一种基于先期毁伤准则的防空火力优化分配

针对防空火力分配中,在火力资源相对充足的情况下采用带资源约束的最大毁伤准则进行火力分配容易贻误战机的问题,提出了一种基于先期毁伤准则的防空火力分配新模型。该模型的思想是保证在满足毁伤概率门限的前提下,优先分配威胁度大的目标,并且利用目标到火力单元的飞临时间信息,选择尽量少的火力单元尽早毁伤目标;在毁伤目标的同时兼顾了火力资源的消耗情况和毁伤的时机,达到了以期望毁伤概率、较少火力资源尽早毁伤目标的目的。在此基础上,提出采用混沌和离散粒子群混合优化(CDPSO)算法求解防空火力分配问题,提高了算法的全局搜索能力,避免陷入局部极值。通过仿真验证了新模型的优点以及所提混合优化算法的有效性和优越性。     

Asymptotic Performance of Sparse Signal Detection Using Convex Programming Method

The detection of sparse signals against background noise is considered. Detecting signals of such kind is difficult since only a small portion of the signal carries information. Prior knowledge is usually assumed to ease detection. In this paper, we consider the general unknown and arbitrary sparse signal detection problem when no prior knowledge is available. Under a Neyman-Pearson hypothesis-testing framework, a new detection scheme is proposed by combining a generalized likelihood ratio test (GLRT)-like test statistic and convex programming methods which directly exploit sparsity in an underdetermined system of linear equations. We characterize large sample behavior of the proposed method by analyzing its asymptotic performance. Specifically, we give the condition for the Chernoff-consistent detection which shows that the proposed method is very sensitive to the 2 norm energy of the sparse signals. Both the false alarm rate and the miss rate tend to zero at vanishing signal-to-noise ratio (SNR), as long as the signal energy grows at least logarithmically with the problem dimension. Next we give a large deviation analysis to characterize the error exponent for the Neyman-Pearson detection. We derive the oracle error exponent assuming signal knowledge. Then we explicitly derive the error exponent of the proposed scheme and compare it with the oracle exponent. We complement our study with numerical experiments, showing that the proposed method performs in the vicinity of the likelihood ratio test (LRT) method in the finite sample scenario and the error probability degrades exponentially with the number of observations.     

基于燃油成本最小的机队规划研究

以燃油成本最小为目标,考虑航班频率限制、旅客市场需求、机队可利用时间限制、空勤人员限制及航路对机型的限制等因素,实现航空公司航线网与机队资源的最优配置,为航空公司降低运行成本,特别是中短程飞行,提供依据.并就该问题建立整数规划模型,通过算例对模型进行分析和评价.     

基于数学规划法的飞机机翼结构分层次优化设计方法研究

在方案设计阶段,为了使机翼结构既满足强度设计要求,又满足刚度设计要求,本文提出了一种基于数学规划法的层次优化方法。首先利用准则法进行结构的满应力设计优化,在此基础上利用数学规划法进行结构的刚度设计(以颤振约束进行优化并进行舵面效率的校核)。文中以某型飞机机翼为例,在多墙、梁式两套方案的结构优化设计上进行了成功应用。     

结构优化方法研究综述

回顾了结构优化研究的过去,介绍了目前的研究状态,展望了发展的趋势。     

考虑控制系统故障的重复使用运载器轨迹优化

传统的重复使用运载器的制导系统与控制系统的设计是分开进行的。当运载器出现故障时,需要进行轨迹和控制的重构,故障下气动特性和配平能力的变化使得重构后的制导系统与控制系统难以良好匹配。考虑到控制系统对轨迹设计和优化的影响,通过将三自由度轨迹优化与多舵面控制分配结合,提出一种考虑控制舵面气动力和故障的重复使用运载器轨迹优化方法。仿真结果表明,多舵面控制分配算法可以将运载器故障下的配平能力转化为轨迹优化的约束条件,从而避免了传统三自由度轨迹优化方法结果无法被控制系统跟踪的可能性,并为制导与控制一体化设计提供参考依据。     

发动机混装叶片纠正计划的制定方法

发动机叶片的混装问题影响了航空维修管理的效率,在最低成本下以恰当的时间完成纠正是航空维修企业面临的问题,针对此问题提出在飞机维修计划中增加发动机叶片的纠正活动,首先利用递推方法和选择规则确定发动机的维修备选时间点;然后采用0-1规划对备选时间点进行筛选以达到最低纠正成本的目的:最后通过Lingo软件开发了模型求解程序,并以20台发动机三种叶片的混装问题为例进行说明。     

基于移动渐近线方法的结构多刚度拓扑优化设计

基于人工密度指数法,结合序列分层优化方法和折衷规划法,提出并建立了一种求解复杂工况下连续体结构多刚度拓扑优化设计问题的多目标混合优化策略。连续体结构的多刚度拓扑优化设计问题本质上是一种非线性数学规划问题,以数学规划方法中的移动渐近线方法为基础,提出一种具有较佳全局收敛性和单调性特点的序列凸规划近似方法,该法对于目标函数复杂和多约束的拓扑优化问题具有更好的适定性。通过典型的数值算例证明了所研究方法的有效性。     

航班排班中航班串生成与筛选问题的算法与实现

针对国内航空公司运营特点，提出了分3步完成航空公司单日航班运营方案的编制：首先运用深度优先搜索算法生成可行航班串；然后以使用飞机数最少为目标，建立0—1整数规划模型对可行航班串进行筛选；最后以筛选后的航班串作为航班运营方案。通过一个算例的分析说明了该方法的应用。     

航空发动机性能寻优控制混合优化算法

根据性能寻优控制(Perform ance Seek ing Con trol)优化模式的特点,针对某型涡扇发动机,研究了把发动机性能优化问题描述为线性规划问题。同时针对线性规划方法可能会收敛于局部极小值和非线性方法计算量大的问题,提出了基于LP(L inear P rogramm ing)和MAPS(M odel-A ssisted Pattern Search)混合优化方法,并研究了LP和MAPS混合优化方法在航空发动机性能寻优控制中的应用,同时在最大推力控制模式和最小油耗控制模式下进行了仿真。大量仿真结果表明,采用混合优化方法可进一步提高发动机的性能,并且大大减少了计算量。