数据库开放对象的数字模型

本文根据系统论提出了开放对象的概念，认为客观世界是由于放对象构成的。它本身是一个递归定义的层次结构，同时具有目的性和适应环境、改造环境的能力即具有自我进化的能力。每个开放对象与其外界的通讯只能通过信息来完成。而且允许它们对同一个消息具有完全不同的理解。开放对象实质是面向对象＋人工智能＋数据库的一个模型。同时本文还给出它的形式定义。     

运用进化算法优化中等PRF雷达的脉冲重复频率

本文运用进化算法选择最佳脉冲重复频率（PRF）组，在中PRF雷达的模型中使距离-多普勒盲区最小。介绍了8个和9个PRF的两个方案，该算法能确保得到的所有结果是完全可解码的并且没有盲速。我们考虑了旁瓣杂波的详细影响以及在以中等PRF模式运行的实际机载火控雷达中影响雷达PRF选择的多个技术因素。     

卫星星座系统多学科设计优化研究

分析了卫星星座系统设计包含的星座设计、卫星设计、发射选择等学科之间的耦合关系，特别是卫星各分系统之间的耦合关系，建立了包括发射费用分析、成本分析在内的卫星星座系统多学科分析模型。在此基础上，采用分布式协同进化MDO算法，将星座设计优化和卫星的设计优化在自治基础上充分协同，对一个同时包含离散／连续设计变量、需进行星座结构和参数同时优化的虚拟的海洋监视卫星星座系统进行了多学科设计优化。算法对离散设计变量采用二进制编码，连续设计变量采用实数编码，并分别采用相应的进化算子。采用最大长度编码，根据一定的规则确定基因的显性和隐性，来处理结构和参数同时优化引起的设计变量维数可变的问题。设计结果显示了多学科设计优化的优势和分布式协同进化MDO算法对卫星星座系统这样的复杂多学科设计优化问题的有效性.     

基于及时修正策略的成败型产品可靠性增长分析

针对及时修正试验策略，根据Fries可靠性增长模型和Duane学习曲线特性，基于不同的失败类型对模型进行了扩展。用进化算法对似然函数求极值，获得了参数极大似然估计，以及最终研制阶段可靠性点估计。对某固体火箭发动机可靠性增长实例的分析结果表明，与经典评估方法相比，本文模型更具优越性。     

最可能发现外星生命的地方

<正>关于广袤太空是否存在智能生命,科学界始终存在二种不同的观点:一种观点认为地球和人类都是浩渺宇宙的普通成员,没有什么特别之处。另一种观点与此相反,认为地球和人类都是特殊的存在,从地球与太阳的距离和角度到大气层与水的获得、释放,都是无数特殊条件下生发出无数巧合使然,才使地球进化出人类。     

微小卫星低可观测外形飞行姿态规划

为提高在轨微小卫星的使用效能及生存能力,提出一种微小卫星低可观测外形飞行姿态规划算法.根据微小卫星雷达散射截面(RCS)、轨道及雷达威胁特性,建立了可进行长时间内最佳飞行姿态规划的数学模型,设计了低计算复杂度的链表式个体结构及进化规划策略,并实现了算法对高威胁区优化规划的能力.同时,算法低迭代步长下的快速收敛特性以及进...     

大涵道比涡扇发动机循环参数优化算法研究及应用

针对多约束条件与多优化变量的大涵道比涡扇发动机循环参数优化问题,提出了自适应三次变异差分进化算法,运用多个Benchmarks多峰函数对算法进行验证,并将该算法与大涵道比涡扇发动机性能计算程序相结合,对多约束条件下的循环参数进行了优化.计算结果表明:自适应三次变异差分进化算法比传统差分进化算法收敛精度更高、收敛速度更快,大幅度提高了大涵道比涡扇发动机循环参数优化效果,适合解决大涵道比涡扇发动机循环参数优化问题.      

基于自适应差分进化算法的变循环发动机模型求解方法研究

为了降低传统迭代算法在求解变循环发动机非线性模型时对初值的依赖性,将模型的求解问题转换为求最小值的优化问题,引入差分进化算法进行模型的求解,并提出一种自适应差分进化算法(ADE)。ADE借助轮盘赌选择法,利用种群的进化经验可以自适应的选择最适合当前种群的差分策略与算法控制参数。针对变循环发动机四个典型工作点的模型求解问题,研究了标准差分进化算法(SDE)的控制参数对其性能的影响,获取了SDE在求解四个典型工作点时的最优控制参数组合,对比分析了ADE与SDE的性能差异,最后研究了种群规模对ADE性能的影响。结果表明：SDE在求解发动机模型时具有较好的鲁棒性,在求解不同工作点时算法的最优控制参数并不完全相同;相比于使用最优控制参数的SDE,ADE可以在不影响算法鲁棒性的情况下提升效率50%以上;减少ADE的种群规模会在提升算法效率的同时破坏鲁棒性。     

高温吸波涂层的多目标优化模型设计

大多数高温吸波材料都属于非磁损耗型,单层往往很难达到理想的吸波性能.为解决此问题并优化涂层厚度,通过差分进化算法建立了多层高温吸波涂层的多目标优化模型,重点以8.2～12.4 GHz内反射率RL＜-10 dB频率带宽和涂层总厚度d为优化目标.设定三种高温吸波材料,研究表明,单层涂层很难达到理想的吸波性能;在单目标优化中...     

基于优化智能网络的发动机推力指令模型

针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法.其中子模型Ⅰ采用BP网络映射与推力密切相关的气路参数,其输出作为子模型Ⅱ的输入;子模型Ⅱ采用优化极端学习机(ELM)算法,输出为额定发动机推力,并以此推力为性能蜕化缓解控制指令.为了减小ELM网络规模,提高推力指令模型实时性,采用微分进化算法(DE)优化ELM初始网络参数.数字仿真验证表明:各飞行包线内推力指令模型预测值最大相对误差小于4‰,远优于单一神经网络最大8.17％和单一极端学习机最大14.5％的误差,模型推力指令计算时间仅需0.64ms,实时性好,验证了该推力指令模型的有效性.