遗传算法在车间批量生产计划问题中的应用

随着我国市场经济的发展，高产值已不再是企业追求的主要目标，而准时生产准时交货的（Just in tyime，JIT）生产则成为企业在市场中取胜的必备条件，因而体现JIT思想，与交货期有关的提前／拖期问题成了新的研究热点。本文简要介绍了目前生产计划提前／拖期问题的研究状况，建立了一个该问题的数学模型，在此基础上，应用遗传算法，对交货期窗口下的提前／拖期问题进行了研究，并在计算机上得以仿实现。仿真结果表明，该算法不受问题规模的限制，对于解决大规模复杂的问题更显示出其优越性，为MRPⅡ与JIT思想在车间作业计划上的结合提供了有利工具。     

基于逆虚拟激励法的导弹振动谱设计

针对导弹在延寿试验过程中振动谱设计精度低、与实际载荷剖面差距大的问题,提出一种基于逆虚拟激励法的导弹振动谱设计方法。首先,建立了导弹-悬架系统四自由度振动模型,推导出系统激励响应关系;然后,对系统时域响应数据进行Fourier变换,得到响应功率谱矩阵并对其进行分解,构造虚拟简谐响应;最后,基于逆虚拟激励法求得系统激励功率谱,并讨论了响应噪声及系统阻尼对识别精度的影响。实验结果表明:本文方法对于随机振动载荷的识别精度较高、鲁棒性好,零噪声识别误差为2.39%,30%噪声条件下识别误差为3.21%。本文方法同样适用于其他装备的振动试验谱的设计。     

铝基微结构光栅几何参数反演

微结构光栅是一种广泛应用的电子元件。采用随机微粒群优化(SPSO)算法反演了一维铝基衬底矩形光栅的几何结构参数。首先介绍了严格耦合波分析(RCWA)法和微粒群优化算法的基本原理,并采用RCWA法求解了光栅内电磁场问题;然后根据正问题求得的光栅光谱反射率建立目标函数,并采用SPSO算法优化目标函数,反演得到单槽和双槽矩形光栅的周期、凸脊宽度和凹槽深度;最后分析了种群大小和搜索区间对反演结果的影响。结果表明,SPSO算法可以准确地反演光栅几何结构参数,并推荐种群数取30。     

平衡降阶方法及其进展

大系统模型降阶作为一个理论课题,自60年代末至今日益受到国内外广大控制界人士的关注,提出了大量模型降阶方法。然而,1981年,Moore提出的内平衡实现理论给模型降阶方法带来了一次变革,许多经典方法一旦与平衡理论结合起来,便形成了更加简洁、有效的降阶方法。本文综述了这一领域的现有文献,并指出了若干进一步研究的可能方向,为便于应用,本文还给出了每种典型方法的数字实现过程。     

矩阵特征值反问题的若干进展

给出矩阵特征值反问题若干进展的一个概述。涉及的专题包括含参数的特征值反问题．Ｊａｃｏｂｉ矩阵和实对称带状矩阵特征值反问题和线性（谱）约束下矩阵（束）逼近问题。这些问题出现在各种应用领域，如粒子物理的核光谱光、结构设计、振动反问题、Ｓｔｕｒｍ－Ｌｉｏｕｖｉｌｌｅ反问题和 数学物理反问题的离菜化以及结构动力模型的校正。最近２０年，对这些问题的提法逐渐完善，解的慧生和数值方面已取得了许多重要进展。本文评     

用改进的多普勒中心跟踪法进行ISAR运动补偿

研究逆合成孔径雷达（ＩＳＡＲ）的相位补偿，运用Ｗａｈｅ［１］提出的相位梯度自聚焦（ＰＧＡ）算法改进文［２］的多普勒中心跟踪法（ＤＣＴ），形成了改进的多普勒中心跟踪法（ＭＤＣＴ）。该方法通过循环移位、加窗和迭代等步聚，巧妙地消除了相位补偿中转动相位分量（ＲＰＣ）对估计平动相位分量（ＴＰＣ）的影响。经过几次迭代，可以有效地实现目标ＴＰＣ的最大似然估计和补偿。外场数据处理结果表明这种方法明显改善了成象质量。     

Adams--Cowel方法的扩充及其在人卫中的应用

本文将现有的Ａｄａｍｓ－Ｃｏｗｅｌ方法由求初值问题扩展到求一类边值问题，并将之应用于对同步卫星的轨道测定和预报，仿真与实算结果表明：方法具有独特的使用价值     

应用非线性规划求解异面最优轨道转移问题

研究了一种应用非线性规化求解有限推力作用下异面最优轨道转移问题的方法。采用改进春分点根素形式的高斯行星方程，从庞德里亚金极小值原理出发，将有限推力作用下异面最优轨道转移问题转化为两点边值问题；在考虑边界条件、横截条件及开关函数的前提下，将两点边值问题转化为针对协状态初值等的参数优化问题；最后应用非线性规划方法求解形成的参数优化问题。本方法特点是能得到开关函数从而得到最优发动机开关机逻辑。文章最后通过一个仿真计算，演示了完整的求解过程，验证了方法的有效性。     

一种处理多学科优化问题的通用和有效方法

提出将多学科设计优化问题按单级优化来处理，并利用包络对偶法直接对其进行优化运算。通过对一道测试和评价多学科优化方法有效性的典型算题的计算和求解，显示了该方法处理多学科优化问题具有收敛速度快、计算效率高、并具有通用性等特点。     

基于组字典学习的逆合成孔径雷达成像方法

基于压缩感知(compressive sensing, CS)的逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像方法可以使用非常少的数据来获得高质量的图像。但基于CS的ISAR成像方法中目标场景不准确的稀疏表示限制了成像方法的性能。结合字典学习(dictionary learning, DL)技术的CS ISAR成像方法能够寻找到目标场景图像块的最优稀疏表示,提高成像质量,但每一个图像块被单独考虑,而忽略了彼此之间的相互依赖关系。为了实现进一步提高成像质量的目标,针对ISAR图像分块重建的问题,首次提出一种基于组字典学习(group dictionary learning,GDL)的ISAR成像方法。将具有相似结构的图像块聚类并构建出多个图像块组,利用奇异值分解(singular value decomposition, SVD)从图像块组中学习出最优组稀疏变换字典。学习好的组稀疏变换字典可以寻找到待重建图像块组的最优稀疏表示,进而重建出高质量的目标场景图像。实验结果表明:与现有的CS ISAR成像方法相比,基于GDL的ISAR成像方法能获得更好的成像效果,并具有更高的计算效率。