基于进化算法的区域导航(RNAV)航路规划研究

本文采用进化算法,结合进化算法与区域导航航路规划的特点,提出了基于进化算法的区域导航航路规划问题。通过建立航路规划基本框架,进行航路编码、约束条件限制、初始种群设置等工作,然后依据选择机制建立新的航路链。     

基于塔形形态算法的SAR图像相干斑抑制

提出将塔形形态算法用于抑制SAR图像中相干斑处理,为减少塔形处理中由于下采样造成的信息损失,从并行处理的角度出发,对塔形形态滤波器提出了改进,将下采样中的各子图同时进行形态滤波处理,在上采样中将各子图合并。经分析和处理表明这两种算法用于SAR图像滤波都能有效地去除相干斑噪声。与塔形形态滤波、Lee滤波器算法比较,采用并行算法处理后图像的各项指标有明显的改善。     

几乎最佳自相关序列偶搜索算法的研究

几乎最佳自相关序列偶是一种新的最佳信号,但其一般的搜索方法——穷举法,搜索量太大。根据几乎最佳自相关序列偶的必要条件,提出一种新的搜索方法,给出算法流程图,并进行了实验验证。实验结果表明,算法可大大减小搜索量,比穷举法效果好且耗时短。     

取大取小算法问题讨论

取大取小算法是模糊数学中的一个重要的方法之一 ,在工程应用中得到了广泛的应用。但有人提出了“在模糊综合评判时 ,取大取小算法是一个错误算法”的论点。本文首先通过对模糊综合评判的评价函数所作的理论分析并辅以实例说明了取大取小算法是模糊综合评判的一个可取的算法 ,作者还从广义合成运算的模糊综合评判的角度 ,论述了取大取小算法的正确性 ,与上述论点进行商榷。同时作者也对取大取小算法在某些情况下出现失效的现象进行了讨论 ,并提出了改进的措施。作者认为不能因取大取小算法在特定情形下的失效就全盘否定其理论上的正确性和工程上的可用性。     

基于结构网格点的Euler方程无网格自适应求解算法

提出了一种自适应无网格Euler方程求解算法。构造了基于无网格点云结构的布点加密技术,实现了借助压力梯度变化准则的流场局部加密;借助流场结构化剖分技术,给出初始无网格节点分布,并采用四步显式Runge—Kutta时间格式推进计算,求解了绕翼型的典型流动问题。数值算例表明,本文提出的方法能有效地提高流场的分辨率,如捕捉激波等流动特征清晰明了。     

斜拉翼结构刚度分布与重量特性

多学科优化设计的研究结果表明,斜拉翼在不增加悬臂翼结构重量的情况下能显著提高展弦比和降低诱导阻力,使得斜拉翼飞机整体性能明显优于悬臂翼设计.但这些研究没有对支撑结构与主翼之间采用何种联接型式给出相应的讨论,也未对机翼刚度布局情况给出相应参考,不利于飞机总体布局方案的选择.本文从力法入手,用四板模型简化斜拉翼结构剖面,给出常见斜拉翼和其支撑结构的刚度布局和联接形式以及结构重量遗传算法寻优的相关结果.结果表明,以铰链方式联接支撑结构与联接段结构的斜拉翼结构布局方式有最好的重量特性.     

Detection and mapping vegetation cover based on the Spectral Angle Mapper algorithm using NOAA AVHRR data

Satellite data, taken from the National Oceanic and Atmospheric Administration (NOAA) have been proposed and used for the detection and the cartography of vegetation cover in North Africa. The data used were acquired at the Analysis and Application of Radiation Laboratory (LAAR) from the Advanced Very High Resolution Radiometer (AVHRR) sensor of 1 km spatial resolution. The Spectral Angle Mapper Algorithm (SAM) is used for the classification of many studies using high resolution satellite data. In the present paper, we propose to apply the SAM algorithm to the moderate resolution of the NOAA AVHRR sensor data for classifying the vegetation cover. This study allows also exploiting other classification methods for the low resolution. First, the normalized difference vegetation index (NDVI) is extracted from two channels 1 and 2 of the AVHRR sensor. In order to obtain an initial density representation of vegetal formation distribution, a methodology, based on the combination between the threshold method and the decision tree, is used. This combination is carried out due to the lack of accurate data related to the thresholds that delimit each class. In a second time, and based on spectral behavior, a vegetation cover map is developed using SAM algorithm. Finally, with the use of low resolution satellite images (NOAA AVHRR) and with only two channels, it is possible to identify the most dominant species in North Africa such as: forests of the Liege oaks, other forests, cereal’s cultivation, steppes and bar soil.     

小生境多目标蚁群算法在飞行器总体设计中的应用

飞行器总体设计直接影响飞行器的战术技术指标,往往需要反复很多次的设计过程以确定最终设计方案,因此迫切需要研究并采用优化方法以快速获得性能较优的飞行器总体方案。蚁群算法是群智能算法的典型代表之一,本文针对飞行器总体设计中的多目标优化问题,以多目标蚁群算法为基础,引入小生境技术,提出小生境多目标蚁群算法,并以某飞行器为应用对象,对其进行了多目标优化设计,最后对优化结果进行了分析。     

Interactive Multi-objective Optimization Design for the Pylon Structure of an Airplane

The pylon structure of an airplane is very complex, and its high-fidelity analysis is quite time-consuming. If posterior preference optimization algorithm is used to solve this problem, the huge time consumption will be unacceptable in engineering practice due to the large amount of evaluation needed for the algorithm. So, a new interactive optimization algorithm-interactive multi-objective particle swarm optimization （IMOPSO） is presented. IMOPSO is efficient, simple and operable. The decision-maker can expediently determine the accurate preference in IMOPSO. IMOPSO is used to perform the pylon structure optimization design of an airplane, and a satisfactory design is achieved after only 12 generations of IMOPSO evolutions. Compared with original design, the maximum displacement of the satisfactory design is reduced, and the mass of the satisfactory design is decreased for 22%.     

快速并行细化算法

本文提出一种快速并行细化算法。细化过程是一个迭代过程。每次迭代分成两个子迭代。算法收敛速度快,细化连续性好,几何畸变小,对二值纹理图像无特殊要求,具有通用性。算法实现巧妙,独特,占用内存少,特别适合小型计算机图像处理系统。该算法在PCvision图像处理系统上实现的效果良好。