高线三角形有向面积的定值定理及其应用

给出圆内接 2n +1边形中高线三角形有向面积的定值定理及其推论 ,其中包括著名的三角形的高线定理     

环面Fuchs方程解的性质及其可积性

研究环面Ｔ＾２上只有一个正则奇点的Ｆｕｃｈｓ方程，得到了参数ｒ＝６时，方程有一个椭圆函数解，其任何解皆为半纯函数，以及方程的单值群为可解群的结果。在此基础上，将Ｒｉｅｍａｎｎ球面上Ｆｕｃｈｓ方程的可积性概念推广到环面上，并得到一系列环面Ｆｕｃｈｓ方程都是可积的结果。     

Stanvagon猜想的一个推广

本文推广了Stanvagon在文[1]中所提出的猜想。并给出了新的证明方法。     

加权型中值定理

本文给出了Cauchy和Lagrange中值定量的一种推广形式：加权型中值定理。     

飞机静压系统导管内径的优选

推导出静压系统迟滞指标植与结构参数的关系式，指出减小迟滞指标值的最有措施是增大导管的内径。同时阐述了迟滞的成因及其对飞机的负效应。     

整函数及其线性微分多项式的唯一性

１９７６年，ＬＲｕｂｅｌ与ＣＣＹａｎｇ对整函数及其导数分享两个复数（计重数）的唯一性作了研究。最近，顾永兴考虑将函数的导数换为函数的一般线性微分多项式，并证明了相应的唯一性定理。但定理中对两个复数以及多项式的系数（为函数的小函数）所作的一些限制是不自然的，他本人猜测，这些限制条件可以去掉。本文第二作者证实了他的猜测。本文则考虑整函数及其线性微分多项式在不计重数地分享两个有穷复数这一更一般的情况下的唯一性问题，得到了一个充分条件。     

火星探测器气动外形/弹道一体化多目标优化

针对火星探测器概念设计阶段的需求,提出了融合气动外形、弹道和开伞条件的一体化多目标优化设计方法。首先建立了火星探测器进入段三自由度弹道运动方程,基于修正牛顿理论推导了适用于具有较大半锥角球锥外形的气动参数估算模型,采用Sutton-Graves公式计算了驻点热流密度。以开伞高度、总吸热量和容积率为目标函数建立了火星探测器气动外形/弹道一体化多目标优化模型,采用基于分解的多目标进化算法(MOEA/D)进行求解计算并与参考设计进行了对比。数值结果表明:多目标优化方法提供多个三目标均优于参考设计的Pareto最优解,为火星探测器的概念设计提供了一定的参考依据。     

基于权衡空间探索的多约束弹道初值确定方法

运载火箭弹道设计对初值的选取敏感,需要设计人员具备相应经验,新构型或新任务下迭代设计易发散,设计过程依靠人员手动调整,效率较低。应用权衡空间探索及全局优化思想,给出了多约束弹道设计初值确定方法,并在此基础上重新建立了弹道设计流程,自动完成初值选取及精确设计,降低了设计过程对人员经验的依赖性,提升了弹道设计方法的智能化程度,提高了论证及设计效率。     

多变量气动设计问题分层协同优化

 通过验证实例分析,气动设计中精细化优化模型对设计结果收敛精度的提高有很大帮助,但同时也带来优化算法搜索困难的问题,并且由于不同类型设计变量之间的相互耦合干扰使优化难以收敛到全局最优解。于是提出基于响应均值灵敏度的概念对大规模的设计变量进行重要性分组的策略,依据设计变量分组情况应用系统分解思想对多变量设计问题进行分层协同优化来降低系统的复杂度,这既保证了精细化设计的要求,又缓解了优化算法对大规模问题搜索困难的问题。与传统气动优化方法相比,基于系统分解的分层协同优化算例有较大寻优效率和性能提升,证明了该方法的可行性。     

Novel passive localization algorithm based on double side matrix-restricted total least squares

In order to solve the bearings-only passive localization problem in the presence of erroneous observer position, a novel algorithm based on double side matrix-restricted total least squares (DSMRTLS) is proposed. First, the aforementioned passive localization problem is transferred to the DSMRTLS problem by deriving a multiplicative structure for both the observation matrix and the observation vector. Second, the corresponding optimization problem of the DSMRTLS problem without constraint is derived, which can be approximated as the generalized Rayleigh quotient minimization problem. Then, the localization solution which is globally optimal and asymptotically unbiased can be got by generalized eigenvalue decomposition. Simulation results verify the rationality of the approximation and the good performance of the proposed algorithm compared with several typical algorithms.