基于混合人工鱼群算法的结构有限元模型修正

将模拟退火算法(SAA)与具有交叉和高斯变异的人工鱼群算法(AFSA)相结合,提出了一种基于混合人工鱼群算法(HAFSA)的结构有限元模型修正方法;针对外编有限元模型修正程序直接嵌入Patran/Nas-tran软件存在困难的情况,设计了一种灵巧且方便的接口模块。以试验模型测试数据与有限元模型计算值的向量残差建立目标函数,在基本AFSA中引入交叉和高斯变异算子用于加快全局优化搜索速度,将目标函数优化值不断刷新公告板,再利用SAA进行局部细化搜索从而显著提高优化解的精度,在满足算法终止条件后获得设计参数的最优值;结合Fortran语言和Visual Basic语言编译接口模块,运行模型修正程序时循环修改Patran软件生成的建模文件并反复调用Nastran软件进行求解。以欧洲航空研究科技组织的基准模型——GARTEUR飞机模型为例,修正结果表明,应用HAFSA进行结构有限元模型修正是可行且有效的。     

人工辅助心脏用永磁轴承盘式无刷电机设计与研究

介绍了一种应用于人工辅助心脏的永磁轴承无位置传感器盘式无刷直流电动机的结构与电磁场仿真计算方法及结果,并对其温度场进行仿真计算。该电机体积重量小,无机械轴承,避免了对血液的破坏,且运行安全可靠。     

基于量子行为鸽群优化的无人机紧密编队控制

随着军事、民用需求的提高和相关领域的技术推动，无人机编队协同作业已成为当今人们逐渐关注的焦点。无人机紧密编队是指无人机间侧向距离在1~2倍翼展内的编队，因其可有效改善编队中无人机的气动性能而备受瞩目。基于无人机紧密编队条件下的气动耦合效应，建立三维空间下的状态空间方程描述双机相对运动，并推导了紧密编队条件下的双机最优编队构型，在此构型下将人工势场法和编队控制相结合作为控制系统中的间接控制环，并针对基本鸽群优化算法的寻优缺陷利用量子行为规则对其进行改进，将改进后的鸽群优化算法和无人机控制量结合作为控制系统中的直接控制环，最后通过仿真对比验证了此控制系统对于紧密编队控制的有效性。     

由感知到动作决策一体化的类脑导航技术研究现状与未来发展

随着脑与神经科学以及人工智能技术的持续发展，昆虫和哺乳动物大脑导航机理启发下的感知/认知/路径规划/动作决策一体化类脑导航技术得到了较大发展，可以实现由原始感知信息输入到导航动作决策的直接输出，呈现出接近动物端到端面向目标导航的智能行为，具有提高密集型无人机集群导航鲁棒性、准确性、实时响应动作、自主智能性以及计算效率的潜力。阐述了昆虫和哺乳动物大脑导航机理及其互补对称关系，以及昆虫和哺乳动物大脑导航机理启发的端到端类脑导航技术内涵；论述了类脑导航技术研究进展，包括类脑环境感知、类脑空间认知、面向目标类脑导航；分析了类脑导航向智能化、神经形态系统以及群体导航发展的新趋势；最后讨论了类脑导航技术应用于无人机密集集群系统时存在的挑战。     

试论环境试验的分类

环境试验在装备研制生产过程中不可或缺。环境试验技术是充分考虑装备在其使用寿命周期内所经受的各种环境条件,通过将装备暴露在人工模拟或自然环境条件下,考核其环境适应能力的试验方法。     

民机高速风洞试验的阻力雷诺数效应修正

在飞机设计阶段,获得准确的气动特性数据对设计者是十分重要的,采用缩比模型的风洞试验是主要途径之一。但是风洞条件限制了试验的Re数,从而影响了对跨音速巡航阻力的评估,因此需要对风洞试验结果的阻力进行Re数效应修正。分析了风洞试验结果阻力的误差构成,提出了Re数效应修正的风洞试验数据基础;进一步就跨音速巡航阻力的构成进行分析,论述了对最小阻力和升致阻力分项修正的方法,并对修正结果进行了验证,得到了一种可靠的工程方法。     

高血压鉴别诊断专家系统HEDDS的不精确推理算法

本文在分析著名的医学专家系统MYCIN不精确推理算法的基础上,提出了一种易于在微型计算机上实现的简便有效的不精确推理算法,并就其一些性质进行了讨论。     

用TH神经网络方法外推数据的超分辨雷达成象

研究用Ｔａｎｋ－Ｈｏｐｆｉｅｌｄ神经网络（ＴＨＮＮ）求解ＡＲ模型参数作数据外推的超分辨雷达成象,并用微波暗室实测数据对ＴＨＮＮ方法和Ｂｕｒｇ方法作了验证,结果表明,两种方法均能在较低的信噪比条件下实现超分辨成象,且随着ＶＬＳＩ技术的发展,神经网络方法将是一种很有希望的超分辨成象方法。     

人工神经网络在CAPP系统开发工具中的应用

探讨了基于神经网络理论在ＣＡＰＰ系统开发工具的应用;建立了工艺过程设计系统的ＡＮＮ模型;详细讨论了工艺过程设计系统的推理机制,并给出了用集成ＢＰ网络选择加工方法及通过改进Ｈｏｐｆｉｅｌｄ网络确定工艺路线的过程。     

智能诊断的定量推理机制和最优推理环境

描述和分析了一种新的基于智能信息处理的故障检诊方法,可以处理复杂动态系统故障检诊面临的复杂故障组合模式和时间特性。从推理机制的量化和推理环境的优选两方面完善了该理论,使其诊断能力、实时性和适用范围都得到提高。推理机制的量化是通过引入概率信息实现的。考虑到诊断过程中可能出现新的故障。又进一步引入了候选项集合扩张机制描述该现象,并提供了相关的概率计算公式。推理机制定量化使得诊断结果可以精确度量,检诊过程也可精确控制。推理环境优选则是通过引入熵信息实现的,由此提高了诊断效率。