降落伞拉直过程的多刚体模型

采用多刚体模型研究了降落伞的拉直过程。在动力学模型中将引导伞、伞包、拉出的伞绳及回收物处理为开链式多刚体;在仿真算法中提出了求解绳段间约束力的n阶递推算法。利用该模型可以研究降落伞拉直过程中的“绳帆”现象。     

机动目标状态估计器算法研究

基于战斗机航迹准稳态运动状态假设,研究了机动目标状态估计器算法.该算法通过选取虚拟测量变量和状态变量,以及假设目标处于航迹准稳态运动状态,把含有9个变量的非线性滤波和预测问题转化为1个三阶和3个二阶的线性滤波和预测问题.在综合控制系统中的仿真结果表明,该算法计算量小,滤波精度好,能够满足综合控制需求.      

一种复杂系统风险概率评估方法

对有限样本条件下的复杂系统风险发生概率评估问题,提出了小样本评估小概率事件的建模方法,通过非线性函数逼近累积概率与临界参数极值之间的映射关系.建立了风险概率评估数学模型,通过非线性回归方法得到了风险概率评估基本模型.对原始数据在评估模型中产生的误差作为目标函数,建立概率评估优化模型.并采用改进遗传算法对分布参数进行优化计算.以飞行安全为例,实现了有限样本情况下的飞行风险概率的计算,并通过最优逼近函数提高了计算精度.      

自动测试系统集中互连信号优化设计

基于对自动测试系统被测设备的信号种类及数量的分析,构建了被测对象测试信号数学模型,分析了不同测试模式下的测试资源需求情况,并从提高测试系统性价比这一基本原则出发,提出了自动测试系统硬件平台测试资源优化配置的理论计算方法,对自动测试系统的工程设计具有指导意义。     

改进BP算法在模糊神经网络中的应用

引入一种改进的BP算法——动量因子-自适应学习率算法.通过调节动量因子以及在学习过程中的学习率实现自适应,以提高学习速率和增强学习的平稳性.将该学习算法引入到串形结构的多层前向模糊神经网络中,通过学习确定了模糊映射关系,实现了对象的模糊故障诊断.在应用模糊神经网络进行故障诊断时,被监测的故障征兆信号与网络输入层相连,即将输入向量输入到网络中,经过模糊化处理,得到各故障征兆在所定义征兆的模糊子集上的隶属度向量,再利用神经网络的前向计算,得到故障原因的模糊隶属度向量,最后通过对向量的分析确定故障原因的类型.将上述模糊神经网络应用到空气静压轴承中,实现了设备的故障诊断,测试结果验证了该方法的有效性.      

面向涡轮叶片方案优化的变保真度设计系统

提出了面向涡轮叶片初始设计的变保真度的多学科设计优化方法,建立了自动化的设计系统以提高设计效率.该系统集成了分析工具和设计团队以及数据管理系统,使得设计过程自动地运行.开始设计阶段使用基于经验公式的低保真度模型;优化中的三维仿真过程使用基于精确的流体分析和结构分析的高保真度模型.过程按照模型保真度的不同分3个阶段,渐近地获得最优解,同时考虑非设计点的优化.通过实验设计搜索并逐渐缩小设计空间,使得高保真度分析所带来的计算成本得以减少.最后以一个2级轴流涡轮的叶片初始方案设计验证了本设计系统.     

基于遗传进化算法反演吸波结构电磁参数

对多层吸波结构中未知参数层的电磁参数进行了反演.根据传输线理论确立的多层结构电磁参数与反射/透射系数的关系,建立正向反射率计算模型,根据自由空间法原理搭建的测试平台测量得到多层吸波材料不同入射角度下的反射率信息,利用改进的遗传进化算法获取了多层吸波结构中未知参数层的电磁参数.在遗传进化过程中,采用高斯随机数代替基本遗传算法的均匀随机数,避免了传统网络参数法厚度谐振、多值性问题和基本遗传算法易陷入局部最优点的问题.与传统传输/反射法结果的比较,验证了这种方法的可靠性.这种方法同时适用于计算高、低损耗介质材料的电磁参数.      

多层次法防空导弹弹道优化设计

为了使导弹优化的弹道更有效地杀伤目标,采用多层次法来设计防空导弹中制导段弹道.整个模型分为3层,第1层是导弹中制导段弹道,第2层是导弹末制导段,第3层是战斗部毁伤目标.第1层弹道限定中末段交班点处的弹道倾角进行优化.交班点弹道倾角作为联系第1、2层的全局变量,随它变化而产生一系列的优化弹道.第2层是导弹自寻的模型,通过Monte-Carlo仿真得到脱靶量分布的数学期望和标准差,这是联系第2、3层的全局变量.第3层由脱靶量的分布计算杀伤概率,最大杀伤概率对应的第1层弹道就是系统的最优解.多层次法表明了中制导段弹道优化设计和最终导弹杀伤概率之间的关系,使得杀伤概率这一效能指标能够作为中制导段弹道优化的指标.最后进行了拦截高空高速巡航目标和低空低速巡航目标的算例计算.      

基于DSI插值的三角网格质量优化

通过对三角网格的单元顶点进行几何位置调整,提高了网格的质量,实现了网格的质量优化.几何位置调整是使用离散点光滑插值(DSI,Discrete Smooth Interpolation)实现的,针对在计算时影响质量优化的邻接边界的单元顶点,采用了在边界处补偿三角形的方法,消除了单元收缩,提高了网格的质量.与加权拉普拉斯算法进行了比较和分析,优于拉普拉斯算法;为了使三角网格在位置调整时保持原始网格的几何细节特征,在插值算法中施加了控制点约束.最后使用算例对算法进行了验证.      

基于遗传模糊聚类的机群编队最优分配方法

针对当前机群的编队分配存在效率低、编队分配结果不可靠、智能性差等问题,提出了一种新的结合遗传算法和模糊聚类算法的机群编队最优分配方法.该混合算法通过模糊聚类算法解决了机群的编队分配不确定性问题,并且通过对传统遗传操作算子的改进,采用改进的遗传算法有效地克服了模糊聚类算法容易陷入局部极小值和对初始条件敏感的缺点,使机群的编队分配能快速收敛至全局最优解.3组不同分布类型的机群编队分配算例结果表明,该混合算法具有较好的通用性、有效性和智能性,适用于机群的编队最优分配.