基于粗糙集的群体智能文本挖掘聚类算法

介绍了在粗糙集理论和群体智能理论的基础上提出的一种优化的用于文本挖掘的蚁群聚类算法。实验证明,该算法有效地降低了文本特征向量的维数,提高了运行效率和准确性。     

人工智能在气动设计中的应用与展望

在人工智能技术高速发展的浪潮下,智能化技术为空气动力学的研究提供了新的思路和手段。各国学者在人工智能与空气动力学设计的综合应用方面开展了诸多有益的探索与尝试。目前人工智能方法已被用于设计对象描述、数值求解、非线性映射等气动设计的关键环节中。实现了自适应设计参数探索、高效气动特征求解、快速数据降维与映射、智能优化等,提高了气动设计的速度、准确性、鲁棒性与全局性。概述了气动设计的发展现状、人工智能技术的研究现状以及机器学习在气动设计中的应用现状。展望了深度学习在气动设计上的应用前景。提出了以机器为核心根据优化阶段实时调整优化方案及走向的高度智能化气动设计概念——"机器设计"。强调了开展智能可诠释设计研究的重要性。     

基于神经网络的ICAI软件的设计与实现

介绍了一个在Ｗｉｎｄｏｗｓ９５平台上用ＶｉｓｕａｌＣ＋＋５．０开发的基于神经网络的信号与系统课程的智能化计算机辅助教学（ＩＣＡＩ）软件设计的基本原理及其关键技术的实现。该软件针对人类教学过程中的智能模拟问题,将神经网络和专家系统两大先进技术相互融合在一起采用面向对象的设计是界面友好、算法透明、程序易于维护、是计算机辅助教学课题的一个成功实例。     

液氧/甲烷发动机推力室肋强化换热技术数值研究

为了提高液氧/甲烷发动机再生冷却通道中冷却剂的吸热效率,同时提高该区域的热防护能力,对带有4种不同肋结构的推力室进行了三维稳态耦合传热计算.分析结果表明,在推力室燃气侧壁面设置纵向肋之后,通过引入等效平均热流密度能够描述带肋发动机推力室壁面的实际换热特征.设置人工粗糙度能够使壁面温度降低85.4 K,但会使压降增大0....     

运载火箭动力系统故障下制导控制技术研究进展

动力系统故障是导致运载火箭发射任务失败的最常见原因,从动力系统故障建模、自主制导和容错控制方面,系统地阐述了动力系统故障下运载火箭制导控制技术的研究进展,为发展新型制导控制算法提供了思路。建立了推力下降故障和执行机构故障的数学建模,并对比了国内外先进运载火箭的制导控制性能;总结了动力系统故障下自主制导所涉及的轨迹优化和制导算法;在被动、主动容错控制框架内,回顾了典型的故障诊断、控制重构、容错控制和震动抑制方法;同时,概述了人工智能技术在自主制导和容错控制方面的应用;结合“会学习”的运载火箭概念,讨论了人工智能技术在促进运载火箭自主化和智能化方面的发展趋势,对未来智慧火箭的制导控制技术进行了展望。     

基于人工神经网络的驾驶员操纵行为模型

驾驶员操纵行为受到自身、外界环境和被控对象等多方面的影响,因此驾驶员模型具有非线性的特征。神经网络模型克服了拟线性模型不能反映驾驶员非线性操纵的问题。为了获得建立模型的数据,利用地面模拟器使飞行员对一系列指令进行精确跟踪。获得的指令、飞机状态和驾驶员输入信息等参数即可作为神经网络模型的训练样本。神经网络驾驶员模型的训练和测试结果表明,该建模方法是合理、准确的,可以应用于人机闭环系统中驾驶员操纵的研究。     

某航空活塞发动机回火试验

为解决某航空活塞发动机要取得适航型号合格证(TC)须按CCAR-33部《航空发动机适航标准》第33.51条进行回火试验的问题,通过对单缸发动机回火试验的研究,提出了采用光电信号进行发动机回火检测的测量方法.试验验证表明:光电检测方法能够有效地检测到发动机回火现象.在此基础上,通过试验确定了调节燃油伺服器的贫富油操纵杆逐渐调贫发动机的燃油流量来诱导发动机回火的试验方法.回火试验结果表明:所测活塞发动机在其整个工作状态下存在回火倾向,但在人工诱导57次回火后,发动机状况良好,满足适航认证的要求.      

基于人工粘性的间断Galerkin有限元方法

发展了一种基于人工粘性的间断Galerkin有限元方法,作出改进以增强适应性,并向非均匀网格推广.选取了典型算例对方法进行验证.一维激波管算例表明,改进的方法在保持计算结果高分辨率的同时,能够更好地抑制非物理振荡.分析得知,当人工粘性方法用于二阶DG格式时,所得计算结果的数值耗散较大,而当格式精度大于二阶时,采用人工粘性方法所得的结果的分辨率较高.通过计算圆柱高超声速粘性绕流,将三阶DG格式与三阶MUSCL格式和五阶WENO格式的结果进行对比,结果表明,该人工粘性方法对于高超声速流动计算也具有一定的优势.     

敏捷成像卫星多星密集任务调度方法

 面向应急观测需求,对敏捷成像卫星多星密集点目标观测任务调度问题进行研究。针对敏捷成像卫星观测特点,综合考虑卫星可观测时间窗口、任务间卫星姿态调整时间、卫星最长连续工作时间、星上存储容量、卫星能量等约束,建立多星任务调度模型。提出了一种改进的蚁群优化(ACO)算法对调度模型进行求解。该算法借鉴了蚁群系统(ACS)和最大最小蚂蚁系统(MMAS)的思想,结合调度相关约束设计寻优策略和信息素更新策略。引入任务优先级、最早及最晚可观测时间等因素来控制转移概率。仿真结果验证了模型和算法的有效性。     

基于人工神经网络的TCAS板卡深度故障诊断系统

提出了一种基于人工神经网络的故障定位算法,用于TCAS板卡深度故障诊断系统。