机器人问题求解中的评价函数及矛盾和冗余的消除

本文提出了一种求解复杂的机器人问题的算法,该算法采用子问题求解与分层策略相结合,在动作规划过程中,建立了初始状态下的前指针和目标状态下的后指针,并形成一个决定动作排序优先级的评价函数,按不同的空间和时间段的差异,将全局的动作序列划分为若干子区域。本算法证明只需在子区域范围内消除冗余和矛盾,即可大大地提高系统的效率,在子区域范围内出现矛盾时,用优先级高的动作取代优先级低的动作,变矛盾为冗余,最后保留排在最前面的动作,而删除后面相同的动作,即消除了冗余。     

基于网络流仿真的潜通路分析方法

针对线索表法在分析潜通路问题过程中约束条件过多的问题,在人工神经网络分析法的基础上应用网络流仿真进行潜通路分析.根据电路元件的电气特性以及人工神经网络的特点,建立了元件的定性仿真模型,确定电路网络的构成方式.通过网络流仿真模拟电流在电路系统中的扩散过程,预测电路中负载的响应.通过对比电路网络中负载的设计响应以及通过分析预测得到的负载响应,就可以判断出电路网络是否存在潜通路问题,并且找到发生潜通路问题的原因.该方法可以正确预测电路网络中的负载响应,克服了线索表法的缺陷,减少对分析已知条件的要求以及人为因素对分析结果的影响.     

改进的粒子群优化算法在气动设计中的应用

为了提高优化系统的搜索效率,发展出了社会模型这种改进智能优化算法的通用策略,在此基础上,提出了一种基于社会模型的改进粒子群优化(IPSOSM)算法。该算法对社会模型进行了分析并在此指导下,将人工鱼群算法(AFSA)中的聚群行为引入到粒子群优化(PSO)算法中,丰富了粒子之间的优势信息源,增强了粒子的信息共享能力,使得IPSOSM算法能够有效地跳出局部最优。函数测试表明,该算法显著提高了PSO算法的寻优性能。将IPSOSM算法应用到翼型和机翼的气动优化设计之中,取得了良好的结果,从而表明提出的算法简洁有效,具有较好的实用性。     

以客户智能为引擎的分析型CRM体系结构

电子商务营销企业为创造、保持和扩展客户关系,满足顾客的需求目标,必须有效地利用信息技术来改善企业的管理效率和管理模式,从而能快速做出决策,及时对市场及客户的需求做出反应.为此,提出了一种电子商务环境下,以点击流数据仓库为基础、以客户智能为引擎的分析型CRM体系结构,并对实施过程中的关键问题进行了详细讨论.该结构可以把用户在电子商务网站上的点击流和web日志文件作为数据源,可以快速、有效的分析用户行为,从而为企业创造更多的经济效益.     

基于神经网络的轴类损伤检测研究

理论分析表明,结构损伤前后固有频率的变化包含了结构损伤位置和程度的信息.在此理论基础上,对一个一端固定轴模型进行了损伤数值模拟,提取同有频率的变化信息并采取合适的方法构造改进型BP神经网络来判断结构损伤.检测表明,该方法在结构损伤检测中具有较好的应用前景.     

基于态势感知的美军空间情报对抗研究

空间情报对抗是当今世界高新技术中最具挑战性和竞争性的领域之一,是未来作战情报对抗技术的最高表现形式和热点内容。在对太空态势进行有效感知及情报监控的基础上,美军对“制天权”的认识进一步深化,太空情报对抗已成为美军的重点研究领域。     

航空人工智能概念与应用发展综述

针对航空人工智能发展的迫切需要,对人工智能定义、智能等级划分两个基本问题进行讨论,指出人工智能近期难以存在公认定义,需辩证看待人工智能航空应用的不确定性和确定性,对执行特定任务的智能系统进行智能等级划分因不符合当前主流认知规律而没有必要。从总体历史沿革、机载导弹、机载系统及可信等角度阐述航空人工智能应用的发展特点和态势,突出了可信航空人工智能研究作为行业应用前提性条件的重要性。     

基于遗传算法优化的人工神经网络下高速滚动轴承的疲劳可靠性

考虑到高速滚动轴承中热弹流润滑效应的影响,提出一种人工智能方法进行航空轴承疲劳可靠性分析。通过带交叉项的二次多项式近似拟合温度场效应,并将热应力映射到滚动轴承赫兹接触区内,完成热弹流润滑效应下航空轴承接触应力分析模型的建立,同时考虑热弹流润滑效应、材料属性以及疲劳强度修正系数的随机性,运用人工神经网络法完成热弹流润滑效应下航空滚动轴承疲劳可靠性分析。采用遗传算法完成最小可靠性指标寻优和惩罚函数最佳设计点。基于改进的一次二阶矩法完成可靠性灵敏度分析。数值算例表明,所建立的可靠性分析模型能正确反映热弹流润滑效应对航空轴承接触疲劳的影响。与传统的Monte Carlo法相比,两种计算结果的失效概率之差为2.0×10-4,相对误差为23.8%,而所提方法耗时只有蒙特卡洛方法的0.15%,具有良好的全局搜索能力和高效的计算性能。      

An intelligent target detection method of UAV swarms based on improved KM algorithm

Complete and efficient detection of unknown targets is the most popular application of UAV swarms. Under most situations, targets have directional characteristics so that they can only be successfully detected within specific angles. In such cases, how to coordinate UAVs and allocate optimal paths for them to efficiently detect all the targets is the primary issue to be solved. In this paper, an intelligent target detection method is proposed for UAV swarms to achieve real-time detection requirements. First, a target-feature-information-based disintegration method is built up to divide the search space into a set of cubes. Theoretically, when the cubes are traversed, all the targets can be detected. Then, a Kuhn-Munkres (KM)-algorithm-based path planning method is proposed for UAVs to traverse the cubes. Finally, to further improve search efficiency, a 3D real-time probability map is established over the search space which estimates the possibility of detecting new targets at each point. This map is adopted to modify the weights in KM algorithm, thereby optimizing the UAVs’ paths during the search process. Simulation results show that with the proposed method, all targets, with detection angle limitations, can be found by UAVs. Moreover, by implementing the 3D probability map, the search efficiency is improved by 23.4%–78.1%.     

模拟成形性的计算机预测

运用人工神经网络,对板料基本成形性（单向拉伸、平面应变等基本试验的参数）与模拟成形性（拉深、杯突、扩孔、福井等模拟试验指标）二者的相关性进行了研究．在大量试验数据和反向传播算法的基础上,建立了描述相关性的ＢＰ网络模型．通过该模型,对已知基本成形性参数的板料的模拟成形性指标进行了计算机预测,预测结果与试验结果比较接近．本文的研究方法和结果表明,人工神经网络是研究板料的模拟成形性的一条有效途径