对地观测卫星成像调度的多目标约束修正方法

 约束修正是对地观测卫星成像调度的重要组成部分,负责处理成像调度方案的约束满足与优化,是一类复杂的组合优化问题。为得到优化可行的成像调度方案,提出一种新的约束修正方法。针对约束修正问题构建时间序有向图模型,并将约束修正问题归结为点带约束成本的优化路径搜索问题;在此基础上,提出一种基于标记更新的多目标约束修正算法。实际问题的实验与分析表明：该方法能够在规定的时间内求得问题所有的多目标优化解,有效地解决了卫星成像调度的约束满足与优化问题。     

桥梁断面静风荷载的格子Boltzmann方法数值计算

通过引入反映湍流涡粘性的湍流松弛,得到了模拟高雷诺数湍流的BGK方程.在速度相空间、物理空间和时间上对BGK方程进行离散得到了三维十九速离散速度模型;结合分区计算技术,设计了格子Boltzmann并行算法;根据亚格子Smagorinsky模型,提出了直接从粒子分布函数计算湍流松弛时间的方法.用开发的并行计算程序对分体双箱截面和闭口箱梁截面的静风荷载进行了数值识别,得到的静力三分力系数和流场压力分布与风洞试验结果及CFD宏观方法计算结果吻合,并从表面压力分布入手分析了两种桥梁截面的绕流特点.     

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。     

混合神经网络和混沌理论的股票价格预测研究

针对股票时间序列的非线性特点,结合混沌理论和神经网络理论,提出了基于混沌理论的股票价格神经网络预测方法。同时利用重构相空间的嵌入维数确定神经网络的结构,对实际的股票时间序列预测结果表明,该方法能有效地进行短期预测,在股票时间序列预测中有广泛的实用价值。     

存在观测站位置误差的转发式时差无源定位

无源定位中,由于观测站安放在运动平台等原因造成的观测站位置误差会影响无源定位精度性能。另外到达时间差(简称时差)(TDOA)的转发式测量需要将不同观测站截获到的辐射源信号都转发到同一位置,如主观测站。针对这两个问题,提出了基于约束总体最小二乘(CTLS)的无源定位算法。首先将转发式时差的非线性定位方程转化为不需要中间变量的直接线性方程,再基于CTLS算法依次转化为约束优化问题和无约束优化问题,最后推导给出定位近似闭式解。仿真实验表明在观测站误差较大时,该算法与其他算法相比定位精度性能较好。     

正十七烷与正十八烷对航空煤油理化性能及液滴平均直径的影响

讨论了正十七烷与正十八烷(C₁₇,C₁₈)对燃料运动黏度、密度、表面张力理化性能的影响,探究了直链烷烃对SMD(Sauter mean diameter)的影响.将Key's混合规律、Tat混合规律和多项式拟合应用于密度公式的拟合,并将Key's混合规律与对数拟合应用于运动黏度公式的拟合,得出的理化性能拟合公式精度较高;通过测量纯煤油及C₁₇,C₁₈混合油雾化的SMD,实验发现随着直链烷烃的质量分数的增加,混合油的运动黏度增加,SMD也随之增加,雾化效果与纯航空煤油的相比较差,而C₁₈混合油的SMD要比C₁₇混合油要大,并且利用密度、运动黏度的拟合公式对SMD进行预测的偏差小于0.3%.      

影响胶粘剂剪切强度因素的探讨

分析了在胶粘剂剪切强度检测过程中,胶接材料表面处理方法、胶层的厚度、测试时加的垫片厚度和试样的夹距距离、涂胶时的晾置时间等因素对检测结果影响。研究结果表明,上述因素不仅直接影响了胶粘剂粘接强度的大小,而且关系到胶粘剂剪切强度检测试验的测试结果。     

航空发动机MTBF的Bayes评估

针对航空发动机的试验样本量和故障数据少,采用传统的数学平均值法对其平均故障间隔时间（MTBF）评估不能反映其真实可靠性水平的问题,基于Bayes理论,把历史试验数据视为先验信息,采用矩等效方法确定先验分布,然后通过Bayes理论综合现场试验数据,建立了一种基于Bayes理论的航空发动机MTBF评估方法。该方法可以扩大MTBF评估所需的信息量。采用所提出的Bayes方法对某航空发动机MTBF进行评估,得到其MTBF评估值为302.68h,比采用数学平均值法约提高了18.7%,评估结果更符合实际。表明该方法可应用于航空发动机MTBF的评估。      

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

基于局部均值分解和峭度图的滚动轴承包络分析方法

提出了基于局部均值分解(local mean decomposition,LMD)和峭度图(kurtogram)的滚动轴承包络分析方法.该方法中,原始滚动轴承故障振动信号通过LMD进行自适应的频率成分分离和初步降噪,包络分析中带通滤波器的参数通过峭度图客观地提供,从而提高滚动轴承包络分析的准确度.通过对滚动轴承仿真信号以及实验信号的分析,结果表明:在低信噪比情况下,LMD可以自适应分离出滚动轴承的固有振动成分,峭度图可以自动确定包络分析中带通滤波器的参数,与传统包络分析比较,所提方法能更加清晰准确地提取滚动轴承的故障特征.