面向维修性设计的民机产品拆卸序列规划方法

维修拆卸序列规划是产品维修性设计的重要内容。深入研究了面向维修性设计的产品拆卸建模方法,将民机产品分为部件模块与联接件两部分,构建了部件联接图模型,通过关联矩阵描述了部件模块与联接件的相互关系。分两步给出了民机产品拆卸序列规划方法:利用干涉矩阵确定部件模块的可行拆卸方向,以拆卸代价最小为目标,提出了基于有序搜索的民机产品部件模块的拆卸序列规划算法;考虑联接件的拆卸顺序,以拆卸工具更换次数最小为目标,提出了基于基因成对交叉与变异的遗传算法的完整拆卸序列优化方法。最后,结合某飞机前起落架系统给出了应用实例,阐明了本文方法的有效性。     

基于用户查询日志的查询聚类

基于用户查询日志提出了新的查询聚类算法.用户查询日志数据量大,比通常用于查询聚类的查询展现日志和查询点击日志更加稠密,不易产生聚类小的问题,但噪声多,不容易处理.为发现相似查询并减少噪声影响,同一用户同一时段的多次查询(共现查询)之间认为具有较高相似概率.在这一假设基础上,利用查询共现关系建立查询的邻居查询向量空间.将查询用邻居查询向量表示,邻居查询向量的相似度作为聚类中的查询相似度.应用改进的基于密度聚类算法完成聚类.实验证明,95 262个查询组成数据集上,聚类算法实现查准率79.77%、查全率48.21%,平均聚类大小达到51.     

一种空间协同探测系统的星座设计方法

研究了由多颗合成孔径雷达卫星和一颗可见光卫星构成的空间协同探测系统的工作模式.根据太阳同步轨道和冻结轨道的特点,结合近地轨道遥感卫星的应用需求,选择了轨道半长轴、偏心率、倾角、近心点幅角.考虑到卫星偏航控制对覆盖性能的影响,在不动的地心坐标系中推导了卫星观测方向与地表交点的表达式,提出了确定系统中各颗卫星的升交点赤经和过近心点时刻的算法.给出了包含两颗合成孔径雷达卫星与一颗可见光卫星的协同探测系统的星座设计结果,并利用国际公认的卫星软件工具包Satellite ToolKit进行了验证,表明该设计方法是正确的.     

应急轨道机动变轨方案快速设计算法

为了满足应急轨道机动过程中测控约束和时间、燃料资源等各方面的要求 ,提出了一种变轨方案快速设计算法.给出了适用于变量搜索的轨道机动变轨模式,将变轨 方案快速设计问题转化成了约束优化问题;建立了完整的测控约束数学模型和对测控约束的 处理算法;然后利用遗传算法搜索出了同时满足测控约束条件和优化目标的变轨方案.算例 表明,利用此算法设计得到的变轨方案,能够满足应急轨道机动任务的需要.      

基于图染色理论的并行测试任务调度算法

目前的自动测试系统大多数采用串行测试的工作方式,测试效率很低.针对这个问题,建立了基于图论的测试任务关系模型,用"图"来描述测试任务占用仪器资源的情况,将测试任务调度的工程问题转化为图论中的数学问题.在测试任务关系模型的基础上,提出了两个任务调度算法:CTG算法和CTG-T算法.对于多个测试任务,利用这两个算法可以得到并行度最大或者测试时间最短的任务分组方案,能有效地实现并行测试.这两个算法是基于图的染色理论得到的,对其正确性进行了理论分析和实例仿真.两个算法已经在实际系统中得到了实验验证,结果表明能够大大提高自动测试系统的测试效率.      

基于遗传算法与DSM的产品结构分解聚类方法

产品结构的分解聚类在产品开发中有着重要的地位,在用设计结构矩阵(D es ign structure m atrix,DSM)对产品结构进行建模的基础上,通过遗传算法实现了产品结构分解聚类的智能化和分解聚类结果的最优化。在算法的设计过程中开发了一种对DSM进行二维编码的方法,并给出了在二维编码基础上的多点杂交和基本变异方法。在构造适应度函数时,综合考虑了DSM模型中各元素之间的联系、聚类的数目以及各聚类中元素的数目。最后以某摩托车发动机为例,用该算法实现了产品结构DSM模型的智能化分解聚类,验证了该算法的可行性。     

Pareto遗传算法在气动外形优化中的应用

Pareto方法作为一种多目标优化方法,能够一次性获得优化问题对应的不同权重分配情况下的所有最优解集。它与遗传算法结合产生的Pareto遗传算法,是求解多目标优化问题的Pareto最优解集合的一种有效手段。本文将两种常用的Pareto遗传算法,MOGA方法和两支联赛遗传算法应用到气动外形优化中,针对具体算例进行气动外形的优化设计,得到了满意的优化设计结果。     

An unsupervised classification method of flight states for hypersonic targets based on hyperspectral features

In response to the challenges of aerospace defense caused by the rapid development of hypersonic targets in recent years, the research on the unsupervised classification of flight states for hypersonic targets is carried out in this paper, which is based on the Hyperspectral Features (HFs) of hypersonic targets covered with plasma sheath during high-speed flight. First, a new concept of the super node is defined to improve classification accuracy by alleviating the intraclass variability of HFs. Then, the frequency domain information of the curve of HFs is utilized to reduce the feature redundancy according to the prior theoretical knowledge that the fluctuation characteristics of HFs of the same flight states are similar. Finally, an unsupervised classification method based on the Density Peak Clustering (DPC) for HFs is designed to class flight states after eliminating the impact of intraclass variability and feature dimension redundancy. The proposal is compared with the traditional classification algorithms on simulated hyperspectral data sets of typical flight states of the hypersonic vehicle and an actual-observation hyperspectral data set. The results indicate that the performance of our proposal has competitive advantages in terms of Overall Accuracy (OA), Average Accuracy (AA) and Kappa coefficient.