山地风场平均及脉动风速特性试验研究

山地风场具有与平地风场截然不同的特性,为了研究平均和脉动风速在山地中的空间分布规律,进行了10个不同坡度和高度h的三维轴对称山体模型的边界层风洞试验。试验结果显示:平均风速在山顶达到最大加速,在背风面山脚达到最大减速;山体坡度越大,山顶加速效应越大,背风面山脚减速越大。脉动风速均方根值在山体迎风面和山顶均与平地风场接近,在背风面山脚增加最大,在其后5h位置,恢复与平地风场相同。根据试验结果提出了新的山地风场平均及脉动风速分布模型。     

多帧PML规整化湍流退化图像复原算法

从湍流退化图像中有效地恢复出原目标图像,是空间目标成像观测亟待解决的问题。为解决强模糊实际观测湍流退化图像的复原问题,本文提出了多帧PML规整化图像复原算法。该算法主要利用非线性规整化项在点扩散函数和目标图像的估计过程中进行平滑。为验证算法的有效性,针对强噪声退化图像进行了恢复实验,实验结果证明,该算法对于强噪声湍流退化图像的复原是非常有效的。     

基于黏性涡模型的旋翼流场数值方法

 建立了一种适用于旋翼非定常流场特性分析的黏性涡数值方法。在该方法中:流场中的大尺度涡被离散为若干微小的涡元,通过求解涡量-速度形式的Navier-Stokes方程模拟涡元的输运等过程;黏性扩散效应采用高精度的粒子强度交换法进行计算,而桨叶附着涡以及新生涡环量采用了Weissinger-L升力面理论进行求解;为显著提高计算效率,在诱导速度及其梯度的计算中还引入了快速多极子算法(FMM)。应用上述方法,对悬停和前飞状态下的多个旋翼流场算例进行了计算,通过对比旋翼尾迹涡量特征和诱导速度分布等,验证了该方法的有效性。此外,还将本方法与旋翼计算流体力学(CFD)方法及传统的自由尾迹方法进行了比较,结果表明黏性涡方法在兼顾效率的同时,还能够更好地捕捉旋翼尾迹运动。     

多无人机对地攻击任务分配算法

在不确定条件下的战场环境中,实时有效的动态任务分配是多无人机顺利完成对地攻击任务的关键.文章基于拍卖机制原理提出了多无人机的动态任务分配算法,给出了算法流程,构建了收益计算函数,并对算法效率进行了分析.仿真试验表明所提出的算法同传统方法相比,大大减少了通信计算量,具有更好的实时性     

面向单机相依任务调度的GPU并行蚁群算法

蚁群算法是一种具有高度并行特征的群智能算法,串行实现过程中具有收敛速度慢的特点,在将其应用到相依任务序列的单机调度问题中时,以任务在不同作业序下的完成时间为基础,建立了单机调度问题的TSP模型。以任务完成时间最优化为目的,实现了一种求解相依任务单机调度的改进蚁群算法,并基于GPU对其进行了并行化设计。实验表明该算法能够完成相依任务的调度处理,通过并行化得到了较高的加速比。     

微型燃气轮机发电站控制策略分析

介绍了微型燃气轮机发电站的技术特点,基于基本PI算法,分析了微型燃气轮机发电站的基本控制策略。在传统的PI算法基础上,分析了微燃机的嵌套闭环控制策略,分别对微型燃气轮机发电站的转速闭环、功率闭环以及排气温度闭环的控制策略进行了分析和研究,并给出了三个闭环的相关试验曲线。研究结果表明,基于基本PI算法的嵌套闭环控制策略适用于微燃机发电站,可保证电站具有很好的经济性和工作稳定性,其对提高电站的使用寿命也有很大帮助,具有很好的工程应用价值。     

航空企业自动化立体仓库输送系统的调度优化

运用粒子群算法解决航空企业自动化立体仓库中输送系统的调度优化问题.针对某主机厂自动化立体仓库输送系统的特点,采用分拣上/下包台、出/入库台、AGV运行的时间总和最小化作为性能指标,用粒子群算法的基本原理作为优化思想,然后使用 MATLAB软件进行算法仿真,分析结果的合理性.结果表明,该模型及仿真结果是合理的,效率高,满足航空企业使用需求.     

基于BL碰撞算法求解排样过程中干涉的问题

在自动排料过程中,采用BL排放策略的移动碰撞算法时,需要反复地更新待排板料中多边形的边界,在某次更新边界的规则不合理时,排放下一块料极易出现图形干涉的现象。针对这个问题,本文采用计算机图形学和计算几何方面的知识,提出一种解决合成多边形时出现干涉问题的方法。     

PSO节点寻优的样条逼近微分

样条节点分布对逼近精度的影响很大,样条节点寻优模型的雅可比矩阵求解复杂。利用经典参数的PSO（粒子群算法）解算样条最优节点分布模型,以逼近残差的平方和为目标函数,每步对节点序列排序后再计算目标函数,可以提高样条逼近精度,为样条节点寻优提供了一种较好的实现方法。仿真计算表明,在一定的节点个数情况下,PSO节点寻优的逼近效果比Carl de Boor的NEWNOT程序中的方法要好。     

非线性MIMO系统神经网络自适应方法及其在飞控中的应用

提出了一种非线性系统的对角自回归神经网络模型。为了实现MIMO系统自适应控制,采用自回归辨识网络对未知非线性系统进行辨识,并将被控对象的误差灵敏度信息用于对角自回归控制网络训练。辨识网络和控制网络都用动态BP算法训练。实际某型飞机纵向模型的仿真结果表明,运用这种控制结构可得到较好的控制效果。