基于模拟退火算法预测储层参数

讨论了如何将地震资料、测井信息和先验地质知识有机地结合起来预测储层参数，以便揭示储层内部细节和纵横向变化特征。通过将模拟退火算法与人工神经网络相结合，能够解决非线性全局优化问题，勾画出地震信息和储层参数之间的复杂关系，为储层特征描述和储层横向预测提供提供直观、可靠的地层参数剖面一孔隙度、砂泥质百分含量、含水饱和度及渗透率等剖面。     

基于退火惩罚混合遗传算法求解生产批量计划问题

针对以获得最低生产成本为目的的批量生产计划问题，提出了该问题的混合整数规划模型，首先，根据单级多资源批量计划问题的特点提出了问题的数学描述，；然后根据该数学问题的复合性，利用遗传算法的随机搜索和进行化过程寻找问题的全局最优解，为了防止适应度函数的过早收敛，引入退火惩罚因子对适应度函数进行处理，使得获得全局优解的可能性加大，实验结果表明，该方法能获得比传统遗传算法更为理想的近似最优解。     

不确定航迹自适应预测模型

针对现有航迹预测技术中，存在无模技术缺乏理论分析支持、能力有限、适用范围窄、有模技术先验假设过多、前提条件严苛、通用性差等问题，通过理论推导，利用循环和多层神经网络结构，研究提出了具有理论严谨、先验假设少、适用范围广、通用性强等优点的不确定航迹自适应预测模型，同时给出了典型的实现方法。该模型克服了现有航迹预测方法的缺点与不足，并具有无模与有模两类技术的优点与长处，仿真和实测实验验证表明：该模型能很好地提取识别出数据中存在的模式，并基于模式，进行正确有效地预测，能有效解决不同实际环境中的航迹预测问题，效果明显。     

TC1钛合金透射电镜组织研究

 用透射电镜研究TC 1 合金冷轧薄板在退火过程中精细组织的变化,揭示了位错组态与机械性能的关系。 试验用料为厚0.8mm的TC 1 钛合金冷轧板村,变形程度为33％,化学成分见表1。试验用退火温度见表2,退火保温时间为45min,采用普通电炉加热。退火后测定室温抗拉性能。     

应用模拟退火算法求解飞机调度问题

通过分析飞机运行的时区集合特点,将飞机调度问题转化为固定工件排序问题。根据工件占用机器的时间区间,利用划分时间片算法把需要平行作业的工件挑选出来组成无向图的相邻顶点,从而将固定工件问题转化为图的k-顶点着色问题,然后建立0-1整数规划数学模型,并设计出相应的模拟退火算法。最后应用该算法针对飞机调度问题进行了仿真研究,结果表明:在可接受的时间内能够得到该问题的满意解。     

基于改进遗传算法的燃气轮机自适应建模

综合运用了一种改进的遗传算法和自适应建模技术对燃气轮机的精确特性进行寻优获取.引入自适应机制优化交叉和变异算子,同时引入模拟退火算法,使改进遗传算法能很快接近最优解,并能跳出局部最优的陷阱,在保证解的质量的同时提高了收敛的速度.针对以往自适应模型中未考虑测量参数间的线性相关性和不同的传感器测量精度对目标函数的影响等问题,采用加权方法建立了较为完备的燃气轮机自适应数学模型,应用改进遗传算法获取燃气轮机部件的精确特性,实例计算结果表明:模拟退化改进遗传算法进行的自适应建模效果更好.      

航空发动机测温晶体的退火特性研究

针对航空发动机关键构件高温测试的技术难题,研究了1种用晶体作为传感器的测温技术,阐述了晶体的退火特性和缺陷观察方法,利用X射线衍射(XRD)研究中子辐照SiC晶体的退火特性,发现辐照后晶体的XRD峰的半高宽(Full Width at Half Maximum,FWHM)增大,又随退火温度的升高,在700～1230℃呈线性规律的回复。基于此发展了1种适合测量高温和复杂温度场的技术方法。采用添加K2CO3的KOH为腐蚀剂,对辐照前、后以及辐照后退火的SiC单晶进行位错腐蚀观察,结果表明:经中子辐照的晶体中位错面积比随退火温度的变化趋势与FWHM的变化趋势基本一致,由此认为经中子辐照所产生的位错可能是导致XRD峰的FWHM变化的1个重要因素。     

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。     

基于启发式模拟退火的多边形近似算法

将曲线多边形近似问题转换为最小化代价函数的问题,利用模拟退火算法对其求解最优解,并采用启发式方法将曲线的局部特征作为先验知识引入退火过程加速其收敛。通过实验比较表明,该方法在数据压缩率和近似误差等方面具有更好的性能,且压缩了运行时间。     

基于DRNN网络的航空发动机多变量解耦控制

通过分析对角递归神经网络（DRNN）及带动量项的梯度学习方法（GDM）,针对某型涡扇发动机的性能控制,研究了基于对角递归神经网络的多变量自学习解耦控制算法及其在航空发动机控制中的应用.阐明了该方法的结构和原理.并在设计点处进行了发动机多变量解耦控制系统设计.在偏离设计点时,大量的仿真结果表明,系统具有较好解耦和自适应能力.