用PTI分析功能梯度材料的热传导灵敏度

较详尽的介绍了精细时程积分方法(Precise Time Integration,以下简称PTI)的运算过程,并针对功能梯度材料这种新型材料的灵敏度分析问题,以热传导问题为例,建立了PTI方法的灵敏度计算公式,结果表明方法的精确度与有效性。     

公路运输路线规划决策支持系统的研究与设计

首先对公路运输最短路线问题进行了分析,建立其数学模型,提出采用路段分组策略、局部Dijkstra算法搜索和全局遗传算法优化的综合求解方法。最后,介绍了系统的总体结构和实现方法。     

GA在摩擦力作用下变位斜齿轮传动模糊可靠优化中的应用

针对传统齿轮强度理论中所存在的不足 ,在充分考虑齿间摩擦力的前提下 ,结合模糊可靠设计理论、优化设计技术和遗传算法的优点 ,提出了基于遗传算法的变位斜齿圆柱齿轮传动的模糊可靠优化设计方法。通过实例计算表明 ,遗传算法在变位斜齿圆柱齿轮传动的优化设计方面 ,效果很好      

印花织物的疵点检测

利用匹配Gabor滤波器提取有效的纹理特征,把疵点分割出来。通过改进规则带,把方差和均值作为评判疵点的标准,从而达到把规则图案织物的疵点分割出来的目标,避免了图案信息的干扰,具有很高的实时性。     

弹塑性梯度材料热机耦合分析的有限元方法

陶瓷/金属功能梯度材料(FGMs)的组份及性能梯度分布,在航空航天高温热结构中有重要应用。材料性能在空间上的连续变化给这类结构强度设计的有限元分析造成了一定困难,针对上述问题,提出一种热弹塑性梯度有限元方法。该方法通过编写有限元软件ABAQUS的材料用户子程序(UMAT)来实现,在UMAT中将FGMs的弹塑性本构模型参数定义为空间坐标的函数;用热弹塑性梯度有限元方法对陶瓷-FGMs-金属典型的三明治板结构进行热机械分析。结果表明:FGMs组分布函数对其热应力分布有很大的影响,特别是在三明治结构的界面上,影响更为突出,这和现有文献的实验结果相符。     

深空大规模天线组阵布局设计

针对深空测控通信背景下大规模组阵的天线布局优化问题,给出了优化目标(即单元波束内合成波束附近的旁瓣最小化)以及优化边界条件(包括天线数、天线口径、工作频段、最小间距和最大布局范围等),并在此基础上建立了优化模型,理论分析表明,布局优化后的归一化旁瓣峰值比布局随机化的归一化旁瓣峰值低lnN/N(N为天线数)。最后基于梯度优化算法给出具体的优化流程并进行了仿真,仿真结果表明,在给出的优化边界条件下,优化后的合成波束方向图旁瓣峰值降到约-10dB,与理论分析结果基本一致。     

遗传算法结合神经网络的多段翼型优化设计研究

为提高多段翼型增升效能,开展包括襟／缝翼偏度和缝道参数在内的优化设计研究。将神经网络与遗传算法结合的优化设计方法应用于气动优化设计,并针对30P30N三段翼型,分别以8°迎角时升阻比最大和22°迎角时升力最大为目标进行了单目标和多目标优化设计研究。研究结果表明：采用单目标设计虽可在设计点获得较好的优化结果,但在非设计状态气动性能下降;采用多目标优化设计,既可获得良好的中等迎角升阻性能,又可改善大迎角失速性能,使综合气动性能更优;遗传算法与神经网络结合的优化设计方法可满足多段翼型的多点优化设计问题,具有高效、高精度等优点,易于工程应用。     

空天飞行器上升轨迹优化

飞行器轨迹优化是一类最优控制问题,传统的优化方法存在对初值敏感的缺陷。采用一种组合优化方法,对空天飞行器的上升轨迹进行优化。首先用遗传算法对直接打靶法离散的非线性规划问题进行全局寻优,得到初步优化结果,然后以该结果作为初值,用序列二次规划法对伪谱法离散的非线性规划问题进行局部寻优,得到最终的优化结果。结果表明,组合优化方法既解决了初值敏感问题,又有较高的优化精度,可以有效求解轨迹优化问题。     

FGM板三维层合模型及热-噪声载荷下的动态响应研究

 为了有效地分析热-噪声联合载荷作用下的飞行器功能梯度壁板结构的非线性动态响应,提出了运用复合材料多层壳单元建立功能梯度材料(FGM)板的层合有限元建模新方法,研究了FGM板在热曲屈前、后状态下复杂的非线性时域动态响应特性,并探讨了梯度指数、热曲屈系数及声压级(SPL)等参数对FGM板非线性动态跳变响应的影响规律。FGM板三维层合建模新方法避免了采用常规有限元法(FEM)建模时需要在厚度方向划分大量单元的缺点;求解FGM板非线性动态响应时采用的隐式积分方案避免了模态叠加法对参与模态选择的经验性要求及模态截断造成的信息丢失等缺陷。仿真结果表明:FGM板层合有限元建模新方法合理可行、过程简便、计算精度高;研究发现:陶瓷-金属FGM板在热屈曲后的抗声振性能并不像热屈曲前那样介于金属板和陶瓷板之间,而是表现最差;热屈曲系数及声压级的组合形式是导致FGM板发生非线性跳变响应的主要影响因素。     

一种基于神经网络的飞机载荷参数识别方法

提出一种经遗传算法优化的Kalman滤波神经网络(GA-KFNN)方法,对飞机特定机动下的载荷进行参数识别.首先,构建Kalman滤波神经网络(KFNN),设计了相关改进算法抑制滤波发散,提高了网络的预测精度和抗噪能力;其次,利用遗传算法(GA)优化KFNN的相关参数,使网络能迅速收敛,提高了运算效率.载荷识别结果显示,改进和优化后的GA-KFNN运行稳定,收敛迅速,具有良好的识别精度和泛化能力,满足工程实际需求.