非线性最优解在气动参数辨识中的应用

由于采用最大似然算法进行了扭动参数辨识通常存在着局极值问题，为了寻求非线性全局最优解，提高估计精度，介绍了以混沌优化算法作为搜索工具。与最大似然处算法相结合，求解非凸优化问题全局最优解的方法，算例表明，该方法是有效可行的，并且估计精度也较高。     

分离流中多段翼型的优化计算

 本文给出带有分离流动的多段冀型的优化计算方法。以最大升力系数为目标函数,对前缘缝翼或襟翼的位置和偏角进行优化。文中对带有后缘富勒式襟翼的NLR 7301翼型和GA(W)-1翼型进行最大升力计算和优化计算,所得结果和实验值相比符合得较好。     

大型水陆两栖飞机吹气襟翼设计与分析验证

针对大型水陆两栖飞机的使用特点和指标要求,以原型机翼为基础,重点开展机翼附面层控制增升装置设计技术研究,设计了附面层控制的吹气襟翼方案.采用计算流体动力学方法作为初步设计的评估手段,全面分析评估了设计方案的气动力特性和流场结构,最后通过风洞试验验证了该方案的增升效果.结果显示该设计方案在较宽的吹气动量系数范围内,最大升力系数均有不同程度的增幅,在吹气动量系数约为0.2左右时,获得最大的升力系数增量约为1.0,按照原型机的滑流影响规律推算,当采用吹气襟翼的主动流动控制方案后,起降速度能下降约30%,达到了设计指标.      

一些评定液体弹道式导弹最大射程的新的统计方法

本文得到了液体弹道式导弹最大射程ｔ的精确解及算法，改进了原有的评定方法，并利用极大似然法及自动法给出了一般模型下的最大射程的评定方法，并给出了计算实例。     

基于时间最短的SGKW共面打击轨道优化设计

天基对地打击动能武器(SGKW)用于从太空对地面高价值战略目标进行快速、准确的打击。针对最短打击时间要求,研究了SGKW共面打击轨道的优化设计方法。首先建立了SGKW的无量纲化平面运动模型,然后利用庞特里亚金极大值原理将时间最短共面打击轨道的最优控制问题转化为两点边值问题。由于约束条件中存在优化参数,一种基于"遗传算法 序列二次规划"的组合优化算法被用于求解未知参数。仿真结果验证了上述方法的有效性。     

一种基于HMM的多用户检测算法

针对以概率统计为基础信道估计收敛速度慢、状态估计存在非合理性的问题进行研究,提出了一种新的多用户检测方法.该算法以隐马尔可夫模型为基础,为了避免由于相邻状态序列后向概率相差很大而造成的信道估计发散,采用固定延迟的方法,利用锯齿延时的办法计算后向序列概率以减少计算复杂度.根据前后序列之间的相关性和最陡下降法,提出了解相关最小均方(DLMS)多用户上行复合信道的盲估计. 考虑到由于发射序列状态之间可能存在时序非继承性,而搜索与前向序列对应的具有最大转移概率的后续序列,给出了最大后验(MAP)多用户检测方法.计算机仿真实验表明,该算法提高了信道响应估计速度,具有全局收敛性和系统的稳定性.      

一种确定燃气涡轮轴发动机起动最小所需扭矩的工程方法

依据某型涡轴发动机冷运转试验数据,给出了发动机阻力矩和净力矩的计算方法。按照发动机在此温度条件下的最大允许起动时间,提出了确定发动机在该大气温度条件下起动时最小所需扭矩的方法,并通过试验表明用这种方法得到的计算结果和试验结果较吻合。      

具有通信约束的分布式SOR多智能体轨迹估计算法

针对传统多智能体轨迹估计算法信息交换量大，计算量随群规模指数增长，可扩展性差等诸多不足，提出了一种基于超松弛迭代（SOR）的分布式多智能体轨迹估计算法，通过将最大似然（ML）准则下的轨迹估计转化为两级线性优化问题，并综合利用分布式超松弛迭代（Distributed SOR）和标记初始化方法，加快求解速度并简化信息交换流程，最终实现了多智能体位姿轨迹优化和协作定位。实验表明，所提的分布式方法能达到集中式算法的精度水平，在49个智能体规模条件下，位置估计误差小于0.15 m，姿态估计误差小于0.03°，且数据交换量仅到现有主流分布式方法DDF-SAM的0.06%，能很好用于大规模集群的场景。     

H6飞机最大起飞质量数学模型的研究

正确确定最大起飞质量，对于轰炸机和大型运输机的起飞安全有着非常重要的意义。确定最大起飞质量，以往多采用作图的方法，由于影响最大起飞质量的因素比较复杂，所以比较准确的数学模型未曾建立。近几年来对这个问题进行了多方面的探讨，得出一个计算Ｈ６最大起飞质量比较准确的数学模型。此数学模型的建立为其它轰炸机、运输机最大起飞质量的计算开辟了一条新路，对工程应用具有一定的参考价值。     

Primary mass discrimination of high energy cosmic rays using PNN and k-NN methods

Probabilistic neural network (PNN) and k-Nearest Neighbors (k-NN) methods are widely used data classification techniques. In this paper, these two methods have been used to classify the Extensive Air Shower (EAS) data sets which were simulated using the CORSIKA code for three primary cosmic rays. The primaries are proton, oxygen and iron nuclei at energies of 100?TeV–10?PeV. This study is performed in the following of the investigations into the primary cosmic ray mass sensitive observables. We propose a new approach for measuring the mass sensitive observables of EAS in order to improve the primary mass separation. In this work, the EAS observables measurement has performed locally instead of total measurements. Also the relationships between the included number of observables in the classification methods and the prediction accuracy have been investigated. We have shown that the local measurements and inclusion of more mass sensitive observables in the classification processes can improve the classifying quality and also we have shown that muons and electrons energy density can be considered as primary mass sensitive observables in primary mass classification. Also it must be noted that this study is performed for Tehran observation level without considering the details of any certain EAS detection array.