重力测量卫星KBR系统相位中心在轨标定算法

针对低低跟踪(SST-LL)重力测量卫星K频段测距(KBR)系统相位中心在轨标定问题,提出了一种应用预测卡尔曼滤波算法的KBR系统在轨标定算法。首先,以磁力矩器和姿态控制喷气发动机为执行部件,对一颗卫星施加一定的组合力矩,使其绕另一颗卫星进行周期性姿态机动;然后,将星敏感器数据代入预测卡尔曼滤波算法中估计出卫星姿态;最后,根据KBR系统观测值与卫星姿态角之间的关系,利用扩展卡尔曼滤波算法估计出KBR系统相位中心的位置。数值仿真结果表明:KBR系统相位中心可以被实时估计,当存在较大的卫星姿态动力学模型误差时,KBR系统相位中心的标定误差仍在0.3mrad以内,证明此算法估计精度较高且鲁棒性强。     

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。     

三站点备件供应保障关系建模与分析

就建模层面而言备件相关的现有研究在考虑横向保障时存在一定的不足。本文选取三站点组成的备件供应保障系统作为研究对象,通过引入站点间的备件供应保障关系实现了将站点间备件纵向保障和横向保障的综合考虑。运用定量化的概率值表征站点间的备件需求关系,基于库存平衡理论建立了应得备件数量、初始库存量、可用库存量和备件短缺数之间的关系表达式。在建立单站点库存平衡方程的基础上,又依据三站点间的供应保障关系联立得到了三站点备件延期交货量方程组。对方程组解的情况进行了分析,在确定其解唯一性的基础上基于压缩映射原理给出了方程组的迭代求解方法。对于简单示例进行了计算,验证了模型的正确性和求解方法的有效性。     

微型燃气轮机发电站控制策略分析

介绍了微型燃气轮机发电站的技术特点,基于基本PI算法,分析了微型燃气轮机发电站的基本控制策略。在传统的PI算法基础上,分析了微燃机的嵌套闭环控制策略,分别对微型燃气轮机发电站的转速闭环、功率闭环以及排气温度闭环的控制策略进行了分析和研究,并给出了三个闭环的相关试验曲线。研究结果表明,基于基本PI算法的嵌套闭环控制策略适用于微燃机发电站,可保证电站具有很好的经济性和工作稳定性,其对提高电站的使用寿命也有很大帮助,具有很好的工程应用价值。     

计算涡扇发动机风车起动特性的辨识模型

针对高空风车条件下涡扇发动机起动性能估算问题, 提出了运用约简遗传规划算法进行模型结构自动选择的思路, 对基于约简遗传规划的风车起动模型进行了研究.以某型涡扇发动机为例, 运用该算法对给定条件下该型发动机的风车起动过程进行了建模仿真, 得到了起动过程的估算结果.将估算结果与试验数据对比, 验证了方法的正确性、可行性.      

有限变形塑性的指数算法

基于不同的应力测量方式，将得到不同形式的有限变形塑性的算法列式。本文基于柯西应力来表示屈服准则，给出了以柯西应力表示的有限变形塑性的指数算法列式。利用对数应变，在主轴下建立了返回映射算法，得到了一种非对称的算法切线模量。它保持了在无穷小理论中返回映射的算法结构。算例表明，对于静水压力相关的塑性材料，应力测量形式的选择对数值结果有较大的影响，柯西应力列式得到了合理的结果。     

注入式的遗传算法的分析与研究

该文提出了一种改进的遗传算法———注入式的遗传算法。该算法利用遗传算法全局搜索能力强和知识库具有存储记忆功能的特点,通过引入知识库中的经验值来提高遗传算法的求解速度和精度。该实验用基本遗传算法和注入式遗传算法来求解旅行商问题,通过对比实验结果,证明改进遗传算法的可行性和有效性。     

基于模态与遗传优化的某卡车振动特性分析

针对汽车驾驶室在常用高速(65～80 km/h)时,驾驶室左右晃动的振动问题,分别建立了车体、车体与板簧的系统模型,通过试验和仿真计算得到了其自由与约束状态下的振动模态分布,找到了驾驶室产生晃动的主要原因.以板簧刚度、车体刚度为变量,将约束模态分析与遗传算法相结合,对板簧和车体组成的系统进行了优化,并通过改进使常用车速下的驾驶室响应达到了舒适性要求.     

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。     

基因方法在网格结点位置优化中的应用

将基因方法应用于网格结点位置的优化中。文中首先简单介绍了基因优化方法中基于达尔文进化论和Ｍｅｎｄｅｌ基因理论的基本原理,其中包括插索空间表达、三个基因作用器（选择、交配和变异）等要点;然后着重阐述了相关偏微分方程的离散误差和三角形网格几何形状的适应度函数的定义、结点位置的二进制基因表达及基因方法的优化进程。离散误差是在二次非连续彭鼓包（ｂｕｍｐ）函数的空间中近似定义的,并且在点移动过程中相关解的二