多传感器信息融合技术在现代战机设计中的应用

基于综合航电系统设计中的关键技术———信息融合 ,介绍了信息融合的概念、目标跟踪的算法及传感器的管理 ,以此说明现代作战飞机应用信息融合技术可增强作战平台在恶劣战场环境下的生存能力     

前向神经网络快速学习算法在发动机模型辨识中的应用

介绍一种采用前向神经网络辨识发动机非线性模型的快速学习方法,与现有同类方法相比,该方法采用矩阵的QR分解求解线性方程组,解决了维数过高的矩阵直接求逆带来的解失真问题,并把这种方法应用于航空发动机的非线性模型辨识。算例仿真验证了算法的可行性。      

基于改进BPNN复合材料层合板损伤识别

将B样条小波展开技术提取的损伤特征值作为改进BPNN输入进行学习与识别,识别结果显示该方法能够对复合材料层合板多种损伤进行快速准确的识别。     

发动机滑油散热系统性能计算方法及其应用

讨论了安装鼓风机引起滑油附加温升的原因并提出了合理的计算模型,完善了滑油散热系统性能计算方法。研究表明,在建立良好的物理模型的基础上,应用遗传算法对模型结构参数进行优化,可以显著提高系统模型的精度,减小系统性能计算误差。应用本文的计算模型分析了温控活门对滑油温度的影响,并建立了预测燃、滑油瞬态温度值的方法,为发动机的安全运行提供了指导。本文方法的优点是只需少量滑油系统试验数据即可获得满意的模型拟合结果,从而大大节约了试验费用,提高了试验效率,并能有效预测试验难以达到的恶劣条件下的滑油散热性能。      

遗传算法对压气机叶片排序的应用

采用遗传算法研究压气机叶片装配中的排序优化问题。详细给出了遗传算法的计算步骤、计算过程中叶片序列可行解的编码、交叉算子、变异算子的选择方法,建立了对叶片排序问题的适应度函数及其优化的评估方法。具体算例表明所建立的方法对压气机叶片排序问题有较高的效率和满意的准确度。      

基于蚁群算法的TSP的仿真与研究

对于旅行商问题的研究始于19世纪,从20世纪中叶开始随着计算机技术的发展而不断发展。蚁群算法是一种新型的优化算法,于20世纪90年代提出,最早成功应用于解决旅行商问题。研究表明,蚁群算法有着极强的鲁棒性发现较好解的能力。通过编程实现了用蚁群算法解决旅行商问题,通过仿真实验研究了各参数对算法的影响。     

基于拉普拉斯正态混合分布概率密度函数估计的语音分离算法

由拉普拉斯分布概率密度函数推导得出的符号函数作为语音信号分离算法中的激活函数,目前广泛应用在基于独立分量分析的语音分离算法之中.为了提高语音分离算法的收敛速度以及分离性能,提出把拉普拉斯正态混合分布概率密度函数作为语音信号概率密度函数的估计,得到一个更加适合语音信号分离的激活函数,基于此函数提出一种快速语音分离算法.把推导出的激活函数应用于独立分量分析(ICA)的自然梯度算法中进行计算机仿真实验,可验证本文算法的收敛性能和分离性能.     

基于免疫聚类分析的特征提取及其在发动机故障诊断中的应用

以提高航空发动机故障诊断的快速性和准确性为目的，基于人工免疫理论中的克隆选择算法，结合聚类分析方法，提出了基于免疫聚类分析的故障特征提取方法。该方法通过删除对分类无关的特征以及压缩类间相关特征，得到最有利于分类的子特征集，提高了分类器的分类性能。并且该算法具有本质上的并行性、计算效率高和聚类能力强等优点。多类支持向量机的分类实验表明，经过基于免疫聚类分析提取的特征对发动机的故障具有更好的识别能力，为发动机的状态监测与故障诊断提供了依据。     

极值搜索算法的研究与进展

回顾了极值搜索算法的发展历程,分析了单变量和多变量极值搜索算法、滑模极值搜索算法、斜率搜索算法等算法的优缺点,着重描述了变参数滑模极值搜索算法和退火回归神经网络极值搜索算法等,并且通过重构系统的损失函数方法将极值搜索算法的应用推广至一般系统,拓展了其应用范围。通过其应用实例说明,极值搜索算法能够解决航空控制、工业生产中的一些关键技术问题,因而有必要深入研究极值搜索算法。     

动能BGK算法在近连续流模拟中的应用

首先比较详细地介绍了动能BGK算法的基本思想,然后应用该算法,数值模拟了克努森数(Knudsen number)为0.0001～1.56,马赫数为1.96绕圆柱的二维粘性流动,研究了滑移边界条件和无滑移边界条件对圆柱阻力的影响,通过与实验结果[5]进行比较,验证了文献[1]关于由连续流到自由分子流的这种流动模型的划分.计算结果表明:采用滑移边界条件,直到克努森数为0.3,计算得到的阻力与实验都符合得很好.因此,采用BGK算法加滑移边界条件,能够模拟由连续流到近连续区的流动.