无人机三维航路规划技术研究及发展趋势

由于搜索空间巨大,三维航迹规划一直是航迹规划中的难点,而无人机只有进行精确的三维航迹规划才能提高低空突防的成功率。本文描述了无人机在线航路规划的影响因素,分析了无人机动力学约束及威胁场约束,探讨了无人机航路几何建模方法及三维航路规划算法的研究概况,并着重分析了三维航路规划算法如禁忌搜索、人工势场法、粒子群优化算法、Dijkstra算法及A＊算法。最后,阐述了无人机三维航路规划面临的关键问题及发展趋势。     

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。     

利用BP网络进行发动机故障诊断的研究

探讨了利用人工神经网络的ＢＰ网络进行发动机故障诊断的特点。通过发动机实际故障样本和模拟故障样本对ＢＰ网络的故障诊断功能进行了研究，并且对ＢＰ网络与主因子模型两种算法进行了比较。     

联合应用现代优化方法与S2流面计算进行多级涡轮的气动设计

本文联合应用S2流面正问题计算和多级局部优化设计对某三级涡轮进行多级气动优化设计。优化联合采用人工神经网络和遗传算法,流场计算采用全三维粘性流N-S方程求解,计算网格采用H-O-H型网格,即入口段、出口段采用H型网格,叶片区域采用O型网格。通过优化,总效率提高1.1%,总体性能提高,达到设计要求。     

Bernoulli-Euler梁振动的人工神经元网络控制方法

分析了Bernoulli-Euler梁的振动特性,从控制系统的角度得出梁振动控制系统的传递函数,并采用人工神经元网络的方法对其进行控制,辨识器及控制器均采用非线性神经元网络, 最后用matlab对振动控制系统进行仿真。     

基于人工蜂群算法与NURBS的吸附式叶型优化设计

为提高轴流压气机吸附式叶型优化设计的质量,设计了一套基于人工蜂群(ABC)算法和非均匀有理B样条(NURBS)的自动优化设计系统.对人工蜂群算法的运行机制进行了深入分析,并与目前广泛使用的遗传算法(GA)进行了对比.对比发现人工蜂群算法可以更好地逼近全局最优值且收敛效率提高50%.使用NURBS对叶型进行参数化,并研究了参数化过程中的畸变问题.将抽吸参数与叶栅参数同时作为优化变量,使用该系统对一吸附式叶栅进行了优化.结果显示:抽吸槽设置在58.44%轴向弦长位置处流动损失下降明显,与优化前未抽吸叶型相比流动损失降低64.8%,气流分离得到有效抑制.     

基于改进人工势场法的多机改航路径规划

恶劣天气是航空运输中造成航班延误的主要因素,实施改航策略是减少延误的一种有效方法,多航空器路径规划是改航策略的关键环节.针对恶劣天气造成大量航班延误情况,提出了采用人工势场法进行多机改航路径规划.根据航空器所受引力和斥力建立了传统人工势场模型,为解决在改航期间航空器受力出现局部最小值的问题,在航空器之间、航空器与恶劣天气之间引入不同的旋转控制力.仿真结果表明,改进的人工势场法规划的路径更短、更平滑,没有大角度转弯和反复振荡的情况,且计算效率提高了33％.     

采用基于神经网络及遗传算法的叶轮机械叶片三维优化设计方法开发高载荷透平动叶片

为了提高透平的内效率及降低制造成本，采用基于神经网络及遗传算法的叶轮机械叶片三维优化设计方法，开发了一种高载荷动叶片。该叶片是以5个截面的重心沿径向积叠而成。每个截面的内背弧是以基于叶型中弧线的Bezier曲线来构造。三维流动分析表明，新叶片提高效率0．5％。通过减少叶片数约15％，新开发的高载荷动叶片不仅有效地提高了透平的内效率，同时降低了透平重量和制造成本。     

带人工雨线的斜拉桥拉索模型测压试验研究

斜拉桥拉索风雨激振是当今国际风工程和桥梁工程研究人员非常关注的问题.为了掌握风雨激振时拉索的气动力特性,研究人员对风向角为0°时带人工雨线的拉索模型进行了测力试验.但至今人们尚未测量过风向角不为0°时带人工雨线的拉索模型上的气动力.本文设计、制作了可方便调节拉索模型倾角和风向角的试验装置以及用于测压试验的带人工雨线的拉索模型,并在风洞中进行了细致的试验.试验得到了具有典型倾角的拉索在不同风向角下,拉索模型上的平均风压和脉动风压系数,以及气动力系数.这些结果为建立精细的理论模型提供了基础.     

基于物理模型的拟人智能控制

回顾了自动控制理论与智能控制的过去和现在,讨论了它们存在的问题,提出基于物理模型的拟人智能控制。通过介绍一个成功的实例"平面运动单级倒立摆"的控制来阐明拟人智能控制的机理以及设计控制律的流程。对于复杂的非线性被控对象,只要知道其物理模型,应用拟人智能控制方法可以得到很好的结果。