双变异率自适应遗传算法研究及其应用

针对标准遗传算法的不收敛性，提出一种双变异自适应遗传算法，即通过全局变异算子和局部变异算子共同作用，增加种群的多样性，提高算法的全局收敛能力。实例证明：改进算法具有很好的寻优能力和效率。     

一种改进的微粒群优化算法

标准微粒群优化(PSO)算法是一种群体智能算法,它容易陷入局部极值点,进化后期收敛速度慢且精度较差,而且参数的选择对算法的优劣影响很大。针对这些缺点,首先提出了一种在位置进化方程中引进动态参数的方法,改进了标准微粒群算法收敛速度;然后通过在速度、位置进化方程中同时引进动态参数来提高算法收敛速度和收敛率。经J．D．Schaffer函数和LevyNo．5函数对改进算法的测试表明,相比于标准微粒群算法,该方法的收敛速度和平均收敛率均有大幅度提高。     

一类非线性系统的一阶D型迭代学习控制

传统的D型迭代学习控制的控制律设计方案依赖于被控系统的相对度.为解决该问题以及相对度增益与高阶微分运算的问题,针对一类具有任意高阶相对度的非线性系统,提出了基于虚拟模型的一阶D型迭代学习控制设计方法.该方法的主要思想是与具有任意高阶相对度的非线性被控系统并联一个一阶子系统,构造一个相对度为1、相对度增益可以任意设计的虚拟模型,在此基础上设计一个一阶D型迭代学习控制律,使得虚拟模型能够实现期望轨迹的完全跟踪,从而实际被控系统在一定误差范围内实现期望轨迹的跟踪.仿真实例验证了所提方法的可行性与有效性.     

Hermite算法的收敛性分析及其改进

为了提高多点切触加工算法的计算效率,对其中的Hermite算法进行了改进,并且对改进后的Hermite算法的收敛性进行了理论分析,推导了改进后算法的局部收敛条件,同时给出算法的Steffensen加速迭代公式并新提出了一种基于试算的待定系数迭代法.分析和实例表明,改进后的Hermite算法属于线性收敛的算法,而待定系数迭代法则有接近二阶的收敛速度.综合应用上述算法,可以满足一般性自由曲面多点切触加工刀位计算的要求.      

前馈神经网络的一种简单共轭梯度学习算法

针对前馈神经网络学习误差函数维数高、计算复杂度大的特点,对梯度下降BP算法加以改进从而构造出一种简单共轭梯度下降算法(MPARTAN算法).该算法计算复杂度不高于动量BP算法, 与FR共轭梯度法相比,该算法的稳定性好,又具有共轭梯度法的优点,收敛速度快.文中给出了该算法的收敛定理,并用2个实验例子比较了动量BP算法、FR共轭梯度法和MPARTAN算法的计算结果.     

基于平方和方法的H∞最优励磁控制

为了改善电力系统在干扰信号下的稳定性,在单机无穷大电力系统的基础上,提出了一种基于平方和方法的H_∞最优励磁控制设计方法。本文电力系统属于非多项式系统,而所提方法利用泰勒公式将非多项式系统等效转化为多项式系统,并保留高阶无穷小项。在给定扰动抑制率,以及利用平方和方法构造Lyapunov函数、控制器参数优化方面的优势前提下,可以将哈密顿-雅克比-伊萨克等式问题松弛为不等式约束表示的最优问题,最终结合策略迭代方法,实现了H_∞最优励磁控制器设计,提高了仿真的真实度。仿真结果表明所设计最优控制器可以有效改善系统性能,增强系统抗干扰能力。     

输入受限乘波体飞行器的最优跟踪控制方法

针对存在输入受限的乘波体飞行器最优跟踪问题,基于反演控制设计了最优跟踪控制器。将控制分为稳态跟踪控制和瞬态最优控制两部分。首先基于反演控制框架,引入有限时间收敛跟踪器对虚拟控制律进行估计,避免了普遍存在的“微分项膨胀”问题。其次,考虑系统中存在不确定项,设计了非线性干扰观测器对不确定项进行估计,确保控制器的鲁棒性。同时,充分考虑输入受限情况,基于辅助误差补偿策略对控制输入进行修正。然后,为了实现最优控制,基于自适应动态规划设计瞬态最优控制器。最终通过数字仿真,验证所设计控制方法的有效性。     

非线性方程求解中的幂指函数法

给出幂指函数在非线性方程求解中的一种迭代算法,既给出初始值的判断条件,又给出方程根附近的近似误差公式。算例表明:与其它五种方法相比,本文提出的幂指函数法精度较高,其收敛速度是Newton法和二次曲线法的10倍左右;而计算时间是Newton法和二次曲线法的十分之一左右。     

小突片对热射流红外辐射的影响研究

实验研究了收敛喷管在高温（约913K）、高速（超临界）流动状态下，加装小突片后对热排气的红外辐射抑制特性，并探讨了小突片安装片数、后倾角度、堵塞比等因素对红外辐射抑制特性的影响。结果表明，小突片对热排气的红外辐射具有明显的抑制作用，与不装小突片的相比，不仅使热排气的核心区长度大为缩短，而且使热排气的总体红外辐射信号大幅度下降（在实验范围内，最大可下降约73％）。