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     

2.4m风洞M数和稳定段总压控制策略研究

我国自行研制成功的 2 .4m风洞现已投入使用。该风洞控制系统与国内现有风洞相比 ,控制执行系统多而复杂。该风洞成功地采用了所有试验工况M数与稳定段总压同时控制的运行方式。针对被控对象的复杂性 ,分别对神经网络控制、模型跟随自适应控制、自校正控制、智能控制及智能学习控制在该风洞上应用的可行性进行了分析。最后给出了一种智能控制策略 ,调试结果说明该风洞采用的这种控制策略是成功的     

基于非线性补偿的涡扇发动机MRAC控制(英文)

以工程应用为目的,采用输入输出模型参考自适应控制方法设计了航空发动机转速模型参考自适应控制器(Model reference adaptive control,MRAC)。针对发动机的非线性特性,设计了函数连接型神经网络补偿器。开展了控制器实物在回路仿真试验,结果表明基于非线性补偿的MRAC在包线内具有良好的动静态性能,对于发动机及其工作环境的非线性具有良好的补偿能力和适应性,验证了自适应控制方法在航空发动机工程应用中的有效性。     

考虑瞬态特性的无人机自适应容错控制设计

针对固定翼无人机纵向轨迹跟踪控制问题,基于反馈线性化和模型跟随控制设计基础控制器,实现无故障情况下闭环系统的稳定和轨迹渐近跟踪控制。考虑固定翼无人机的执行器可能发生不同类型及大小的故障,分别针对各种不同故障模式设计与之对应的补偿控制器。为综合解决执行器故障的多重不确定性问题,采用加权融合与自适应控制相结合的方式设计综合控制器结构,并对与故障相关的控制器参数进行估计。最后,通过在基础控制器设计中添加H∞补偿项,以抑制故障补偿控制器参数估计误差对闭环系统输出跟踪性能造成的不利影响。理论分析和仿真结果表明,所提出的控制方案不仅能保证闭环系统的稳定性,而且在发生不确定执行器故障的情况下,固定翼无人机姿态控制系统输出能渐近跟踪给定的参考模型输出,通过设计适当的H∞补偿器参数可以改善故障补偿控制过程中的瞬态性能。     

航空发动机限寿件疲劳可靠度计算新方法

针对目前的航空发动机限寿件（ELLP）疲劳可靠性分析中的小失效概率事件以及其极限状态函数具有较强非线性的特点,提出了一种具有自更新机制的半径外自适应重要抽样（AUMCROAIS）疲劳可靠性分析方法。该方法首先利用蒙特卡罗自适应重要抽样（MCAIS）快速逼近真实设计验算点（MPP）附近,随后以近似设计验算点为中心进行极坐标抽样,并依次构造主动学习函数,对近极限状态函数和抽样半径进行最优选取,从而实现最优抽样半径的更新,通过不断的更新确定出最优抽样半径,加速失效概率计算的收敛。本方法提高了设计验算点的收敛速度同时保证了计算精度,解决了小失效概率事件以及强非线性极限状态函数可靠度计算难题,最后以某型发动机压气机轮盘为对象应用本方法,并与传统的蒙特卡罗仿真（MCS）方法、蒙特卡罗半径外自适应重要抽样法（MCROAIS）和一阶可靠性方法（FORM）进行了对比,验证了本方法的高效率、鲁棒性和仿真精度。     

基于自适应Kriging代理模型的交叉熵重要抽样法

对于复杂失效域和小失效概率耦合的可靠性分析问题,本文提出了一种交叉熵重要抽样（CE-IS）方法结合自适应Kriging （AK）代理模型的求解方法（CE-IS-AK）。所提方法基于交叉熵原理,用混合高斯模型逐步逼近最优重要抽样密度函数,并采用AK模型协助逼近过程中混合高斯模型的参数的更新,从而提高了CE-IS方法的计算效率。另外,本文还改进了CE-IS方法的收敛准则,避免了方法的冗余迭代,扩大了方法的适用范围。由于在CE-IS方法中引入了AK模型,因此,本文方法所构建的重要抽样函数在保证精度的基础上提高了效率。相较于AK-MCS方法,本文方法中引入了重要抽样的思想,因此在Kriging训练点数目基本相同的情况下,大幅缩减小失效概率计算时样本池规模,并且由于利用了混合高斯模型,因而对多失效域具有较好的适用性。算例分析也证明了本文所提方法的优越性。     

三轴转台谐波幅相自适应控制系统的设计

提出了一种能够有效地提高正弦运动仿真转台精度的谐波幅相自适应控制补偿方法，阐述了谐波幅相自适应控制的机理、结构配置，开发了谐波幅相自适应控制律、分析了系统稳定性，为进一步提高精度还提出了一种在线辨识系统频响模型的实现途径。由转台工作的实测数据及跟踪误差测试表明，本文提出的谐波幅相自适应控制方法的精度明显优于常规的经典控制，对其他精密正弦运动跟踪系统也有普遍意义。     

自适应滤波前馈控制器实现智能旋翼振动的实时控制

主要研究目的是寻求利用智能旋翼概念，将自适应随波前馈控制器应用于直升机旋翼的主动实时振动控制的可行性研究，但自适应控触所需参考信号在实际应用中往往难以获得。本提出利用旋转变压器拾取直升机桨叶旋转信号作为参考信号来解决这一问题。为了实现旋转桨叶和机体之间的双向多路信号的可靠传输，以组成智能旋翼闭环控制系统，本提出了一种非接触信号传输方法，并进行了实时振动控制试验，以验证控制策略、信号传输方法和智能旋翼概念．最后，根据试验结果，讨论了进行高效控制应当如何选择控制参数问题．     

基于小波变换的自适应多用户检测算法

在分析传统自适应多用户检测的基础上 ,提出了一种基于小波变换的自适应多用户检测算法。用小波变换进行前处理 ,然后再通过 LMS算法实现自适应多用户检测。与通常的自适应多用户检测算法相比 ,该算法利用了小波变换对小波空间进行了分解 ,信号经小波变换后自相关性会下降 ,收敛速度提高。同时在此分解过程中 ,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明 ,该算法收敛速度较快 ,计算量增加较少 ,易于实时实现 ,而且具有良好性能。同时仿真实验表明 ,收敛速度与小波基选择有关 ,对于同一小波基系列 ,小波基的正则性越好收敛速度越快     

神经网络自适应控制在攻击直升机中的应用

研究了神经网络自适应控制在直升机飞行控制系统中的应用。首先将直升机姿态角系统划分为快慢回路 ,并分别采用动态逆方法进行设计 ;针对动态逆方法的优点和不足 ,提出了小波神经网络自适应逆控制方案 ,把BP小波神经网络和基于李亚普诺夫稳定的小波神经网络分别应用于直升机飞行控制系统中 ;最后对典型机动飞行进行了仿真 ,说明小波神经网络方法应用的正确性和有效性。仿真结果证明 ,本文采用的小波神经网络自适应控制方法效果好 ,具有工程应用价值