基于最小Wilcoxon学习方法的模糊树模型

模糊树方法采用最小二乘法学习模糊规则的后件参数,对例外点敏感.为此采用对例外点不敏感的最小Wilcoxon学习方法代替最小二乘法,提出一种基于最小Wilcoxon学习方法的模糊树建模方法,该方法既改善了模糊树方法对例外点敏感的缺点,又继承了模糊树方法的优点.通过对混沌时间序列预测研究,仿真结果表明:所提方法可以对Mackey-Glass混沌时间序列进行准确预测,验证了该方法的有效性和对例外点的鲁棒性.     

改进SO优化KELM的液体火箭发动机故障检测

提出了一种ISO-KELM的液体火箭发动机故障检测模型。首先引入Tent混沌映射、动态策略和柯西变异3种方法对原算法进行改进。然后，采用改进后的蛇优化算法(ISO)对核极限学习机(KELM)惩罚因子和核函数参数进行寻优，构建了ISO-KELM液体火箭发动机故障检测模型。最后选取包含5种典型故障模式的某液体火箭发动机历史试车数据进行仿真。结果表明，ISO-KELM模型的故障检测准确率为95.2%,高于SO-KELM故障检测模型和传统BP神经网络故障检测模型，可有效检测火箭发动机的故障状态。同时也表明了ISO相比于SO,收敛速度更快，寻优精度更高。     

爱情混沌模型的滑模同步调节

混沌系统自提出以来就备受控制界的关注。文章通过引入Sprott建立的爱恨情仇的数学模型，以及通过设计适当的外部激励研究了罗密欧、朱丽叶与基内维娅三者之间爱恨情仇的混沌模型滑模同步。针对非线性爱情混沌系统设计滑模函数和外部激励，使主从系统取得滑模同步。     

翼型不确定性量化中正交匹配追踪的应用

不确定性在实际系统中广泛存在，为了研究不确定性因素影响下系统输出的随机响应特性，传统的不确定性量化方法如蒙特卡洛采样、混沌多项式展开等需要大量的样本，制约了在飞机机翼等复杂系统中的应用。近年来，在信号处理领域发展迅速的压缩感知技术，利用原始信号的稀疏性可以用少量的样本精确重构信号。这一特性促使研究人员探索将压缩感知技术应用于不确定性量化研究中。以RAE2822实际翼型为研究对象，使用类函数/形函数变换将原始翼型参数化，考虑加工、装配过程和实际飞行工况下的几何不确定性，将压缩感知技术与混沌多项式展开相结合，利用正交匹配追踪算法实现多项式系数的稀疏重构，获得翼型气动力系数和流场参数在考虑几何不确定性影响下的均值和标准差，并与蒙特卡洛采样和满秩概率配点法获得的结果进行对比。通过对收敛性能、样本数需求和重构精度等方面的对比分析表明，正交匹配追踪算法能够利用相对较少的样本获得与传统不确定性量化方法相近的精度。考虑到实际系统的随机响应在混沌多项式基底上大多具有稀疏的展开形式，因此将压缩感知技术应用到不确定性量化中可以显著降低样本数需求，从而降低时间成本，提高计算效率。     

高速自然层流翼型高效气动稳健优化设计方法

先进高速高升力自然层流(NLF)翼型的设计已经成为提高新一代高空长航时(HALE)无人机(UAV)性能的重要手段。然而这类翼型表面极易出现分离泡和激波等，尤其对于马赫数、飞行攻角等状态波动气动特性非常敏感，这导致传统的层流翼型设计方法设计的外形在面向工程应用中出现稳健性差，难以被工程使用。气动稳健设计(RADO)方法虽然是一种有希望的解决途径，但它遭遇了巨大计算花费的难题。为了解决这些问题，通过对影响气动稳健优化设计效率的关键技术进行研究，发展了基于自适应前向-后向选择(AFBS)的稀疏多项式混沌重构方法，极大改善了不确定分析(UQ)和稳健优化效率。同时，也发展了考虑多参数不确定的高效气动稳健优化设计方法，有效解决了传统翼型设计方法难以满足高速高升力自然层流翼型设计要求兼顾高升力设计、自然层流设计以及超临界设计的难题。最后使用发展的方法成功设计了一类具有典型特点的跨空域稳健自然层流翼型。结果表明设计的翼型相对于经典的全球鹰无人机翼型气动性能全面提升，同时低阻范围更大，气动性能更加稳健，从而验证了稳健优化方法的有效性和相对于确定性设计的优势。     

自适应变异麻雀搜索优化算法

针对麻雀搜索算法前期易陷入局部极值点、后期寻优精度不高等问题，提出一种自适应变异麻雀搜索算法（AMSSA）。先通过猫映射混沌序列初始化种群，增强初始种群的随机性、遍历性，提高算法的全局搜索能力；再引入柯西变异和Tent混沌扰动，拓展局部搜索能力，使陷入局部极值点的个体跳出限制继续搜索；最后，提出探索者-跟随者数量自适应调整策略，利用各阶段探索者和跟随者数量的改变增强算法前期的全局搜索能力和后期的局部深度挖掘能力，提高算法的寻优精度。选取16个基准函数和Wilcoxon检验进行验证，实验结果表明：所提算法与其他算法相比，寻优精度、收敛速度和稳定性都取得较大提升。     

基于变尺度混沌算法的曲面品质优化

曲面品质优化是曲面重构中的常见问题，在航空航天和汽车等高端产品设计中，如果要求重构的曲面间具有高阶连续性，往往需要进行大量的优化工作。为了便捷地得到光滑的高品质曲面，提出一种基于变尺度混沌算法的曲面品质优化方法。引入可调参数，在与邻接面NURBS曲面片一阶连续条件下，可以灵活调整多个参数值对目标面进行变形操作；建立变尺度混沌优化的数学模型，计算出可调参数组的最优解，得到相对原曲面变形量最小的高品质曲面。通过案例分析验证了所提方法的鲁棒性和实用性。对优化后的曲面进行光影分析，结果表明：所提方法可以在保证曲面品质的同时，提高曲面重构的效率。     

陶瓷基复合材料结构不确定性传播分析

陶瓷基复合材料因其耐高温、高强度比、抗腐蚀等出色的力学性能而被广泛应用于航空航天领域中。然而，制备工艺的复杂性导致陶瓷基复合材料的本构模型中存在大量的不确定性，无法合理估计给定工况下结构的力学行为。为此，本文首先探究了陶瓷基复合材料中的材料参数对其本构模型的影响，并建立了考虑孔隙率的陶瓷基复合材料各向异性本构模型。随后，进一步提出了一种基于稀疏混沌多项式展开的不确定性传播分析方法，定量地分析材料参数及外界环境的不确定性对陶瓷基复合材料性能的影响，进而为结构的优化设计提供有效指导。最后，以陶瓷基复合材料圆柱壳模型为例，验证了本文所提方法的有效性。     

叶顶间隙偏差对叶片气动性能影响的不确定性研究

在压气机叶片加工过程中，实际加工得到的叶片外形与设计叶型不可避免会存在一些偏差。为研究叶片叶顶间隙尺寸波动对性能的影响，以Rotor37为研究对象，采用三维定常数值模拟方法，基于非嵌入式混沌多项式中二维正态分布变量产生方法，分别对叶片前缘叶顶间隙和尾缘叶顶间隙进行尺寸波动干扰，研究了叶顶间隙不确定性对气动性能和流场的不确定性影响，评估了公差带内叶顶间隙偏差与气动性能变化的相关性，并探究了叶顶间隙变化对叶片稳定裕度的影响机理。研究发现，叶顶间隙偏差对等背压条件下叶片质量流量、等熵效率和总压比的平均水平几乎不会造成影响；叶顶间隙偏差所造成的气动性能分布标准差随工况点向不稳定边界的逼近而逐渐增大。同时，叶顶间隙不确定性会导致样本稳定裕度均值有所降低，不确定性分析中稳定裕度均值相对原型叶片下降了2.42%。流场结构方面，叶顶间隙偏差主要影响80%叶高以上部分流场；叶顶间隙偏差对叶顶区域泄漏流产生的影响，导致了叶片稳定裕度的变化。