遗传算法在弹道数据融合中的应用

目前靶场采用全测元融合滤波的方式确定目标飞行器弹道,为测控设备提供引导信息并为安全决策和指挥显示提供数据支持。随着靶场测控设备种类和数量越来越丰富,而新的试验任务又对实时弹道融合解算精度提出了更高的要求,全测元融合处理能否提供高精度的融合弹道和快速地从海量融合方案中寻找最优的方案是弹道测量数据融合急需解决的问题。本文提出了基于遗传算法的最优融合方案选择方法,利用该方法得到的融合弹道精度优于全测元融合方案,仿真结果表明了方法的有效性。     

基于FDG和GA的故障诊断技术在电子对抗装备中的应用

探讨了模糊有向图（Fuzzy Directed Graph,FDG）和遗传算法（Genetic Algorithm,GA）相结合的故障诊断技术及其在电子对抗装备故障诊断中的具体应用。根据电子对抗装备组件的实际状态,应用模糊理论得出各组件发生故障的可能性,建立电子对抗装备的模糊有向图,利用遗传算法搜索出模糊有向图中可能的故障传播路径。实践表明,该技术应用在电子对抗装备的故障诊断中是行之有效的,取得了较好的诊断结果。     

平面波导器件封装工艺软件的研究与开发

平面波导器件的耦合封装是制约其发展的一个瓶颈,通过研究平面波导器件的封装工艺特点,分析了封装过程对控制系统的要求.基于Visual Basic.Net开发了封装工艺软件,研究了手动调整、视觉引导粗对准、自动化对准以及点胶固化四个模块的设计方法,并对编程过程中的关键技术进行了讨论.     

月球巡视器太阳电池阵电性能仿真模型参数辨识方法

为使月球巡视器太阳电池阵电性能仿真模型更精确地模拟真实在轨太阳电池阵硬件系统的工作状态,提出对仿真模型进行参数辨识的方法。给出了太阳电池阵电性能仿真模型,分析其输入、输出与初始化参数,说明了利用遗传算法和遥测数据开展参数辨识的可行性。提出仿真模型参数辨识方法的总体思路,即将遥测数据作为激励源,再采用遗传算法开展参数辨识。利用某一时段的遥测数据对仿真模型参数进行辨识,并用其他时段的遥测数据对辨识结果进行验证。结果表明:辨识后的仿真模型输出与对应遥测值的接近程度更高,仿真模型的输出偏差可减小约50%。文章提出的仿真模型参数辨识方法,可使仿真模型在月球巡视器在轨期间的任务规划验证和伴飞任务中提供精准预报。     

电子束辐照对大功率白光LED寿命退化影响

论文采用了理论与实验相结合的方法，研究了电子束辐照对大功率白光LED寿命退化的影响。在寿命／可靠性实验设备上，对辐照后的大功率LED进行电流加速老化实验，并结合相应的寿命模型，对其寿命进行了预测，通过与未受辐照的大功率LED的寿命进行对比，实验结果表明电子束辐照效应会对大功率LED寿命造成严重影响，使其寿命大幅衰减。     

用于军用环境的塑封器件可靠性研究

对塑封器件鉴定试验中的强加速试验和温度循环试验进行了研究．对国外增强型塑封器件进行了简介，并对国外增强型塑封器件和国内定制塑封器件进行了可靠性对比试验研究。     

基于遗传算法的小推力空间液体发动机参数优化

基于连续型遗传算法，与空间液体火箭发动机系统质量模型和长度模型相结合，建立了空间发动机系统优化模型。以发动机系统的质量为目标函数，对燃烧室压力和喷管扩张比进行了优化设计。计算结果表明，采用遗传算法能够有效地得到最小质量下设计变量的最优解。     

蓝光二极管为何获得诺贝尔奖？

2014年10月7日。瑞典科学院的成员们开会决定将诺贝尔物理学奖授予谁。诺贝尔奖委员会通常把诺贝尔物理学奖授予非常重大的发现，比如预测希格斯玻色子、观测到宇宙加速膨胀。因此，很多人惊讶于2014年的诺贝尔物理学奖被授予一项实用的发明：蓝光二极管。然而，物理学诺贝尔奖授予赤崎勇、天野浩和中村修二恰如其分。     

基于Kriging的多目标遗传算法

为了提高多目标优化问题的求解效率,提出了一种新的处理约束多目标优化问题的基于Kriging的多目标遗传算法(MOKGA)。MOKGA采用物理规划法将多目标优化转化为单目标优化,然后构建目标函数的考虑约束的EI(Expected Improvement)模型,并采用遗传算法进行求解。六峰值驼背函数和一个导弹多目标多学科设计优化问题用于MOKGA算法性能的测试。结果表明,与理论解相比,MOKGA算法有很好的优化结果;与NSGA II相比,MOKGA有很快的收敛性。     

基于降阶模型和梯度优化的流场加速收敛方法

CFD是解决流体相关复杂工程问题的重要手段，随着流体力学研究和工程应用问题的日益复杂，更高效、精确的CFD算法研究至关重要。提出了一种基于降阶模型（ROM）和梯度优化用于加速稳态流场的收敛方法。该方法首先收集CFD迭代求解过程中的流场快照构造基于正交分解（POD）的降阶模型，然后使用梯度优化方法求解降阶模型得到残差更低的流场，最后以该流场为初值继续进行CFD迭代求解从而加速CFD的收敛过程。将该方法用于基于有限体积法的CFD求解器中，针对无黏、湍流算例验证了所提加速收敛方法的有效性。结果表明，加速收敛方法相比于初始CFD方法迭代步数能显著减少2～3倍，是一种高效且鲁棒的加速收敛方法，且在复杂工程问题中具有广泛的应用前景。