重心坐标应用于几何定理的机械化证明

用机械化方法证明几何定理,适当选取坐标系是一个关系到问题解决得难易程度的重要步骤。本文是在重心坐标下,用机械化方法证明非平凡几何定理。     

关于遗传算法模糊控制的研究

在控制对象的数学模型由于受非线性的时变的影响很难精确确定时，模糊控制是一个比较好的方法，但模糊控制规则易受人的因素的影响而归纳得不完善，并且不能自学习影响了模糊控制的效果。遗传算法可以搜索整个空间，不易陷入局部最优解，不受搜索空间的性假设的约束。可以解决非常困难的寻优问题，本文提出关于遗传算法的模糊控制，使控制规则得到优化，从而改善了控制性能。仿真实例表明这种方法是可行的。     

无穷观问题的研究（Ⅰ）—历史的回顾与思考

本组系列论文（Ⅰ）－（Ⅴ）从数学和认识论的角度系统地研究了无穷观问题的历史发展和现状，确立了无穷观背景世界的三分法原则，指出了两种无穷观相五排斥的局限性，形成了统一两种无穷于同一框架中的基本观点，并建立了一个统一实无限与潜无限于同一框架中的公理集体论系统APAS。     

航空材料的冲击疲劳问题研究进展与展望

材料的冲击疲劳问题在航空工程中大量存在,舰载机的弹射起飞、拦阻着舰都是典型的冲击疲劳问 题。本文梳理了冲击疲劳概念的早期发展历程,综述了自2000年以来冲击疲劳领域的主要研究进展,包括材 料冲击疲劳性能的主要影响因素、材料冲击疲劳试验方法、冲击疲劳的损伤表征和寿命预计以及冲击疲劳问题 的数值计算方法等,指出材料的微观结构、边界条件、使用环境、冲击载荷类型等对冲击疲劳性能有显著影响。 总结了航空工程中冲击疲劳问题面临的主要挑战,并结合未来工程结构设计的需求,展望了航空领域冲击疲劳 技术的未来发展方向。     

基于Lyapunov最优反馈控制的月球中继卫星转移轨道设计

摘要： 随着电推进器及小推力转移变轨的研究逐渐深入,在深空探测领域应用电推力器是必然的发展趋势.文章基于以月球中继卫星的运行轨道地月L2点Halo轨道为目标轨道的轨道转移任务,采用Lyapunov最优反馈控制方法,计算单一轨道根数的局部最优控制率,通过遗传算法调整五个轨道根数的权重,得到时间最优的月球中继卫星小推力轨道转移方案,具有工程应用意义.     

基于时间-多资源占用的工作负荷评估模型

为了测量和评估航天员在轨维修的工作负荷,在时间线分析法和多资源占用理论的基础上,确定了用间接获取的资源需求占用率、直接测量的占用时间2个维度来进行工作负荷主客观综合评估,并提出基于动态时间窗口的时间-多资源占用的工作负荷评估模型。为了验证模型的有效性,搭建典型在轨维修任务——液体回路子系统的维修试验环境,招募被试,获取主观工作负荷数据,进行维修视频采集和动素时间测定。结果表明,本文模型的工作负荷值与主观工作负荷评估值显著相关且吻合较好,验证了其有效性。     

SpaceWire D的调度表生成方法

针对航天高速SpaceWire D提出了一种调度表生成方法。该方法基于贪婪算法和SMT求解器。贪婪算法是主体,在每次迭代中以调度表的分布均匀性为优化原则产生一个约束集作为SMT求解器的输入参数,然后调用SMT求解器。SMT求解器是重要工具,用于对输入参数的可满足性进行判定,如果可满足则将输出的模型作为生成的调度表。此外,还提出了设置分片长度、确定时间槽大小以及划分冲突域的策略。最后,通过试验对方法的效果进行了验证。结果表明,生成调度表的时间较短且调度表具有良好的分布均匀性。     

不规则地形条件下双向DMFT电波传播特性算法研究

 在传统中心差分离散混合傅里叶变换(DMFT)抛物方程模型基础上,针对传统算法计算动态阻抗边界条件时的数值振荡及忽略后向传播与散射造成计算误差增大的问题,提出基于前-后向混合差分方法的递归双向DMFT(TW-DMFT)模型,以一阶前-后向差分方程代替传统的中心差分方程拟合阻抗边界条件,以递归双向传播模型改进传统单向预测模型.仿真分析了双向DMFT模型计算不同边界及媒介条件下单刃峰和实际地形的电波传播分布特性,与传统算法及几何绕射理论(GTD)进行比较,新算法提高稳定性及精度的同时弥补了传统算法的不足,更具有普适性.     

一种基于证据距离的多分类器差异性度量

 多分类器系统因其能够显著提升分类精度而引发了广泛关注。多分类器系统中各子分类器间的差异性是提升融合分类精度的先决条件。提出了一种基于证据距离的分类器系统差异性度量,同时基于该度量提出一种多分类器系统构造方法。综合了既有差异性度量、所提新差异性度量以及在训练样本集上的分类性能等多个指标,实现了多分类器系统的有效构造。实验结果表明,所提差异性度量及多分类器系统构造方法是合理的,能有效提升融合分类精度。     

基于粗糙集和BP神经网络的飞航导弹备件消耗规律预测

结合BP神经网络对飞航导弹备件进行消耗预测,提出了基于粗糙集和BP神经网络的预测法。该方法充分发挥了粗糙集在处理冗余数据上的优势,提高了预测速度和有效性。