多输入傅里叶神经网络及其麻雀搜索优化

鉴于反向传播（BP）神经网络存在灵敏度高但收敛速度慢,以及已有傅里叶神经网络不具备多输入数据特征提取能力,借助多个傅里叶神经网络构建能接收多维数据的堆叠神经网络,进而将其与多层感知器融合,获得基于梯度下降的多输入傅里叶神经网络。结合此神经网络获取全局最优参数值难的因素,通过在麻雀搜索算法中引入Cat混沌映射、动态种群规模调节机制及参数自适应调节方案,提出改进型麻雀搜索算法,并将其应用于多输入傅里叶神经网络的参数优化及高维函数优化问题的求解。理论分析可得,所提算法的计算复杂度主要由种群规模和优化问题的维度决定。比较性的数值实验表明,所获神经网络提取多源数据特征的能力和泛化能力强,同时所提算法处理高维优化问题具有明显优势且收敛速度快。     

一种针对冗余执行机构配置的修正直接分配算法(英文)

控制分配考虑期望控制量在冗余执行机构配置间的指令分配问题。本文基于执行机构的可达集提出一种修正直接分配新算法,重点解决该类算法的分配效率问题,并与修正伪逆再分配法、基于单纯形法求解的直接分配法线性规划模型以及次梯度优化算法进行对比分析。为减少原始直接分配法的离线计算时间,提出基于执行机构安装矩阵的零空间构建可达集信息,使离线计算时间在执行机构数目小于10时优于传统基于行空间的构建方法。在线计算中,提出基于单位可达集顶点信息寻找与期望控制量射线方向临近的可达集表面,从而缩小搜索范围、降低在线计算时间。仿真结果表明:修正算法不显著增加离线数据存储量,并将在执行机构数目小于10时至少降低32.22%的离线计算时间;在线计算中,其平均在线时间较对比算法均有大幅提高;在高度冗余控制分配问题中,修正算法将具有更大优势。     

未知时延系统的全局优化辅助变量辨识

对于未知时延系统,借助分离性原理,推导出迭代的可分离的非线性最小二乘（SNLS）辨识方法。为了降低收敛于局部最小的可能性,消除强观测噪声所引起的参数估计的偏差,利用全局优化理论,引进辅助变量,推导了全局优化的辅助变量（GOIV）辨识方法。仿真试验验证了算法的有效性。     

网络环境下优化大学英语教学模式的思考

论文以网络环境下大学英语教学模式的优化为研究内容,积极倡导教师个性化教学和学生自主学习的新方法,通过采取合理策略建立基于计算机和网络平台的英语学习的良好环境,切实提升大学生英语综合应用能力。     

CFD和MDO技术在乘波飞行器设计中的应用综述

乘波飞行器由于其具有高升阻比特性而成为国内外高超声速飞行器研究的热点。介绍了乘波飞行器的研究进展,在此基础上阐述了乘波飞行器设计对先进设计技术的需求。重点讨论了计算流体力学（CFD）技术和多学科设计优化（MDO）理论与方法在乘波飞行器设计中的应用现状。提出了今后应重点对高超声速飞行条件下乘波飞行器的动态气动特性进行全面的数值模拟研究．大力开展包含可靠性和经济性分析的乘波飞行器多目标多学科设计优化研究。随着MDO方法在乘波飞行器设计中的深入应用,CFD必将发挥更大的作用,共同促进乘波飞行器的快速发展。     

无铰旋翼变截面盒型梁桨叶气弹动力学多目标优化

基于有限元法建立了无铰旋翼变截面盒型梁桨叶的挥舞/摆振气弹稳定性优化分析模型,提出了多目标、多约束条件下的灵敏度分析方法,采用遗传优化算法(Non-dominated sorting geneti calgorithm-NSGA-Ⅱ),实现了盒型梁桨叶气弹稳定性条件下多约束、多目标优化.最后完成了实例模型旋翼桨叶的优化与对比验证,结果表明,在气弹稳定性、自转惯量和振动固有频率等多约束条件下,实现自转惯量提高到原来的1.147倍,桨叶重量减少5.74%～8.6%,应力减少29.6%～30.1%的多目标优化,优化性能良好.      

求解装箱问题的遗传算法

本文提出了两种求解装箱问题（ＢｉｎＰａｃｋｉｎｇ）的遗传算法。一种是简单遗传算法,它采用等长度字符代码编码方法,使用常规的遗传操作算子。另一种是混合遗传算法,它综合运用解装箱问题的ＦＦＤ（ＦｉｒｓｔＦｉｔＤｅ－ｃｒｅａｓｉｎｇ）近似算法和简单遗传算法。试算结果表明,由这两种遗传算法所得到的装箱方案较一些近似算法所得到的装箱方案都要好。     

火星着陆器进入段轨迹优化与制导研究进展

根据火星着陆器在进入段的飞行状况,分析并总结可能遭遇的困难与挑战;在间接法和直接法两方面概述飞行器轨迹优化方法,阐述当前飞行器轨迹优化研究现状以及火星着陆器进入段轨迹优化的应用情况;以标称轨迹制导法和预测校正制导法两方面分析火星着陆器进入段制导研究现状,并比较两种制导方法的优缺点,最后对火星着陆器未来研究方向做了展望.