基于遗传算法的飞机维修拆卸/装配序列规划研究

飞机维修拆卸/装配序列规划是整个飞机产品维修作业的重要组成部分,同时也是飞机远程诊断与远程维修的重要研究内容。针对飞机维修过程中拆卸/装配序列规划问题的特点和要求,本文从维修产品的拆卸/装配过程稳定性、拆卸/装配方向和拆卸/装配工具的改变次数三个方面来设置目标函数,解决了零件数量大的产品规划计算效率不高且没有考虑产品的维修过程稳定性问题。本文开发出了基于遗传算法的飞机维修拆卸/装配序列规划系统,并结合具体产品进行了验证。     

AR模型在时间序列误差分析中的应用

为检测某火控系统的性能,采用统计量分析和AR模型预测相结合来对火控系统实时解算的数据进行分析的一种方法。根据分析结果可以看出,距离误差和航向误差是两种不同类型的误差,距离误差主要是由随机的量测误差构成的,而航向误差主要是系统误差。     

广义时变ARMA序列预测方法

提出一种广义时变ARMA序列预测方法,给出时变序列和广义时变序列的预测公式及其均方误差。该方法能够对均值、方差、自回归系数和滑动平均系数都随时间变化的广义时变序列(或信号)进行分析和预测,可广泛应用于气象、通信、自动控制、结构响应分析和故障诊断等领域。大量计算表明,本文方法与传统方法相比,具有更高的预测精度。      

纤维缠绕复合材料圆环壳线型设计与优化

由微分几何理论，导出了纤维缠绕圆环壳曲面的滑移和架空判据。基于薄膜理论和网格理论，结合圆环壳几何特征，得到了内压作用下纤维螺旋加环向缠绕圆环壳的平衡方程组，给出了均衡缠绕线型的确定方法。以稳定缠绕条件和壳体强度要求为约束，缠绕层最小质量为优化目标，利用收敛效率较高的序列二次规划算法（SQP）求得了不同爆破压强下的各项最优均衡缠绕参数。文中的设计方法真实反映了环壳结构特征和实际工程设计要求，算例表明可直接应用于纤维缠绕环壳的初步设计。     

相关系数平稳序列的估计与识别

本文提出了通过观测序列确定不可直接测得的相关系数平稳序列模型参数的方法,详细讨论了相关系数AR(p),MA(q)和ARMA(p,q)序列状态方程的参数估计,为非平稳序列的滤波、预测和平滑提供了依据。文中还给出了观测系统参数的识别方法,与传统方法相比,本文方法考虑了测量噪声的均值和方差随时间变化情况,具有更高的识别精度。      

基于支持向量机方法的发动机性能趋势预测

为了提高对航空发动机性能趋势预测的精度，提出利用支持向量机方法来预测表征发动机整体性能的参数一性能综合指数。建立了基于支持向量回归的一步及多步预测模型，利用该模型对性能正常衰退及性能异常发动机的综合指数分别进行预测，并与自回归(AR)模型的预测值进行比较。结果表明，基于支持向量机的预测模型比AR模型的预测精度更高，其四步预测精度由80．56％提高到88．51％。因此该模型尤其适合中、长期预测。     

基于Canny边缘检测的Mean-Shift跟踪核窗宽确定方法

传统核窗宽固定的Mean—Shift跟踪算法不能很好地对做复杂运动、尺寸变化的目标进行有效地跟踪,变核窗宽是解决这一问题的途径。图像的边缘表征了目标的重要特征,可以通过提取目标的边缘来确定核窗宽并用于跟踪。基于Canny边缘检测算法确定跟踪窗宽加快了Mean—Shift跟踪算法的运算速度,仿真结果验证了该跟踪算法的有效性。     

直接扩频通信系统中最小误码率准则下的特征相消器

首先研究最小误码率准则下的特征相消器,再由最小化误码率（MBER）准则和约束条件的最小均值输出能量（MMOE）准则之间存在的关系,将MBER准则下特征相消器的设计转化为约束条件的MMOE下的干扰抑制器的设计,并利用子空间跟踪算法实现MMOE准则下的干扰抑制器。仿真表明,采用子空间跟踪算法比同准则下的RLS算法有更低的计算量和更好的抗干扰效果。     

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。     

一个有理递归序列解的性质

文中分析了方程xn＋1=a＋bxn^2/1＋xn-2^2（其中a,6∈[0,∞）,a＋b〉0）的解的性质．并得山①当a=0,0〈b〈2时,方程的每一个解最终严格递减到0;②当b=0,0〈a时,方程的每一个非平凡解关于方程的平衡解振动。特别,当b=0、0〈a≤2时,方程的每一个正解收敛到平衡解x^-上.