神经网络在直升机空空导弹攻击中的应用研究

应用神经网络方法研究了直升机发射空空导弹的一些问题。文中首先介绍了直升机空空导弹攻击的火控系统原理；其次，对复杂且不稳定的直升机飞行运动模型设计了模糊神经网络控制器；然后，用BP网络实时计算了直升机发射空空导弹的空中攻击包线；最后，设计了综合火／飞控制系统，并对所设计的整个攻击系统进行了仿真，通过仿真证明满足系统设计要求。在神经网络设计中，采用了变尺度优化算法，提高了算法的速度和精度，对空战的实时应用提供了重要的参数价值。     

基于批生产的逐段式车间作业调度算法

探讨了离散作业型（Job shop）车间中的作业调度的分阶段模型，并根据离散作业调度的阶段性提出了基于作业状态空间的逐段式车间作业调度算法，通过对一个实际车间作业调度仿真比较，此算法运算速度比最短加工时间（SPT）和最少工作量剩余（LWR）算法快，其调度结果在实际作业车间具有可执行性。     

多随机变量的桁架结构系统的可靠性分析及优化设计

针对桁架结构系统，采用随机有限元法（SFEM）计算结构系统的响应量，考虑内力重新分配，建立失效模式的安全余量方程，用验算点法计算失效模式安全余量的可靠性指标，用改进的分枝限界法，寻找主要失效模式，通过对主要失效模式方程线性化研究，计算失效模式安全余量之间的相关系数，寻找主要失效模式，通过对主要失效模式方程线性化研究，计算失效模式安全余量之间的相关系数，最后用PNET法计算出结构系统的失效概率，同时给出多随机变量的结构系统可靠度的敏度表达式，采用最佳矢量法，求解了大型桁架结构系统基于可靠性指标约束下的最小重量的优化设计问题，最后，给出了实际算例，计算结果表明；采用随机有限元法能更好地考虑结构系统的多个随机变量对系统可靠性产生的影响；所采用的可靠性分析方法和优化方法是有效的。     

基于大规模并行D-W分解算法的空中交通短期流量管理模型研究

针对空中交通短期流量管理问题,给出了整机型的空中交通短期流量管理模型(ST-TFMP)。运用大规模并行的D-W分解算法,结合数据仓储技术,快速解决了航班延误最小问题。同时对算法的计算性能进行了计算估计和实验分析。通过对实际终端区流量进行仿真计算,仿真结果验证了本文提出的并行算法的合理性。     

风力机叶型增升技术

介绍了利用栅片改善风力机叶型大迎角下气动性能的研究结果。通过对风力机专用翼型的数值模拟,研究了栅片对翼型流动分离的控制效果,并在数值模拟结果的基础上对栅片进行基因算法优化。优化过程采用多岛基因算法,以N-S方程为控制方程,以升力最佳为目标,对栅片进行多参数优化。结果表明:栅片可以有效控制翼型的失速特性,抑制翼型大迎角下的流动分离,推迟失速攻角和增加升力;基因优化算法能更大地提升栅片的控制效果。     

一种变速风力机全风速范围发电策略

由于风力机系统复杂的机械阻尼和大惯量等强非线性因素的存在,增大了控制策略设计与实现的难度。同时,对于变速风力发电系统而言,风力机的转速控制器设计是实现发电控制策略的重要环节。本文首先分析了定桨距变速风力机全风速段的发电策略,针对传统方案所存在的问题,提出了新型的控制策略,该策略在不同运行状态之间的过渡过程迅速平滑,有效降低了系统的动态载荷;其次,基于现有的风力发电系统分析了定桨距风力机的小信号模型,推导了风力机系统的传递函数,并为转速控制环设计了P ID控制器;最后,通过仿真和实验,验证了全风速段发电策略的可行性和有效性。     

三维大规模地形的实时显示与渲染

利用真实地形数据，基于四叉树的LOD算法，即利用视点相关和地形本身的起伏度相关技术确定地形应有的细节程度来绘制大规模三维地形。并根据真实航片和地形高程值分别生成真实和模拟的地貌纹理，计算出地形阴影贴图，产生阴影效果。在保证渲染速度的前提条件下，有效地提高了场景的视觉真实程度。     

一种可逆加密算法在MIS中的应用

随着信息技术的发展，安全问题变得越来越重要。本文运用数论的有关定理和随机函数，设计了一种可逆的加密方法，这种加密方法的密匙由随机数确定，因而同一密码多次执行可以得到不同的加密串，不易被破密，适合在小型MIS中推广。     

医学图像光线投影体绘制中重采样快速算法研究

光线投影算法是体绘制算法中图像效果比较好的方法,但存在运算量大,绘制速度慢的问题,如何提高重采样速度是加速光线投影算法的关键。本利用重采样点在两坐标系中的矩阵变换特性,减少矩阵运算量,同时结合三维数据场在像平面的投影减少光线投影数目;利用包围盒技术避免对空体元的采样,并且通过将Bresenham算法扩展至三维确定每个重采样点所在体元的编号。实验结果表明,本提出的重采样优化算法成像速度比标准光线投射算法快2—3倍,而成像的质量与标准算法基本没有区别。本提出的算法,既能保证绘制质量,又能显减少计算量,提高体绘制的速度。     

一种基于多维空间超球体的快速聚类算法

提出了一种基于多维空间超球体的快速聚类算法。这种算法结合密度聚类和层次聚类两种思想。首先利用密度聚类方法将小范围内的数据对象聚合成超球体,然后再按照层次聚类中的凝聚思想,根据超球体之间的位置关系产生最终聚类。实验表明,该算法对于数值型数据集不仅在效率、噪声敏感性等方面均有较好的表现,同时还可以通过诸如“双环测试”等带有刁难性的特殊测试集。以往,常常简单的以距离来刻画的数据间“相似性”,而所提出的快速聚类算法则改由超球体之间连接的紧密程度来描述这种性质。实验表明,这种修改使得算法的性能得到了很好的改善。