体表电位标测中的关键技术——心电信号的数字滤波

小波分析在数字滤波领域中具有广大的应用前景，尤其是对具有时变特性的人体心电信号。该文介绍了如何利用coiflet小波对心电信号进行多分辨率分解和重建，并解决了小波分析在心电信号滤波中会遇到一些实际问题，比如小波基函数的选取，确定心电信号及噪声的频域表现和小波在不同尺度下的通带。实验结果表明，用coiflet小波对心电信号进行数字滤波，能很好地消除心电信号中的三大干扰；基线漂移、工频干扰和肌电干扰。     

风力机叶型增升技术

介绍了利用栅片改善风力机叶型大迎角下气动性能的研究结果。通过对风力机专用翼型的数值模拟,研究了栅片对翼型流动分离的控制效果,并在数值模拟结果的基础上对栅片进行基因算法优化。优化过程采用多岛基因算法,以N-S方程为控制方程,以升力最佳为目标,对栅片进行多参数优化。结果表明:栅片可以有效控制翼型的失速特性,抑制翼型大迎角下的流动分离,推迟失速攻角和增加升力;基因优化算法能更大地提升栅片的控制效果。     

基于神经网络的二维随机翼型优化设计方法(英文)

为避免翼型单点优化设计存在的非设计状态气动性能损失,改进对实际飞行环境中不确定性因素的适应能力,提出了基于神经网络的二维随机翼型优化设计方法。采用4个BP神经网络作为代理模型,用于预测翼型的气动系数与几何参数,以提供高效和可靠的分析。同时联合服从正态分布的概率密度函数和遗传算法构成了优化设计方法。采用该方法,对GA(W)-2翼型,在关于马赫数和迎角的二维飞行区域内进行了随机优化设计。通过与原始翼型和单点优化设计翼型的结果对比,表明该二维随机优化方法能够在指定飞行区域内改进翼型的整体性能,提高了翼型对多个飞行参数随机变化的适应能力。     

双重稀疏保持投影(英文)

稀疏保持投影(Sparsity preserving projection,SPP)是一种新型的基于图的降维方法,近年来被成功应用于人脸识别。SPP基于数据的稀疏重建关系建图,从而包含自然的判别信息。然而,经SPP变换后,新的特征是所有原始特征的线性组合,因此很难解释其降维结果。为此,提出了一种新的降维方法——双重稀疏保持投影(Dual-sparsity preserving projection,DSPP),通过进一步对SPP的投影方向施加稀疏约束,希望获得投影方向的稀疏解。具体地,该方法把SPP中投影函数的计算转化为一个回归类优化问题,然后借助L1正则化回归技术获得稀疏投影向量。在人脸数据上的实验结果表明了该算法的有效性。     

基于遗传算法优化神经网络的结冰环境中MVD和LWC预测

水滴平均体积直径（Mean volumetric diameter,MVD）和液态水含量（Liquid water content,LWC）是两个影响飞机结冰的重要气象参数,但在实际中难以准确测得,如果能够实时、准确地获取这两个参数可以为积冰预测和飞机适航认证标准的建立提供一些指导。文中提出了一种基于遗传算法优化神经网络的结冰气象参数预测模型。以不同测点组合的冰厚和结冰速率、环境温度、飞行速度和机翼迎角为输入参数,结冰气象参数MVD和LWC为输出参数,构建遗传算法优化的结冰气象参数预测模型,并通过预测模型对数值计算测试组数据和结冰风洞实验数据的结冰气象参数进行预测。结果表明,基于遗传算法优化Elman神经网络的预测模型对结冰气象参数的测试组预测相对误差在10%以内,实验数据相对误差在20%以内,该方法具有一定的可行性。     

考虑局部遮挡的太阳能无人机能源控制

针对太阳能无人机在飞行状态下可能出现的太阳能电池局部遮挡情况,开展相应的太阳能电池最大功率点追踪算法和能源控制研究。通过将发光亮度引入相对吸引力计算过程对萤火虫算法进行改进,实现了局部阴影情况下太阳能电池最大功率点的高效追踪。以此为基础,设计了考虑局部遮挡情况下太阳能无人机的太阳能电池/蓄电池混合能源状态机控制规则。以"蒲公英I"无人机为例,建立了太阳能电池阵列模型,开展了考虑局部遮挡情况下太阳能电池最大功率点追踪仿真实验;基于"蒲公英I"飞行剖面,开展了考虑局部遮挡情况的混合能源控制仿真试验。研究结果表明：改进的萤火虫算法可以实现在局部阴影情况下太阳能电池最大功率点的有效跟踪,与萤火虫算法相比收敛时间更短、且功率波动幅度更小;采用改进萤火虫算法和状态机能源管理策略,在考虑局部遮挡的飞行状态下可以实现太阳能电池/蓄电池之间的合理功率分配与控制。     

多状态空间信息网络拓扑生成优化算法

依据空间信息网络（SIN）高动态性的特点,并考虑卫星工作的多状态特性,兼顾星间通信时延和拓扑抗毁性的要求,研究了多状态下空间信息网络拓扑生成及动态优化的问题。根据卫星星座的周期性,建立了一种卫星网络的拓扑周期表。综合卫星的可视性和连接度等约束条件,以网络平均和最大时延作为通信性能的优化目标,建立拓扑的多目标优化模型。提出一种改进的多目标模拟退火（IMOSA）算法,求解全局时延最优的卫星拓扑,并在考虑多状态情况下对链路进行优化,以满足网络高动态性。最后基于具有66颗低轨（LEO）的铱星星座进行仿真,研究表明：针对多状态条件下的铱星星座,该算法最大化减小了通信时延,得到抗毁性良好的拓扑结构,通信性能较之原有静态拓扑明显得到改善。     

管制扇区的最优划分方法研究

在研究管制员工作负荷的统计方法和描述空域拓扑结构的数学模型的基础上，利用基于自然法则的模拟退火随机优化算法对扇区最优化问题进行求解。并通过对厦门管制区的扇区最优划分实例分析，验证了扇区优化数学理论正确性和使用该算法达到的预期效果。     

射线跟踪法的改进及其应用

研究复杂组合体目标后向散射场问题，并对射线跟踪法的典型算法进行改进，以提高计算精度和运算速度。推导精确的积分公式，用典型体目标对改进的算法进行验证，进而计算复杂组合体目标的后向散射场。矩形截面直进气道的计算结果不仅比学者Hao Ling的计算结果更为精确，而且计算速度提高了两倍。三面角反射器的计算结果与实验结果基本吻合。最后，计算了某型航母甲板上复杂目标组合体目标的RCS，并与近似法和像素法的计算结果进行了比较分析。     

改进的BP神经网络技术在平面叶栅气动性能实验中的应用

将多维实验方法应用于平面叶栅正反向流动实验中,避免了单参数实验方法中的缺陷,大大提高了实验数据的可靠性。同时采用改进的BP神经网络技术,对气动性能实验数据进行分析。实验发现：低雷诺数下,翼型的流动状态很复杂,附着涡在确定翼型边界层行为和失速特性中起着重要作用。在反向流动中,翼型的吸力面常伴随有旋涡的流动,类似于薄翼流动,翼型在较小的迎角下就会发生薄翼失速。