双层梯度蜂窝吸波结构优化设计

设计了一种带蒙皮和金属底板的双层梯度蜂窝吸波结构，并利用Hashin-Shtrikman（HS）模型获得其等效电磁参数。在此基础上，以反射率低于-10dB带宽最大为优化目标，利用保收敛粒子群优化算法（Guarantee Convergence Particle Swarm Optimization，GCPSO）对四种不同排序方案的双层梯度蜂窝吸波结构进行优化设计。结果表明，入射电磁波的角度和极化方式以及吸波材料的选择、排序和厚度对双层梯度蜂窝结构的吸波性能有很大的影响；不同入射角度下TM极化时的吸波特性明显优于TE极化，在入射角为60^°时最为明显；对比四种方案优化结果显示，case 1方案由于选用损耗角较小的吸波材料充当透波层，分布于蒙皮下面，而选用损耗角较大的吸波材料作吸收层，并置于吸波结构底层，因而具有最大的优化目标函数，吸波效果最佳，且蜂窝高度仅为具有相同吸波效果的case 3方案的49.44%。因此，选择case 1方案作为本文最终优化结果。     

装配式建筑PC构件采购—运输—库存成本控制方法

为节约装配式建筑建造成本，提高施工企业经济效益，将PC构件采购—运输—库存流程视为一个过程系统，基于JIT理论和零库存管理理论，从承包商视角对其成本构成进行系统分析，构建PC构件采购—运输—库存成本控制模型。针对模型特点，提出一种基于高斯变异的自适应樽海鞘群算法。结合实际案例，运用改进的樽海鞘群算法对模型求解，确定最低成本及其对应的采购方案，证明模型及改进算法的有效性与实用性。     

鲁西黄牛肉用品系核心群育种方案遗传和经济评估

针对鲁西黄牛肉用品系现行的核心群育种方案,以育种最大投资回报率为评估标准,通过活体质量、繁殖、日增质量和胴体性状测定记录作为选择信息,根据使用不同可利用记录作为不同选种的标准设定了4种选择方案(方案1:活体质量信息+日增质量信息;方案2:活体质量信息+繁殖信息;方案3:方案1+方案2;方案4:方案3+胴体性状信息),并采用确定性模型评估了4种选择方案的遗传进展和育种效益.结果表明,4种选择方案的年综合育种进展分别为21.87、34.08、38.09和54.86元;育种效益为147.39、204.44、241.83和309.05元;投入产出比为1∶ 3.78、1∶ 4.60、1∶ 5.14和1∶ 5.77;平均世代间隔均为5.53年.以上数据表明,随着可利用信息在选择标准中的变化,遗传进展和育种效益也随之变化,选择方案4可获得较好的育种效果,所以,在现行育种方案中,采用方案4可获得理想的育种效果.     

基于条件判断准则的涡扇发动机限制保护控制器优化设计

为了降低涡扇发动机控制逻辑中最小-最大选择结构的保守性，更高效地利用现有的安全裕度，提出一种基于条件判断 准则的涡扇发动机限制保护控制器优化设计方法。通过对发动机关键输出变量进行条件主动判断，来决定限制保护控制器是否 处于激活状态。其中，条件判断模块中的边界阈值采用智能优化算法-粒子群算法使其在给定的边界内搜索出合理可靠的最优 值。基于某型涡扇发动机控制系统仿真平台进行计算机数值仿真，仿真结果表明：该优化方法有效地降低了最小-最大选择结构 的保守性，在保持所有必要的安全极限情况下，推力响应速度得到了有效提高。其中，传统线性控制器的响应时间为4.7 s，而基于 条件判断准则的限制保护控制器的响应时间则为3.8 s，缩短了近20%，控制系统的保守性得到了有效降低。     

基于ISPSO的半透明介质中多种辐射特性参数反演（英文）

半透明介质广泛存在于工业和化工设备中，其热辐射特性在研究介质传热过程中起着重要作用。本文提出了一种改进的随机粒子群优化（Stochastic particle swarm optimization, ISPSO）算法，从角度光散射测量信号中反演半透明介质的热辐射特性参数，即吸收系数、散射系数和不对称系数。研究结果表明，与随机粒子群算法（Stochastic particle swarm optimization, SPSO）相比，ISPSO算法避免了局部最优和收敛精度低的现象，即使在5%的随机测量误差下也能获得合理的检索结果。当只需要研究两个参数时，反结果的鲁棒性是令人满意的。当反演的参数较多时，反演精度会降低。此外，在5%随机测量误差下，同时反演多个辐射特性参数时，即吸收系数、散射系数和不对称因子，本文提供的方法仍能得到满意的结果。结果表明，本文提供的反演方法是一种有效可靠的方法，可以同时估计半透明介质中的多个辐射特性参数。     

基于PSO-BP神经网络的固冲发动机推力估计器设计

为了对固体火箭冲压发动机的推力进行直接控制，提出了基于PSO（粒子群优化算法）优化BP（back propagation）神经网络的固体火箭冲压发动机推力估计方法。采用SPSO（标准PSO）和三种不同的BBPSO（骨干PSO）寻优神经网络权值，而后以最优权值进行BP网络训练，对其进行精调，如此便可获取推力和燃气流量、飞行马赫数以及飞行高度之间的非线性关系，从而完成推力估计器的设计。利用240组训练集数据对网络进行训练，并用180组测试集数据对网络进行验证。仿真结果表明：在SPSO、BBExp（exploiting BBPSO）、ABPSO^*（modified adaptive BBPSO）和SNPSO（simplified pruning strategy based BBPSO）等四种不同的PSO中，基于SNPSO优化BP神经网络实现推力估计器设计是最为便捷有效的方法，不仅形式简单，而且对于测试集数据而言，其能够将推力相对误差控制在5%以内。     

基于TSFFCNN-PSO-SVM的飞机起落架液压系统故障诊断

针对飞机起落架液压系统故障诊断精度低，深层故障特征提取困难的问题，提出了一种基于双路特征融合卷积神经网络（TSFFCNN）与粒子群优化支持向量机（PSO-SVM）结合的起落架液压系统故障诊断模型。该诊断模型以起落架多节点压力信号作为输入，采用一维卷积神经网络（1DCNN）与二维卷积神经网络（2DCNN）并行多通道网络结构自适应提取深层特征信息，并在融合层将深层特征信息融合，通过优化后的SVM分类器对融合特征进行故障分类。为验证所提诊断模型的故障分类效果，基于AMESim搭建了典型飞机起落架液压系统仿真模型，构建了几种典型故障类型数据集。基于仿真数据的诊断结果表明，所提故障诊断算法精度能达到99.37%，能够有效实现起落架液压系统故障诊断；与其他智能算法对比，基于TSFFCNNPSO-SVM故障诊断模型具有更好的平稳性与可靠性，诊断精度更高。     

基于故障分辨能力的火箭发动机测量参数选择方法

针对液体火箭发动机测量参数选择这一难题，提出一种基于模型的、提高故障分辨能力和系统可靠性的液体火箭发动机测点选取方法。基于发动机系统非线性静态特性数学模型，建立常见发动机故障下的故障特征库，并采用飞行数据验证其准确性；分别基于凝聚层次聚类算法、蒙特卡洛方法和失效模式影响分析（FMEA）构建了发动机测量特征子集的故障分辨种类数、鲁棒性和系统可靠性3种评价指标，并基于改进的多目标二进制粒子群算法（MOBPSO）开展优化设计。优化后的测点排布，可分辨故障从9种提高到13种，鲁棒性与原排布相当，风险指数略有上升；进一步探究了副系统混合比在故障分辨中的重要作用并分析其机理。本文提出的方法对其他复杂、闭环动力系统测量特征的选择具有较好的应用价值。     

变质心固定翼无人机动力学分析与抗扰控制

变质心无人机具有气动效率更高、隐身性能更好、机翼结构更加简单等优点。提出了时滞更小、结构更加简单的单滑块变质心无人机布局方案，分析了滑块参数对变质心无人机动力学特性的影响，在此基础上给出了滑块的理想安装位置，并研究了变质心无人机布局方案控制效率随速度的变化情况。针对变质心无人机强耦合、强非线性的特点，基于粒子群算法(PSO)设计了自抗扰控制器(ADRC)，其中扩张状态观测器估计出包含耦合和参数摄动的总和扰动项，并基于此进行动态补偿。仿真结果验证了所设计控制器的有效性和鲁棒性。