一种基于群体理想解的多属性群决策方法及其应用

在多属性群决策分析中,由于涉及到各属性评价值的综合和专家个体评判的集结,所以决策群体很难对方案直接评优,针对多属性群决策方法问题,给出了一种分析方法.首先,给出了每位专家多属性数值决策矩阵和理想点的定义;然后通过定义专家群体贴近度矩阵和专家群体理想点,给出了基于多属性数值决策矩阵形式偏好信息的群决策方法;最后,通过一个算例对该方法的合理性和有效性进行了说明。     

低成本捷联惯导不对称动态误差的神经网络补偿

 针对低成本捷联惯导系统(SINS)中陀螺动态误差的不对称性在角振动条件下造成姿态漂移的问题,设计了多层前向神经网络的补偿模型。在标定模型参数时,为降低对外部参考信号测量精度的要求,提出用姿态解算的最终误差作为网络优化目标的训练方法。由于最终的姿态误差不是网络的期望输出,无法采用有导师的训练方法,为此采用了微粒群优化算法。仿真实验结果表明:补偿后的陀螺动态误差的不对称度减小了一个数量级。     

绝对式恒光源24位光电轴角编码器在光电经纬仪上的应用

为满足某型光电经纬仪的使用要求,设计了某绝对式恒光源 24位光电轴角编码器分系统。该编码器采用 16位绝对式光学码盘,码盘刻划有粗码道、通圈码道、中精码道和精码道。精码道的线对数为 16 384(14位)。方位和高低编码器的处理电路设计在一块电路板上,采用一片 DSP为主机,6个读数头输出 64路码盘光电信号分别经放大整形、A/D转换输入至 DSP。DSP完成数据采集、细分、译码、校正等处理,把轴的转角变换成 24位自然二进制角度代码输出和上传。使用情况表明:该编码器的光机结构布局合理、性能稳定,电路板和元器件少、操作简单、测角精度高,满足某型光电经纬仪对于编码器系统的要求,具有较高的实用价值。     

高速开关阀控电液位置伺服系统自适应鲁棒控制

为研究高精度的液压缸位置跟踪控制问题,设计了高速开关阀和换向阀组合控制液压缸的结构方案,并通过实验分析了高速开关阀的静态流量特性。建立了液压缸的连续可微摩擦模型,利用粒子群优化算法对其参数进行辨识。建立了系统的非线性数学模型,基于非连续参数映射和反步法设计了直接自适应鲁棒控制器,通过参数在线自适应调节来更新估计值和鲁棒反馈项支配参数不确定性,实验结果表明:在跟踪幅值为5mm,频率为0.4Hz的正弦信号时,最后一个周期的最大跟踪误差、平均跟踪误差及其标准差分别为0.638、0.25mm和0.405mm,与传统PID控制器相比,控制精度显著提升,旨在为实现高精度的数字阀控位置伺服技术提供有价值的参考。      

基于二进制粒子群算法的战时航空网络规划研究

领空作为国家资源的一部分,其使用、调配关系到国家的安全与发展,在战时,将更多的空中资源调配给军航使用,有利于保障军事行动的顺利进行。基于此,提出一种基于二进制粒子群算法(BPSO)的战时航空网络规划方法。首先,对航空网络建模,收集航班数据;其次,建立航空网络性能评价体系;然后,以使用尽可能少的民航机场维持预期网络性能为目标,以作战意图和战场环境为约束条件,通过BPSO 算法进行求解;最后,进行仿真分析。结果表明:该方法能够结合作战意图、反映战场环境、合理调配航空资源,为战时航空管制工作提供决策依据。     

AHPSO-SVM预测超声内圆磨削ZTA陶瓷的边界损伤

为解决普通加工方式易出现工程陶瓷边缘碎裂的问题,本文对超声内圆磨削工程陶瓷边界损伤预测系统进行了研究。在35 kHz轴向超声磨削与普通磨削两种条件下独立进行试验,运用支持向量机研究工艺参数与边界损伤影响规律,采用改进的粒子群算法优化支持向量机,建立采用混合核函数的AHPSO-SVM预测模型。研究结果表明,超声激励下试件边界损伤降幅为10.05%～21.23%,AHPSO-SVM预测模型MSE为0.378 4、平均相对误差为1.369 0%、30次适应度值标准差为0.020 2。相比于普通磨削,超声磨削可使ZTA陶瓷边界损伤值显著降低;建立的AHPSO-SVM模型具有较好的学习能力、泛化性能与良好的稳定性。     

螺旋槽对诱导轮气蚀性能影响研究

为了提高诱导轮的气蚀性能,设计了一种带螺旋槽的壳体结构,通过试验获取了诱导轮安装螺旋槽后的水力性能和气蚀性能,采用快速傅里叶变换方法 (FFT)对入口脉动压力进行了分析,并与安装J型槽的诱导轮进行了对比。结果表明:同流量下,带螺旋槽诱导轮扬程升高,同时螺旋槽能改善诱导轮的气蚀性能,并且在设计流量Q_d和1.1Q_d工况下对同步旋转气蚀产生抑制作用,但在0.8Q_d工况下,螺旋槽对同步旋转气蚀的抑制作用弱于J型槽。     

训练空域动态规划问题数值模拟仿真算法研究

训练空域的动态规划对于提高空域利用率,提高部队训练效率,缓解军民用空矛盾具有重要意义。本文将空域的动态规划问题进行分阶段处理,通过寻求各个阶段的最优方案来使得总的占用时间最短。针对各个阶段的动态规划问题,在分析问题复杂性的基础上,构建了空域规划模型,提出了遗传-离散粒子群算法,通过融合遗传算法中的交叉与变异思想来改善DPSO算法摆脱局部最优解的能力,提高算法的收敛速度和精度。同时为保证种群的多样性,设计了可保证个体可行性的自适应交叉算子和变异算子。最后利用甘特图来表示整个空域规划过程。将改进后的遗传-粒子群算法用于算例,并与遗传算法比较,结果表明该算法获得的结果更优且收敛速度更快。     

周向畸变进气下压气机动态失速特性研究

为研究周向畸变进气下压气机动态失速特性,在一大尺寸低转速压气机试验台上进行了均匀进气和180°周向畸变进气下压气机动态失速实验。采用时域观察、频域快速傅里叶变换以及时频域的同步压缩小波变换、基于同步压缩小波变换的空间模态分析和小波相干性分析等方法对动态失速信号进行分析。结果发现,畸变进气下,压气机旋转失速发生前出现0.225倍转子转动频率的一阶模态扰动,该扰动在相对畸变网不同位置区域周向传播速度不一致。宽带非定常扰动在畸变区尾缘附近最强,在畸变区前缘附近最弱,并存在周向尺度转化现象。转子转动频率扰动周向也出现强度变化,最大值出现在非畸变区中心附近的测点。周向畸变条件下集总系统模型对比实验结果的分析表明:实验和模型结果符合较好,旋转失速前非定常扰动周向强度和尺度变化主要受流量系数变化的影响,而一阶模态扰动周向传播速度不均匀现象是畸变进气下压气机系统特性作用的结果。     

PSO-LSSVM在民机气动性能数学建模上的应用

目前风洞试验仅为民用飞机飞行性能提供有限数据.全飞行包线的技术支持对于民机飞行试验十分重要,需要采用数学建模和参数辨识的方法.选择合适的机器学习算法是参数辨识中最为关键的一步.支持向量机(SVM)采用结构风险最小化原理,尤其适用于小样本情形.根据A320非巡航起降阶段的几组真实数据,以及全机气动力估算的结果,使用最小二乘支持向量机建立预测模型.随后采用粒子群算法优化模型参数从而提升泛化能力.由此实现民机飞行包线的气动性能整体建模与辨识.与Ma=0.78时的实验数据相比较,PSO-LSSVM模型的预测结果吻合,是一种有效的气动数学建模方法.