谱估计测向的MUSIC算法研究

由天线阵对被测信号的响应矩阵的特征值,可得到对应于信号和噪声的特征向量,以此扩展成信号子空间和噪声子空间。利用信号子空间与噪声子空间的正交关系,即可求得信号方位角的估计值。这种空间谱估计测向的MUSIC算法,用于圆形天线阵对非相干信号进行测向,可以克服一般干涉仪测向体制中测向模糊和测向盲区的问题。     

基于遗传算法的双层发散冷却优化

描述了基于遗传算法的双层多孔介质骨架发散冷却的优化方法.冷却剂在固定压差(Be数)与多孔介质特征尺寸的条件下被注入固体骨架,通过改变多孔介质的材料、孔隙率和厚度比例,在满足固体骨架的质量和成本等约束条件下,以最低热端表面温度为优化目标,利用遗传算法找出可行的最优冷却结构设计.计算结果表明,靠近冷端的第一层多孔介质孔隙率应当尽可能的大以提高冷却剂流量,但是其组成材料对热端表面温度影响很小,而第二层靠近热端的多孔介质的组成材料对热端表面温度有很重要的影响,它的孔隙率取决与其对有效导热系数、冷却剂流量和内部热交换系数三方面影响的平衡.      

Reed-Solomon编解码原理与FPGA实现

介绍了Rs编码及解码原理和相关算法,然后采用改进的Berlekamp-Massey迭代算法、钱搜索算法以及Fomey算法,在FPGA上实现了Reed—Solomon纠错译码算法。     

遗传算法在气动优化问题中的适应性分析

由于在理论上可找到全局最优解、不需计算灵敏度、对设计空间无特殊要求等这些优点,遗传算法(GA)在气动优化问题中得到了大量的应用.然而,实际应用中算法的理论收敛条件很难满足,面临着严重的计算效率问题.在具体应用中,气动问题本身的特点对算法参数选取和进程设计提出了适应性的要求.本文在分析算法优化机制的基础上,针对气动优化自身特点,以典型气动优化问题为例,对优化参数的设置进行了分析讨论.分析总结了翼型优化问题中参数化模型设计变量维数增加对翼型优化问题的影响,给出了初步定量的参数取值规律.结果表明参数化模型应当选择足够大的变量维数来描述设计空间,在变量维数确定之后选取合理种群规模和截止代数,以保证优化结果的收敛性.所得定性和部分定量的结果可以为优化算法在气动优化中的应用提供依据.     

求解平面翼型亚,跨声速绕流的一个新方法

本文提出了求解平面翼型亚、跨声速绕流的一个新方法。引入流函数和Ｖｏｎ Ｍｉｓｅｓ变换后，亚、跨声速绕机翼无旋流动的基本方程组被化为以流线纵坐标ｙ为未知量的单个二阶偏微分方程－流线控制方程。并通过变换将物理平面上的无限域变为计算平面上有限的矩形域，而后在计算平面采用有限差分线松弛迭代法求解。作为算例，计算了对称翼型ＮＡＣＡ００１２－３４和非对称翼型ＮＡＣＡ４４１２的亚、跨声速有攻角绕流，所得数值结果     

二维可压湍流边界层改进的积分方法

采用含高阶项的边界层动量积分方程,同时对常规边界层卷吸方程及延迟方程进行相应的高阶影响修正,得到改进的边界层积分方程组。应用此方程组对多种高亚音速及跨音速翼型边界层流动作了计算,并与一阶Ｇｒｅｅｎ方法计算结果及实验结果作了比较。结果表明,在边界层积分方程中保留法向压力梯度项及雷诺法向应力项,明显改进了翼面边界层接近分离区域处参数的计算精度。     

一种启发式混合遗传算法及其在车间作业排序问题中的应用

针对一般车间作业排序问题（n/m/G/Cmax）建立了一种启发式混合遗传算法,将调度规则SPT与MWKR引入遗传搜索过程,并应用邻域搜索法作局部辅助搜索,以提高解的性能。通过与目前一些常用算法的比较表明,该算法具有良好的求解性能与运算效率。     

联合交互式多模型概率数据关联算法

通过对交互式多模型（IMM）算法和概率数据关联（PDA）算法的研究,指出Bar-Shalom和Blom等提出的IMMPDA算法结构和理论上存在的问题。根据全局最优的思想,设计了一个最优波门,从而得到全局最优的量测集合,保证了系统的理论完整性和结构合理性。推导完成了新的联合IMMPDA算法--C-IMMP-DA算法。大量仿真计算验证了C-IMMPDA算法在减少计算量的同时,总体性能上较之原IMMPDA算法有大幅度提高。     

模糊神经网络的侧滑角校正

叙述了一种利用模糊神经网络模型来校正侧滑角的方法。侧滑角的校正基于以下七个输入变量：动静压之比、动压、迎角、滚转速率、偏航速率、飞机重心处侧向过载、基准侧滑角。在模糊神经网络模型的结构辨识中，采用了前向搜寻算法。样本数据的一部分用于训练模糊神经网络，另一部分用于测试和评价所得模型的性能；参数辨识中，采用了反向传播学习算法（即BP算法）。某型飞机的六自由度仿真软件仿真验证表明，用这种方法校正后的侧滑角具有较高的精确度。     

混合遗传算法及其在翼型气动多目标优化设计中的应用

把基于实数编码的自适应遗传算法（SAGA）与可变容差法相结合，建立了数值优化设计中的混合遗传算法（HGA），并将其与翼型的气动分析相结合进行跨声速翼型的单目标和多目标气动优化设计。与自适应遗传算法相比，混合遗传算法的优化质量略有改善，优化效率有明显的提高。优化结果表明混合遗传算法在翼型单目标和多目标气动优化设计中是十分有效的。