虚拟阵列测向性能分析

针对相干信号源测向以及模糊的实际问题,提出一种基于任意形状平面阵列的测向方法。经计算机仿真,证明该方法的有效性。     

基于B样条的气动反设计遗传算法研究

在气动反设计中引进了基于自然选择和生物遗传机制的遗传算法,针对遗传算法的搜索原理和气动外形特点,提出了与之相适应的Ｂ样条基因表达,构造了均匀变异与非均匀变异相结合的自适应变异算子,提出了用于优化设计的适应函数,发展了一种小种群演化方法。文中并以全位势方程求解程序为例,进行了翼型重构反设计,验证了本方法的可行性,然后在此基础上进行了基于阻力极小的优化设计,取得了令人满意的结果。     

基于InfoLSGAN和AC算法的滚动轴承剩余寿命预测

为解决小样本和噪声干扰下滚动轴承剩余寿命(RUL)预测准确率低的问题,提出一种基于信息最小二乘生成对抗网络(information least squares generative adversarial network,InfoLSGAN)和行动者-评论家(actor-critic,AC)算法的滚动轴承剩余寿命预测方法。将堆叠降噪自动编码器、信息生成对抗网络和最小二乘生成对抗网络相结合,构建InfoLSGAN,自动地从噪声数据中提取可解释的鲁棒特征,解决梯度消失问题;采用基于AC的训练算法训练InfoLSGAN,减少训练时间,加快收敛速度;根据训练后的InfoLSGAN,利用softmax分类器预测测试样本中滚动轴承的剩余寿命。通过滚动轴承加速疲劳寿命试验验证该方法的有效性。试验结果证明,当信噪比等于0时,该方法对滚动轴承测试样本的寿命预测准确率至少提高了10%。在小样本情况下,滚动轴承剩余寿命预测的平均准确率达9584%。     

一种二维来波方向估计的快速ESPRIT算法

提出了一种快速ＥＳＰＲＩＴ算法,使用该算法和两平行均匀线阵可实现二维来波方向的快速估计,快速ＥＳＰＲＩＴ算法复协方差矩阵中不受噪声影响的子块来估计来波方向,避免估计整个协方差矩阵和噪声功率,减少了特征分解的次数,大幅度地降低了运算量,而参数的估计性能接近ＰＲＯ－ＥＳＰＲＩＴ算法,最后给出了计算机仿真结果,表明了该算法的有效性。     

一种GNSS双频信号跟踪的新方法

在双频接收机双频L1辅助L2跟踪方法基础上提出一种GNSS双频信号载波和差联合跟踪新方法。该算法能够克服传统的L1辅助L2跟踪方法L2信号能得到L1信号辅助信息、而L1信号得不到L2信号任何辅助信息的固有缺点。仿真结果表明：该和差联合跟踪方法相比传统的双频信号跟踪算法能够耦合双频信号实现其相互辅助跟踪,具有提高GNSS双频信号的跟踪稳健性和灵敏度等优点。     

火箭基组合循环发动机性能迭代算法研究

火箭基组合循环(简称RBCC)发动机性能分析模型的研究对于RBCC发动机结构的优化设计具有重要意义。本文结合RBCC发动机的结构特点和工作原理建立了RBCC发动机性能分析模型,并对RBCC发动机性能计算方法进行了研究。结合RBCC发动机引射模态和亚燃冲压模态的工作特点,通过迭代计算使进气道、混合段、燃烧室之间的参数耦合,实现了对RBCC发动机引射模态与亚燃冲压模态性能的快速分析。文章通过算例验证了算法的可行性,并通过与文献结果的对比验证了计算结果的可信度。     

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。     

基于遗传算法的制导控制系统耦合回路优化设计

为减小天线罩瞄准线误差斜率对导弹制导控制系统的影响，将导引控制器的设计作为参数优化问题．建立了优化模型。采用遗传算法对导引控制器参数进行优化，并给出了遗传算法的操作和优化流程。数字仿真结果表明，所设计的制导控制系统耦合回路对天线罩瞄准线误差斜率的摄动具有较好的鲁棒性。     

一种基于小波的快速景象预处理算法

由于景象匹配中基准图与实时图的差异，景象的预处理被证明是提高匹配概率的重要途径。在小波算法的基础上，提出了一种与小波预处理算法等价的预处理卷积核。这一卷积核保留了小波预处理算法在匹配概率和匹配精度方面的优点，同时降低了运算的时间复杂度。卷积核对每个像元的操作只需要完成4次加法运算，无需浮点数和乘法运算，便于DSP和FPGA的实现。     

基于Boosting的模糊分类规则集成学习及应用

由于难于获得先验知识,样本可分性差,辐射源识别很难达到很高的识别率。结合AdaBoost算法和遗传算法,提出了一种模糊分类规则的迭代学习方法。在每轮迭代训练过程中,算法通过调整训练样本的分布,利用遗传算法产生分类规则。减少分类规则能够正确分类样本的权值,使得新产生的分类规则重点考虑难于分类和拒识的样本。在规则学习的适应度函数中考虑训练实例的分布,使模糊分类规则在产生阶段就考虑相互之间的协作,改善了模糊分类规则的整体识别能力。辐射源识别实验结果表明,该方法具有良好的分类识别性能。