新型进化神经网络模型

目前的进化神经网络模型大多采用遗传算法进行网络进化设计.而研究表明,这种进化神经网络存在遗传编码、遗传操作及网络结构限制等很多问题;而采用进化规划是一种很好的途径.鉴于此,为了克服传统进化规划算法的不足,结合作者提出的快速免疫进化规划提出了一种网络连接权值及其拓扑结构同时进化优化的新型进化神经网络模型.最后,通过典型的异或分类问题(XOR)比较了该模型同BP神经网络及传统进化神经网络的计算性能,发现它不但计算精度好,而且计算效率高.      

基于混合遗传算法的中国旅行商问题满意解

针对组合优化中的旅行商问题 ,提出了贪心法与遗传算法相结合的混合遗传算法。文中给出了相应步骤并就中国旅行商问题得出满意解 ,该解优于已报道的结果。     

应用混合演化策略的机翼气动优化设计

把基于实数编码的遗传算法与可变容差法相结合,建立了数值优化设计中的混合演化策略(HES),并将其与机翼的气动分析相结合进行跨音速机翼的气动优化设计.与基准机翼相比,优化设计的机翼其气动性能有较大程度的改善,表明了混合演化策略在机翼优化设计中的有效性.与单纯的遗传算法(GA)相比,应用混合演化策略的气动优化设计具有更高的优化效率和优化质量.     

基于L-M网络的涡扇发动机动态过程辨识

介绍了多层前馈网络的Levenberg-Marquardt (LM)算法,对涡扇发动机动态过程的数学模型进行了分析和简化,运用多层前馈网络L-M算法对涡扇发动机进行加力推力变换时的非线性MIMO动态过程的数学模型进行了辨识,辨识所用样本数据和测试数据均为试飞实测数据.辨识结果表明,这种方法收敛快精度高,非常适合于涡扇发动机非线性动态过程的建模.     

基于LMI的不确定线性系统观测器设计

研究了不确定线性系统的观测器设计问题。利用凸优化理论将基于线性矩阵不等８式（ ＬＭＩ）的观测器设计转换为鲁棒控制器设计,给出了标准的ＬＭＩ形式。采用该方法的设计过程只需求解三个线性矩阵不等式就可得到鲁棒控制器。在航空发动机控制应用中表明,基于ＬＭＩ的观测器对于具有干扰的系统仍然能保持系统稳定,数值仿真表明控制效果优于文献「１」的结果。     

具有复杂边界的火箭冲压发动机流场数值计算

针对实际复杂的补燃结构和计算边界,以块隐式法计算流场,用代数法生成计算网格,通过改变离散方程来处理三维定常Ｎ－Ｓ方程边界条件。算例表明,该方法正确可靠,迭代过程能够快速收敛。     

机场地面容量评估研究

提出基于滑行路径动态寻优的机场地面容量评估方法。对于结构复杂多样的机场地面,当跑道、滑行道和停机位使用情况和航班流变化时,根据机场地面运行的具体特点,首先建立机场地面有向网络模型,引入滑行道的权值概念,再通过D ijkstra算法进行动态路径寻优,并与冲突探测相结合,对滑行道和停机位进行合理分配。最后通过计算机仿真来评估容量。仿真实例表明,该方法不仅可以增强机场地面容量评估的灵活性和准确性,还可以应用于机场地面交通引导。     

协同多目标攻击空战决策的启发式粒子群优化算法

利用协同多目标攻击战术的特定知识,并结合粒子群算法,提出了一种用于空战决策的启发式粒子群算法。该算法利用粒子群算法对解空间探索能力强,容易跳出局部最优陷井及启发式算法局部搜索能力强的优点,快速、高效地对全局最优值进行搜索。该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验结果表明。本文算法对最优空战决策方案的搜索性能明显优于普通粒子群算法及其他两种遗传算法。     

金属热防护系统多层隔热材料的传热分析及参数优化

采用能量平衡方程和离散坐标法近似地建立了金属热防护系统多层隔热材料的一维稳态传热的数学模型,并利用遗传算法和纤维隔热材料的有效导热系数试验数据求解传热反问题,从而得到了模型中的纤维隔热材料的辐射衰减系数、反照率和隔热屏表面辐射发射系数。最后,由实验测得了多层隔热材料的有效导热系数,验证了采用优化参数后,多层隔热材料的传热模型的正确性。     

试车数据驱动的涡轴发动机起动过程模型辨识

针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明：得到的辨识模型输出参数,如燃气发生器转速n_g、输出轴转速n_r和涡轮后温度T₄都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。