基于粒子群优化LSTM的股票预测模型

为了提高股票时间序列预测精度,增强预测模型结构参数可解释性,提出一种基于自适应粒子群优化（PSO）的长短期记忆（LSTM）股票价格预测模型（PSO-LSTM）,该模型在LSTM模型的基础上进行改进和优化,因此擅长处理具有长期依赖关系的、复杂的非线性问题。通过自适应学习策略的PSO算法对LSTM模型的关键参数进行寻优,使股票数据特征与网络拓扑结构相匹配,提高股票价格预测精度。实验分别以沪市、深市、港股股票数据构建了PSO-LSTM模型,并对该模型的预测结果与其他预测模型进行比较分析。结果表明,基于自适应PSO的LSTM股票价格预测模型不但提高了预测准确度,而且具有普遍适用性。      

月面上升的轨迹优化与参数分析

面向月球采样返回任务分析需求,对月面上升段的轨迹优化及燃料消耗影响因素进行了研究。基于上升器运动模型,建立以燃料消耗最优为目标考虑入轨约束的轨迹优化模型,通过Gauss伪谱法和序列二次规划求解上升过程最优推力方向。改变运动模型中的初始推重比、入轨约束中的目标轨道参数,根据轨迹优化结果得到对应的燃料消耗,分析了这些因素对上升器燃料消耗的影响。针对上升器非共面起飞的问题,提出了上升偏航、升交点调整、倾角调整3种方案,从燃料消耗的角度分析了各方案的适用情况,为未来工程应用提供参考。     

一种适应箭载电磁环境的无线电能传输系统屏蔽优化方法

对SS型拓扑结构的磁场耦合谐振式无线供电系统进行了建模与分析,利用交流阻抗分析法建模,着重分析自感、互感参数对系统传输功率和传输效率的影响;对应用在箭上的无线电能传输系统,考虑其电磁兼容性,分别使用铁磁性金属与非铁磁性金属对谐振器进行屏蔽,分析其对传输性能的影响;针对特定条件下的参数,提出了基于互感耦合参数的性能优化指标,为达到此指标设计相应的电磁屏蔽方案;并分析屏蔽优化后的其他指标,进行实物实验验证。     

空间低温杜瓦瓶凯夫拉支撑结构多约束优化设计

采用新型凯夫拉纤维作为某空间用小型低温杜瓦瓶的支撑材料，在验证其力学性能的基础上，设计了杜瓦瓶的支撑结构，建立了一种新的热力学耦合优化模型，给出支撑结构固有频率、热应力及发射环境下的约束条件，通过一种“离散点加密”新约束优化法计算出了支撑结构满足约束条件范围内的要求的最优设计参数。     

系留无人机平台搭载的蜂窝通信基站吞吐量优化

考虑多架系留无人机（UAV）空中基站为多小区提供空地双向通信服务时，针对地面用户数目分布不均匀和多机协同服务同频干扰严重的问题，提出了一种联合优化空中基站高度和链路传输方向的吞吐量优化算法。该方法通过使用最大同频链路准则和就近服务准则确定了同频链路配对和无人机/用户配对，通过优化空中基站高度和链路传输方向提升了系统平均吞吐量，并减少了用户间的同频干扰。多种场景下验证结果均显示，所提方法显著优于其他非联合优化的对比方法，当拥塞小区用户数目是非拥塞小区用户数目的1~36倍时，相比于不联合优化链路传输方向和空中基站高度的对比方法，所提方法可提升系统平均吞吐量8倍左右。      

基于卷积神经网络双层壁三维热应力预测方法

为实现三维物理场的预测，提出一种利用卷积神经网络（CNN）对双层壁冷却结构外壁三维热应力快速评估方法。针对双层壁冷却结构外壁平板状的结构特征，沿壁厚方向将温度场切分为多个切片。将温度作为卷积网络输入张量的基本元素，不同厚度位置的切片对应输入张量的通道维度，从而实现将三维温度场输入进网络，并输出在热载荷作用下的三维等效应力场。结果表明：训练收敛后的网络在测试集上的平均绝对误差为1.23 MPa，平均相对误差为15.10%，对峰值应力的平均绝对误差为16.10 MPa，平均相对误差为11.81%。对于双层壁冷却结构的热应力预测问题，CNN能够很好地完成温度到应力的映射。使用深度学习方法探究热弹性问题的潜在机理有望实现。     

折叠式变体飞行器轨迹优化及控制分析

针对临近空间高超声速飞行器存在的问题，设计了一种折叠翼飞行器，可以通过折叠机翼来适应各种飞行状态，保持最优的气动特性。并针对临近空间滑翔式高超声速的特点，采用高斯伪谱法对固定翼飞行器和折叠翼飞行器的轨迹优化，通过将折叠翼飞行器与传统固定翼飞行器在射程能力、规避热流能力方面进行对比，提出了一种综合目标的轨迹优化思想。设计的折叠翼飞行器相比传统固定翼飞行器性能更加优越，更适合临近空间环境，提高了17.67%的航程，减少了热流率峰值的35.72%，并通过控制系统的设计和仿真加以验证，仿真结果表明变体飞行器机动能力相比固定翼飞行器有了显著的提高。     

面向狭小空间的起落架收放轨迹智能设计方法

扁平化气动外形是高超声速飞行器获得较高升阻比的优先布局，但该外形严重约束了起落架的收藏空间，常规机构很难满足要求，只能采用复杂机构的三维运动实现起落架的窄空间收放。然而，当前主流的计算机辅助设计迭代试凑法在解决空间机构设计问题方面非常依赖工程经验，耗时耗力且很难得到最优结果。为解决这一问题，创新性地提出基于智能优化算法的起落架复杂机构自主设计方法。首先，分析并建立起落架收放机构的运动学理论模型；然后，建立起落架结构间距离描述及碰撞检测模型，并运用深度神经网络自主设计起落架收放机构的最优运动轨迹；最后，以某狭窄舱段的起落架收放策略设计为例，应用该设计方法进行设计。结果表明:所提设计方法可以快速得到最优的起落架收放机构设计方案，可用于指导高超声速飞行器起落架收放机构的设计。