法的适用性，本文还就市场不确定性，消费者偏好，技术进步，市场竞争等因素对模型的影响展开了讨论，揭示了质量，销量，价格，成本，技术与竞争之间的关系，为企业产品决策，技术改造决策和质量策划提供了参考依据。     

基于LabVIEW平台的数字抽取滤波器的设计与应用

介绍了基于LabVIEW平台的数字抽取滤波器的设计。该方法是对高采样率的数据进行低通数字滤波，然后对结果用1／K倍重新采样，将数字信号频带压缩K倍，从而实现动态测试较大的动态范围要求和划分频带要求，数字抽取滤波器的设计包含调制，数字滤波和抽取三方面，LabVIEW是一种基于图形编程语言（G语言）的开发环境，采用交互界面设计，模块化编程，该滤波器也是作者正在研制的动态测试分析虚拟仪器的一个重要组成部分。本文给出了在LabVIEW平台上所进行数字抽取滤波器的设计原理，仿真结果和在动态数字信号分析中的应用。     

用于解距离和速度模糊的算法(英文)

为了提高检测性能和实现多功能 ,PD雷达常采用高、中、低脉冲重复频率 PRF。对应一定的脉冲重复频率 ,PRF会出现测距模糊、测速模糊。以聚类算法为基础 ,本文介绍了一种用于雷达目标解距离、速度模糊的滑窗相关器算法。该滑窗算法是一种遍历性的算法。文中对该算法的解模糊正确率、运算效率进行了讨论 ,分析了解模糊正确率与脉冲重复频率 PRF、检测范围、滑窗宽度间的关系 ,同时给出了仿真结果。     

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。