航班离港过程DEDS随机分析

在合理假设前提下，提出了一种基于极大代数的简化的航班进离港模型，以减少分析过程中的计算量。据此模型分析求解出随机环境下离港系统闭环的参数，并在此基础上，运用DEDS理论的摄动分析法和鲁棒分析法求解出使系统闭环周期最小的航班排序。     

因P30问题引起遄达1000发动机空中停车可能性的分析

P30管路在巡航阶段结冰后会产生错误信号,因此飞机可能在巡航或下降阶段出现发动机空中停车,本文对此可能性的原因进行了分析。     

基于改进GRA-TOPSIS的空战威胁评估

针对在确定空战威胁评估指标权重时，未考虑指标间的耦合性以及客观赋权法不能从逻辑视角体现指标相对评价对象真正的重要程度的问题，提出了一种基于灰色关联度、灰色关联深度的极大熵模型初步确定权值，再根据指标间灰色关联度以及确定的解耦阈值修正权值的方法。为了克服灰色关联分析法（GRA）和理想点接近法（TOPSIS）的缺点，提出了一种基于GRA-TOPSIS的目标威胁评估方法。首先，通过实例对比分析了指标采用数学模型与模糊处理后，对目标威胁评估结果的影响；其次，对比分析了采用GRA、TOPSIS以及GRA-TOPSIS、数学模型得出的目标威胁评估结果；最后，考虑不同决策者的主观偏好，得出不同的目标威胁评估结果。通过仿真验证了所提方法的有效性以及科学性。      

极大提升玉树灾区空运保障能力国航成功实施精密导航技术验证飞行

4月29日,国航西南分公司一架空客A319飞机从成都双流机场始发，飞临青海玉树巴塘机场成功实施了RNP精密导航技术验证飞行，标志着分公司正式取得了玉树机场常态化航班运营资质，可在机场实施双向起降和夜航飞行，将极大提升玉树灾后重建的民航运输保障能力。     

一种实现飞行品质参数实时辨识的实用方法

考虑到辨识算法收敛的可靠性及结果的精度，采用递推最小二乘估计、飞机运动模态连续－离散模型相互转换及递推极大似然估计，实现飞行品质参数的实时辨识。这种方法的优点在于算法的吸收域是全平面的。初值不影响算法的收敛性，能很好地满足实时性要求，同时还保证了结果精度。利用该方法对某型飞机铁鸟台实测数据进行了处理，取得了满意的结果。     

基于神经网络的精确末制导律研究

针对动能杀伤武器重量极小化问题，基于神经网络技术、动态逆补偿法和非线性优化法，研究了两种精确末制导律，一种采用FFBP神经网络学习一要制导方程动态逆实现精神制导，另一种采用FFBP神经网络学习非线性优化解实现精确制导，仿真分析表明，前者对目标加速度估计误差过于敏感，无法实现；而后者在目标加速度有误差时仍能实现精确制导，估于偏置比例导引，并可以使动能杀伤武器重量极小化。     

基于B样条的气动反设计遗传算法研究

在气动反设计中引进了基于自然选择和生物遗传机制的遗传算法,针对遗传算法的搜索原理和气动外形特点,提出了与之相适应的Ｂ样条基因表达,构造了均匀变异与非均匀变异相结合的自适应变异算子,提出了用于优化设计的适应函数,发展了一种小种群演化方法。文中并以全位势方程求解程序为例,进行了翼型重构反设计,验证了本方法的可行性,然后在此基础上进行了基于阻力极小的优化设计,取得了令人满意的结果。     

一种基于云模型优化的飞行器参数辨识算法

极大似然估计方法(ML)在飞行器参数辨识中得到了广泛应用,该方法需要预先推导灵敏度方程,进而求解灵敏度矩阵,在应用过程中比较繁杂,且容易陷入局部最优。提出一种基于云模型优化的飞行器参数辨识算法,根据极大似然估计原理,利用云模型的优化理论对极大似然函数进行优化,从而得到待辨识参数值。该算法不必推导灵敏度矩阵,对初值要求不高,应用便捷,且保留了云模型优化的特点,收敛速度较快、不易陷入局部最优。以Twin Otter飞机为例对算法进行验证。结果表明:算法易于实现、辨识结果精度较高、收敛速度较快,不易陷入局部最优。     

一类解决变应力加速寿命试验参数估计的方法

变应力加速寿命试验的极大似然函数是高维非线性复杂目标函数,其待估参数多,采用梯度下降优化方法进行参数估计容易陷入局部极值,而采用全局优化方法又存在寻优效率低的问题.为了解决复杂多维目标函数优化的瓶颈问题,设计了一种基于实数编码遗传算法和Powell法的遗传加速方法.利用适应度函数获得两种优化方法的最佳切换点,最大程度发挥遗传算法和Powell算法的优点,既提高了多维非线性目标函数寻优效率又保证了参数估计的全局最优.液压泵加速寿命试验实例分析结果表明,遗传加速方法可以在寻优前期利用遗传算法保证待估参数的全局最优估计,在寻优后期快速逼近最优值,使寻优成功率达到85%.