基于自适应模拟退火遗传算法的最优Lambert转移

主要研究了航天器采用Lambert二脉冲变轨的优化问题。对于初始位置、目标位置和转移时间都不固定的Lambert二脉冲转移,由于多变量以及方程本身的复杂性,采用传统的优化方法效率低甚至无法求解.采用了自适应遗传算法(AGA),寻求多变量的最优解.同时结合模拟退火算法,得到了自适应模拟退火遗传算法(ASAGA),该算法既具有全局搜索能力,又改善了一般遗传算法的局部寻优能力.通过仿真,比较了遗传算法和自适应模拟退火遗传算法的寻优结果,表明两者寻求最优转移的有效性,以及自适应模拟退火算法具有更强的寻优能力.      

符合SDAI的工程数据管理系统的实现研究

从数据管理最基本的持久化功能入手,在SDA C+ +管理类、早/晚联编的数据访问方式、早/晚联编混合操作等几项关键技术方面,提出了对EXPRESS模型作O-O扩充、实现对象的自身-O功能、适当扩展SDAI语义、实现面向对象的封装和动态联编等解决方案,并利用技术方案开发出一个满足CAx应用的原型系统.     

有声腔推力室的声学振型及其阻尼特性研究

为确定多声学模态压力振荡条件下带有1/4波长管声腔推力室的声学振型及其阻尼特性,揭示1/4波长管声腔对推力室压力振荡的抑制作用机理,对有声腔推力室和无声腔推力室进行近圆周壁面的定容弹激励仿真,激发了多模态的声学振型,给出了推力室压力分布的时空演化,并采用半带宽法定量评价每个激发声学振型的阻尼特性.结果表明:1/4波长管...     

基于小波分析的缩减湍流数据采集量的新方法

由于湍流实验的数据采集量的大小通常没有准则,实验中为了降低偶然事件的影响通常都使用较大的数据量,从而在数据的采集、存储和后处理过程中都造成资源和时间的浪费.笔者根据小波分析所具有的良好的时频双局域性的特点,在文献[4,5]的基础上,配合统计学方法,在理论上提出了以小波方法缩减湍流实验数据采集量和某些流场计算方法计算量的方法.以使用小波方法分析湍流边界层的湍动能方法为例,证明了这种方法的合理性和可行性.     

构建数学模型 优化贴装过程

贴装优化问题直接关系到表面贴装工艺的效率。本文以JUKI．2010／2020贴片机为试验平台,根据该机型结构及贴装过程,把贴装优化问题的描述为最小权重匹配问题（MWMP）以及非对称旅行商（TSP）问题,构建了一种新的优化模型：把时间优化转化为距离优化,并应用启发式算法进行软件编程。通过生产企业的6块PCB板的对比实验,证明了该数学模型和算法是合理的。     

职业院校学生异性交往问题与策略研究——以航海专业男生班为例

以航海专业男生班为实例,从人性角度,运用心理学方法,着重分析其缺少异性交往所出现的问题,探讨引导航海专业男生在异性交往中健康成长的方法与途径,给学校教育管理者在正确对待和引导学生异性交往,提高科学化、人性化教育管理水平方面提供一定的参考。     

基于双滤波器的高精度目标跟踪估计方法

针对连续推力的合作航天器,采用双重无迹卡尔曼滤波(DUKF)算法估计其状态和加速度.通过状态滤波器和参数滤波器的配合,提升滤波精度,完成运动状态和参数的估计,从而实现合作目标的运动轨迹跟踪.与合作航天器相比,非合作航天器存在大小未知、发生时刻未知的机动,无法获得加速度,且信息获取和运动状态的估计难度大.针对非合作航天器...     

一种基于模拟退火的支持向量机超参数优化算法

基于统计学习理论的支持向量机技术以探求小样本情况下如何获得更好的机器学习规律而见长,与基于经验风险最小化原则的机器学习方法相比能够获得更佳的泛化能力,相关超参数的选择对其分类或回归性能有较大影响.针对径向基核支持向量机超参数优化问题,提出了一种改进的基于模拟退火算法的高效多目标优化算法,并详细讨论了优化寻优过程中搜索空间、初始可行解、初温和最优目标函数的设计方法.通过在多个标准数据集上的测试验证,证实了本文所提算法的可行性和有效性.     

空间微小碎片累积作用下材料光学性能退化预示模型适用性研究

航天器在轨服役期间会遭受到大量空间微小碎片和微流星体的撞击作用,其中的微米级粒子将在航天器表面产生大面积砂蚀现象,并使材料或器件功能衰退。文章介绍了NASA空间微小碎片累积损伤材料光学性能退化预示模型并推导了两个预示模型之间的关系。利用ORDEM2000碎片分布模型估算了K8玻璃累积损伤面积。以K8玻璃为例,对比研究了两个预示模型的适用性。结果表明,当航天器外表面损伤程度小于40%,可利用Canoon模型评价和预示材料光学性能退化规律;当航天器外表面损伤程度大于40%,需利用Mirtich模型评价和预示材料光学性能退化规律。     

一种改进的声反卷积相关声源定位方法

基于传声器阵列的声源定位算法的性能优劣决定了气动噪声试验检测中气动噪声源定位成像的准确性。为了提高相关声源定位方法的稳健性和准确性，提出一种改进的声反卷积相关声源定位方法——D-MACS（Developed-Mapping of Acoustic Correlated Sources）方法。该方法的特点是：在传统MACS方法的基础上，将声反卷积模型进行改进，使模型体现出声场空间扫描点声压互谱矩阵与互谱波束形成输出矩阵之间的数学关系，其最终获得的声源定位结果，能够提高MACS方法声源定位辨识的稳健性和准确性。通过仿真信号研究和声学风洞环境中的声源定位试验研究，比较了DAS（Delay And Sum beamformming）、DAMAS-C（Deconvolution Approach for the Mapping of Acoustic Correlated Sources）、MACS和D-MACS这4种方法的声源定位性能，验证了D-MACS方法在声源定位性能上的优势。