实体企业金融化的同群效应及治理对策

企业金融化是经济“脱实向虚”的微观表现，近年来，中国实体企业金融化趋势显著加剧，造成大量资金脱离实体经济领域而在金融领域“空转”,形成对实体资产投资的“挤出效应”,导致实体企业的“空心化”。本文通过对2007—2020年中国A股市场非金融上市公司相关数据的统计分析发现：中国实体企业的金融化行为存在同群效应，这种同群效应受到投资收益率差异、企业间距离、经济政策的不确定性以及企业间同质性的影响，并且会随着企业产权性质、企业规模和企业融资约束程度的差异而表现出异质性，对于实体企业金融化同群效应的治理可以从促进实体经济发展、构建稳定经济环境等方面精准施策。     

基于CPSOGSA算法的威布尔参数估计及其在民机设备可靠性评估中的应用

为了解决小样本条件下民机装备可靠性模型参数的估计问题，本文提出一种基于收缩系数的粒子群万有引力搜索算法（Contraction factor Particle Swarm Optimization-Gravitational Search Algorithm,CPSOGSA）的参数估计算法。该方法提升了粒子群算法寻优性能，有效提升威布尔模型的参数估计精度。通过算例证明：该方法可以很好地用于民机设备的小样本可靠性参数估计，估计结果具有较高的精度，且耗时更短，表明了该方法的有效性和可行性。     

基于飞行冲突网络最优支配集的冲突调配策略

针对空中交通流量逐年上升、管制压力增大、飞行冲突难调配的问题，以航空器为节点，基于航空器之间的速度障碍关系建立飞行冲突网络。定义最优支配集的概念，通过移除飞行冲突网络的最优支配集节点，快速消解网络中的冲突，降低网络的复杂性。在使用粒子群（PSO）算法对网络最优支配集进行求解的过程中，引入免疫机制，设置节点和连边2种类型的抗原，保证对关键航空器和高风险冲突的优先调配。实验仿真表明：所提冲突调配策略相较于传统方法能够快速识别网络中的关键航空器节点，并对高风险的冲突连边具有较好的灵敏性，可为管制员和管制系统提供更加准确、可靠的信息和建议，在宏观上辅助进行飞行冲突的调配。     

四旋翼的改进PSO-RBF神经网络自适应滑模控制

针对非线性、强耦合并带有不确定性干扰的四旋翼无人机模型，提出了一种改进粒子群算法-径向基(PSO-RBF)神经网络自适应滑模控制器。在对RBF神经网络自适应滑模控制器进行控制量平滑改进的基础上，利用改进的具有全局寻优能力的PSO算法来调整RBF神经网络的拟合参数，从而进一步提升网络的拟合能力。根据实际四旋翼的模型参数，搭建四旋翼的动力学模型，通过Lyapunov理论验证了系统的稳定性。仿真结果表明：与RBF神经网络自适应滑模控制器和双闭环PID控制器相比，改进PSO-RBF神经网络自适应滑模控制器可以在一个控制周期内寻找到合适的控制量，其调节时间分别提升约50%和75%；改进PSO-RBF神经网络自适应滑模控制器具有轨迹跟踪速度快且准、抗干扰能力强和鲁棒性好的特点。     

薄膜热电偶热氧化可靠性及结构优化

航空发动机涡轮叶片处于发动机温度最高的部位，将薄膜材料制备于待测物表面形成热电偶传感器，可及时有效的对涡轮叶片进行测温。薄膜热电偶多层膜间的热氧化界面扩散失效是导致薄膜可靠性不高的主要原因之一，基于Fick第二定律提出多层膜扩散可靠性模型，定量描述薄膜热电偶扩散失效机理，通过仿真计算，结合粒子群算法，以薄膜寿命最大为目标，寻优得到各膜层对应的最佳结构，为结构工艺上提高薄膜热电偶寿命的研究提供了一定的借鉴。