压电结构的控制-结构一体化设计

对于离散分布、同位配置压电片驱动器和传感器的压电耦合板,首先构造了四节点 Ｋｉｒｃｈｈｏｆｆ矩形板弯单元,从而建立了有限元模型。在此基础上,给出了主动阻尼振动控制模型。将系统的存留能量指标归结为一个 Ｌｙａｐｕｎｏｖ 方程的解。以系统的存留能量指标为适应度函数,以作动器和传感器的位置及控制增益为优化参数,利用基于共享函数机制小生境技术的遗传算法进行结构、控制设计。最后,对一悬臂压电耦合板进行了实例分析。结果表明,该方法是解决控制结构一体化设计的一种有效途径,可以得到多个最优解或次优解。     

银行印鉴的模糊识别方法

印鉴的计算机自动识别在金融电子化进程中是一个关键问题,也是一项十分难以解决的课题,目前国内外已提出了一些算法,但仍然在存在若干未能解决的问题,本文结合遗传算法,图像分析,模糊识别等方法,提出了一套完整的印鉴识别方法,能适应不同形状,大小的印鉴,配准精度高,特征提取较为全面,有效,分类准确,且能较好的消除背景干扰,基本达到实用要求。     

涡轮基组合循环发动机分布式控制系统通信网络混合拓扑结构优化方法

涡轮机组合循环(Turbine based combined cycle,TBCC)发动机控制系统通信网络拓扑结构是其分布式控制系统方案设计的重要部分,优化网络拓扑结构可提高发动机推重比和控制系统可靠性。本文基于智能优化算法提出TBCC分布式控制系统网络拓扑结构优化方法。基于图论建立TBCC几何模型和网格模型,以重量和可靠性为优化性能指标,同时考虑发动机表面高温区域以及控制节点的工作可靠性,分别采用粒子群算法和遗传算法优化星形结构中智能中央节点位置、中央节点的环形拓扑结构,获得星形-环形混合拓扑结构。仿真实例表明,基于本文方法优化所得的混合拓扑结构相较于星形集中式控制结构,系统重量降低了51.9%。     

应用限制编程的信息模型内在检查方法

提出了一种基于限制编程(Constraint programmmg)的信息模型内在一致性检查方法,重点描述了EXPRESS信息模型的一致性及其检查。EXPRESS语言,作为标准制造数据交换的一个重要部分,广泛地应用于制造与信息业。中提到的一致性检查包括三个步骤：EXPRESS模型形式化,限制满足性问题(CSP)从形式化模型中的抽取和CSP的可满足性测试。本同时揭示了限制编程的一个新的应用领域：模型验证。     

松约束运输问题模型与算法研究

运输问题存在着所谓的"多反而少"悖论现象,本文用运输问题的松约束模型,说明了运输问题产生悖论现象的原因,从而拓宽了运输问题的应用范围,增加了运输问题的适应性,本文给出的运输问题的松约束模型的表上作业算法,运算简单,能彻底解决了运输问题的"多反而少"悖论现象,用本文所介绍的算法解一些问题,得到了更省的调运方案.     

基因方法在网格结点位置优化中的应用

将基因方法应用于网格结点位置的优化中。文中首先简单介绍了基因优化方法中基于达尔文进化论和Ｍｅｎｄｅｌ基因理论的基本原理,其中包括插索空间表达、三个基因作用器（选择、交配和变异）等要点;然后着重阐述了相关偏微分方程的离散误差和三角形网格几何形状的适应度函数的定义、结点位置的二进制基因表达及基因方法的优化进程。离散误差是在二次非连续彭鼓包（ｂｕｍｐ）函数的空间中近似定义的,并且在点移动过程中相关解的二     

基于力约束的空心涡轮叶片陶芯定位方法

精铸蜡型作为空心涡轮叶片精铸过程重要的前期工艺转接件,其壁厚精度主要由蜡型模具型腔与内部陶芯的位置匹配关系决定。由于陶芯在模具内完全依靠定位元件实现空间定位,为减小由定位误差引起的陶芯位姿漂移,提出了一种基于力平衡约束的空心涡轮叶片精铸模具陶芯定位布局优化方法。首先,通过建立陶芯定位误差传递模型,揭示了定位误差与陶芯空间位姿扰动量之间的映射关系;其次,根据力平衡原理构建了基于力约束的陶芯定位布局优化模型;之后,针对陶芯表面定位候选点的离散分布特性,结合遗传算法给出了陶芯定位布局点的详细求解策略。最后,仿真对比证明了利用本文所提方法获得的陶芯定位方案可以在保证陶芯定位稳定性的同时提高陶芯定位精度,此外,按照优化后的定位方案压制实际蜡型,壁厚检测结果也进一步表明所提方法的有效性。     

飞行器控制分配技术研究现状与展望

综述了现代飞行器控制分配技术的研究和应用状况.首先简要回顾了线性控制分配方法,然后着重论述了非线性控制分配技术的最新研究成果,包括截距修正法、分段线性规划法、非线性规划法及包含神经网络计算、遗传算法和模糊逻辑在内的智能控制分配技术,最后讨论了有待于进一步完善和深入研究的若干问题.     

基于改进型遗传算法的多传感器—多目标定位信息融合

针对用遗传算法解决多传感器-多目标定位收敛速度的问题,提出了采用拉格朗日松驰技术改进遗传算法的方法,并给出几种典型情况下算法的实验结果。实验结果表明,改进的遗传算法收敛速度比改进前提高了5—6倍。     

基于小生境遗传算法的多峰函数优化

根据多峰目标函数的具体情况,应用遗传算法随机寻优得到若干个最优值,以这些值作为小生境遗传算法的先验知识,指导小生境距离参数的确定。依据此方法确定小生境距离参数,应用小生境遗传算法成功求解了shubert多峰函数的所有全局最优值。并与相同遗传操作和相同参数下的遗传算法作比较,小生境遗传算法不但能一次性地寻求到解空问中所有的最优解,而且就寻求一个最优点而言收敛速度快于非小生境遗传算法。