基于广义多层次模糊模型的无人机路径规划

无人机自主飞行的路径规划涉及许多因素,为了使决策向量的获得过程尽可能多包含各个因素的信息,采用广义多层次Fuzzy综合评判是一种有效的方法.但是由于预先不知道权数分配,也无法知道评判结果,故无法用解决广义多层次Fuzzy综合评判或解决其逆问题的方法得到结果.为此引入遗传算法,利用其进化特性,求得合理的权数分配和广义多层次Fuzzy综合评判结果,可以达到控制飞机飞行过程的目的.这一过程提供了一种解决非正非逆问题的广义多层次Fuzzy综合评判问题的新思路和新方法.     

基于层次结构的装配顺序规划

简要介绍了虚拟装配顺序规划的研究状况。在层次结构关系的基础上建立了一种较为简明的装配关联矩阵,并引入装配通道函数以保证装配的几何可行性,提高了装配顺序规划质量,在减少可行装配顺序遗漏的同时缩小了可行解的空间,提高了装配顺序规划的效率。     

基于产品全生命周期的工艺信息模型

工艺信息模型是工艺数字化系统的基础,是实现产品信息集成与管理的关键。本文提出了完整意义上的工艺设计,包括基于产品的装配工艺规划、基于零件的加工工艺规划和基于客户服务的产品服务工艺规划;分析了工艺规划与产品全生命周期各阶段的关系;论述了产品设计模型向工艺信息模型的转化过程。     

遗传算法在飞机低空突防航路规划中的应用

首先简要介绍遗传算法的基本原理,然后讨论遗传算法如何用于飞机低空突防航路规划,对传统的遗传操作提出了新的改进意见,并进行了计算机仿真,证明了该算法的有效性.     

欧盟框架计划民用航空结构技术研究项目剖析

欧盟航空研究计划是欧洲框架计划的重要组成部分。历经20多年的发展和完善，欧盟框架计划已成为世界规模最大的官方综合性研究与开发计划，本文试图从多角度、多方位剖析欧盟框架计划民用航空结构技术研究项目，以期对我国发展民用航空结构技术有所启示与帮助。     

基于改进A^*算法的无人机快速轨迹规划方法

针对旋翼无人机在三维障碍物环境中自主飞行时路径搜索速度慢、轨迹生成通常忽略无人机动力学特性的问题,发展一种基于改进A^*算法并同时考虑无人机动力学特性和运动学性能的快速轨迹规划方法。首先,在三维障碍物环境中运用改进A^*算法通过剔除部分网格节点降低A^*算法的节点计算量,提升算法的路径搜索速度;其次,以最小化飞行轨迹的四阶导数作为目标函数,以路径点处的位置、速度、加速度等各阶导数作为约束条件优化飞行轨迹;最后,在三维障碍物环境中对比A^*算法改进前后的路径搜索结果,并对优化的飞行轨迹进行仿真飞行测试。结果表明:改进A^*算法大幅降低了A^*算法的节点计算量,显著提升了路径搜索速度;且无人机能够始终以较小位置误差沿优化轨迹光滑连续飞行。     

求解大型对称特征值问题的迭代Chebyshev-Lanczos方法

本文研究计算大型对称矩阵极端(几个最大或最小)特征值及相应特征向量的问题,讨论了Chebyshev迭代法对Lanczos方法的应用,提出了Chebyshev-Lanczos方法。计算实践表明迭代Chebyshev-Lanczos方法比迭代Lanczos方法优越。     

一类二维样条插值函数的最佳误差估计

本文主要结果为下述定理。 定理:设x(uw)是矩形域上关于该矩形上均匀分割的二维双三次样条插值函数,且x(uw)满足条件(5),则x(uw)在矩形域R边界上的节点处的四阶混合偏导数有估计式: |S_(i,0)|≦|A[i,n—1]||ε_(n,0)| |B[i,n—2]||ε_(0,0)|=[0,-4,(-1)~2 4,…(-1)~i 4]/[0,-4,(-1)~2…(-1)~n 4]|ε_(n,0)| sum from h=i to n-2 (-1)~(k(k-2)-(i 1)(i-2))[0,-4,(-j)~2 4…(-1)~i 4]/[0,-4,(-1)~2 4,…(-1)~(k 1) 4][0,-4,(-1)~2 4,…,(-1)~(k 2)4] (-1)~(i(i 1)/2)/[0,-4,(-1)~2 4,…(-1)~n 4]|ε_(0,0)|其中等号成立的条件分别为: A[i,n—1] B[i,n—2] ε_(n0),ε_(00)>0 A[i,n—1] B[i,n—2] ε_(nm),ε_(0m)>0 其中 i=1,2,…,n—1. j=1,2 …,m—1.     

关于Davidson—Lanczos方法的收敛率

本文对文[1]提出的求解大型对称矩阵A的极端(几个最大或最小)特征值及相应特征向量的Davidson—Lanczos方法,用Rayleigh—Ritz逼近理论,研究了该方法的收敛率。证明了由该方法产生的规范正交向量{v_i}_i~m=1是Krylov子空间K_m≡Span(v_1,Av_1,…,A~(m-1)v_1)的一组基。设A的k个最大特征值为又,λ_1>λ_2>…>λ_k,相应的近似特征值为λ_i~(m)(i=1,…,k),得到 这里γ_i(γ_i>1),W_i和W_i~(m)是常数。     

求解最小费用流的复合标号法

本文在求最短路和求最大流标号法的基础上,提出了求解最小费用流的复合标号法。利用这种方法可以在一次标号的过程中找到具有最小费用的增广链。该算法具有简单、易行、迭代次数少,而且易于理解的特点。