基于非线性直方图变换的对比度畸变图像校正

在实际成像过程中,因受多种因素影响而导致图像对比度畸变,使其质量下降。为了改善图像质量并增强视觉效果,提出了一种基于非线性直方图变换与参数优化的降质图像对比度畸变校正方法。首先,针对常规直方图均衡方法的局限性,通过人眼视觉感知特性分析,引入图像直方图的先验约束条件,建立了非线性直方图变换模型;进而,从校正效果的最优化角度考虑,运用遗传算法的进化寻优进行校正参数的优化,从而形成了一种高性能的对比度畸变校正算法。一系列在不同场景实拍的对比度严重畸变图像的校正实验结果表明,本文方法校正结果的客观质量评价测算指标和实际视觉效果都有显著提升,和常规校正方法相比具有明显优势。      

基于约束优化的舰艇区域防空作战能力需求生成

作战能力需求生成是在满足多约束条件下完成的,寻求约束集是能力需求生成的重点;以舰空导弹区域防空为背景,通过对作战需求约束、能力需求约束、技术发展约束以及其他因素约束进行综合分析,提取制约能力指标生成的约束集,建立舰艇防空作战效能目标函数,采用基于罚函数法的快速粒子群算法进行能力指标的约束优化求解;以最大预警距离为变量,对其他作战能力指标优化前后的曲线图进行仿真验证,定量生成舰艇区域防空作战所需的能力指标值,验证了模型算法的可行性,为舰艇区域防空作战能力需求生成提供了定量化依据。      

利于减少配平损失的太阳能飞机构型设计

针对具有静稳定性的太阳能飞机一般采用尾翼配平造成气动配平损失的问题,提出了一种“T”构型太阳能飞机。概述该太阳能飞机的总体构型,分析该构型飞机巡航状态下降低重心的自配平原理,建立能量平衡和质量分析模型,给出适合于该构型太阳能飞机的概念设计方法,并优化构型设计参数。结果表明,“T”构型太阳能飞机不仅具有静稳定性,还降低了配平损失。在巡航状态下,“T”构型太阳能飞机单位面积平飞需用功率比常规构型太阳能飞机减少了6.2%,具有明显的应用效果。      

不同动力型式的巡飞弹总体参数对比分析

动力系统选型是影响巡飞弹战技指标中的航时、巡飞速度、航程以及任务载荷重量系数的关键因素之一。基于能量守恒推导出电动力螺旋桨、活塞式螺旋桨动力与喷气式动力3类动力型式的巡飞弹总体参数估算公式,利用敏度分析的思想逐个研究各动力型式性能参数对巡飞弹战技指标的影响程度与影响规律,并从能源供给的角度对比3类动力型式所用燃料的等效比能量特性,梳理出影响各动力型式差异的根源,为巡飞弹顶层设计阶段的动力系统与作战使用之间适配选型提供有效的指导原则。      

基于随机参数逆高斯过程的加速退化建模方法

为了将随机参数退化模型应用于加速退化试验以提高可靠性评估结果的准确性,本文以逆高斯过程为例研究了基于随机参数退化模型的加速退化建模方法。利用加速系数不变原则推导出逆高斯过程各参数在不同应力下应满足的关系式,由此建立参数的加速模型,计算出加速系数,进而将加速应力下的退化数据等效折算到工作应力下。采用了随机参数的共轭先验分布,并且利用最大期望算法估计出随机参数的超参数值。仿真试验验证了所提方法的可行性和有效性,实例应用说明了所提方法具有较好的工程应用价值。      

DC-DC变换器电路混沌现象的仿真研究

以工作在电感电流连续模式下的PWM型降压式DC—DC变换器为研究对象，对其在不同电路参数下的工作行为及其输出特性进行了研究。通过分叉图上的一系列倍周期分叉及V—I相空间图上的一系列周期轨道，揭示了DC-DC变换器由稳态到混沌态的变化规律，从而证明了电路元件参数的变化可导致DC-DC变换器出现混沌行为。本在时域和频域上分别对DC-DC变换器从稳态到混沌态的输出电压特性进行了分析，根据变换器的输出谐波电压从周期—1至混沌态在频域上的变化趋势，得出的结论有助于今后CD—CD变换器的优化设计。     

双级圆柱齿轮减速器虚拟样机建造研究

以虚拟样机理论为基础,以某型号双级圆柱齿轮减速器为分析对象,整合三维造型软件、系统分析软件和有限元分析软件,形成了齿轮减速器综合开发平台。该平台中,基于优化设计的齿轮自动建模方法具有通用性、实用性和独创性,并且可以与CAM/CAPP模块进行整合;优化设计数学模型适用于多种线形齿轮,具有通用性;样机的仿真结果与实际测量数据相吻合率达98%。该平台除了可以完成设计和系统分析外,还可以仿真实际使用环境,完成运动学、动力学和有限元分析,有实际的工程意义。     

基于遗传算法的快速成型分层方向优化设计

快速成型制造技术具有高度的柔性和灵活性,应用前景广泛。快速成型分层方向的选择,对于零件的制作精度、成型时间及制作成本有着重要影响。目前常见的分层方向算法往往顾此失彼,为了尽可能同时满足这3个单目标模型的最优化,本文提出将均匀设计、正交设计与遗传算法相结合作为求解多目标优化的新方法,可用较少的计算量求得分层方向的最优解。实验结果表明,改进后的算法有效,在迭代次数和所用时间上远远优于目前常用的基本算法。     

基于子目标进化的高维多目标优化算法

多目标优化问题是工程应用中的常见问题,已有的方法在解决3个目标以上的高维优化问题时效果欠佳.如何进行有效的个体选择是求解高维多目标优化问题的关键.针对该问题,提出了求解高维多目标优化问题的子目标进化算法.从理论上证明了多目标优化问题Pareto非支配解的求取,可通过子目标函数值排序,先行选择进化种群中部分非支配解;然后,根据排序信息有选择性地比较进化种群中的元素,减少了比较次数,从而快速获得非支配解集.同时,提出归一化函数差值的Minkowski距离"k近邻"距离计算方法,在进化过程中应用到密度函数中,加速了收敛速度.同当前求解高维多目标优化的算法,在对标准测试函数的计算性能上进行比较,统计结果显示了所提算法在性能上的优势.