新能源接入配电网经济性与可靠性优化研究

为寻求新能源配电网的可靠性和经济性最优,实现新能源电源的优化配置,本文提出将可靠性和经济性同时作为两个优化目标,运用自适应粒子群优化法,对新能源电源进行多目标优化配置。以IEEE-RBTS Bus 6主馈线F4为例,通过系统仿真找到新能源配电系统可靠性与经济较均衡的Pareto最优解集,可根据决策者的偏好选择最优方案。本文的研究为新能源电力系统可靠性和经济评估提供了一个新的研究思路。     

Ⅱ型截尾时双参数指数分布失效数的预测

对于Ⅱ型截尾时双参数指数分布,给出了未来时间区间内失效数的Bayes及Fiducial单样、双样预测子和预测区间（PIs）。     

基于改进遗传算法的飞行航迹规划

航迹规划技术是有效提高飞行器突防概率的关键技术之一,能在大范围的真实环境中 规划出满足各种约束的较优航迹,因此对所采用的算法有比较高的要求。基于此,首先 研究了航迹包含的角度、高度、航迹段长度及飞行器的最大航程等约束条件;其次对航迹编 码方式进行了改进,采用数组混合编码方式;并对遗传算法的交叉概率和变异概率的计算、 交叉算子和变异算子进行了改进,并应用该算法在求解航迹规划问题上进行了应用仿真研究 。对应用不同的航迹编码方式所得结果进行了对比分析。仿真计算表明,该算法能够规划出 一条满足要求的航迹,避免了分层规划的复杂性,提高了算法的工程实用性。
     

防空导弹直接力／气动力复合控制系统设计

直接力和气动力复合控制技术是先进防空导弹对付高速机动目标、兼有反导能力以 及发 展成为动能拦截弹最现实有效的技术途径。针对力矩式复合控制方法,为减小由于弹体滚动 所引起的耦合影响,建立了俯仰－偏航通道短周期运动模型;在弹体慢旋条件下给出了参考 信号状态空间模型,利用线性二次型最优跟踪控制方法设计了复合控制姿态稳定系统,并基 于分离原理设计了参考信号状态观测器。仿真结果表明系统对制导指令的响应时间小于0.1 秒,对螺旋机动弹道目标的拦截脱靶量为0.34米,说明该复合控制方法具备直接碰撞目标的 能力。〖JP〗     

遗传算法在试飞科目最优排序问题中的应用

以试飞科目间总的过渡耗油、耗时最省为性能指标，应用基于生物界自然选择机制和自然遗传机制的遗传算法，对试飞科目的最优排序问题进行了研究。介绍了遗传算法用于组合优化问题的基本原理和技术方法，根据试飞科目的最优排序问题的特点，构造了适当的适应度函数，对选择算子、交叉算子等进行了改进，充分利用了谝算法的工程性强、应用范围广等特点。仿真计算所得结果表明，应用遗传算法合理安排试飞科目次序，,可节省试飞耗油、耗时、减少试飞成本，提高试飞效率。     

启发式GPS导航引擎的设计与实现

随着GIS系统和导航系统的发展,建立一个高效的路径搜索引擎成为众多相关系统开发者的当务之急.从经典Dijkstra算法出发,分析了城市道路网的特定网络结构特点,将决策机制引入到路径搜索中来,设计了一个启发式GPS导航引擎.最后列举了该导航引擎进行了的对比测试数据,结果表明所提出的启发是智能导航引擎在嵌入式GPS导航系统中有较好应用前景.     

截尾数据线性回归分析方法

提出一种新的回归分析方法,建立了截尾数据回归方程,给出回归系数和标准差的最佳无偏整体估计及其协方差矩阵。文中详细讨论了工程中最常见的正态分布截尾数据一元线性回归分析,给出其回归曲线的置信限和百分位值的置信区间估计,并将该方法推广到极值分布和威布尔分布的情况。传统回归分析只适用于来自正态分布的完全数据,对于截尾数据或威布尔分布数据则无能为力,目前工程上只能采用成组试验方法,结果导致试验量很大。本文方法能够很好地解决上述问题,与成组试验法相比,在试样数相同的条件下具有更高的精度,而在精度相同的情况下,则可以节省大量试样。      

函数最优化求解方法及在直升机设计中的应用

本文叙述了求函数极值和函数最优化值的概念，并介绍了求解函数最优化值的无约束优化的DFP变尺度法及求函数有约束优化的罚函数法；并就求函数最优值方法在武装直升机结构最优化设计中的应用作一陈述。文章最后附有对方法软件考核的不同类型算例。     

齿轮传动涡扇发动机简介

概念:风扇与低压压气机之间装有一种新型减速器,使风扇、低压转子均在最优转速下工作,使得气动损失和噪声都较低,从而大大提高推进效率。结构特点:齿轮传动涡扇发动机(GTF)在风扇和低压压气机间引入减速齿轮箱,目的是使低压转子在效     

一种二维平面内的最优制导律

在地基助推级反导作战过程中,由于目标弹道导弹的加速度很大,造成拦截弹失去了加速度优势。文中针对单级短程固体弹道导弹的助推级中段拦截,推导出一种能量最省的制导律,不需要拦截弹的加速度大于目标加速度。二维闭环仿真结果显示,在满足制导精度的基础上,拦截弹的切向和法向过载均较小,能够满足作战需求。