基于“时间-特征”协同注意力的机场快轨客流预测

机场快轨客流的准确预测是实现机场轨道交通系统智能化、精细化、高效化管控的基础,对提升机场服务水平和运行效率有着重要意义。由于影响因素众多、相互耦合,且因素对客流时序影响机理复杂,机场快轨客流的准确预测极具挑战。提出了一种基于“时间-特征”协同注意力机制的机场快轨客流预测模型,实现了精准捕捉多维因素在不同时序上对机场快轨客流的影响。基于北京首都国际机场快轨实际客流数据进行实验,结果表明了所提方法的有效性。      

无人机辅助车联网的无人机部署算法

针对无人机辅助车联网的无人机部署问题,分析了基于时延和回传链路的能效无人机部署策略的性能。该策略从车联网的数据传输时延和回传链路角度优化无人机的部署,进而最小化无人机的功率消耗。先面向车联网网络,推导了基于单个用户速率的时延约束函数,并构建基于无人机离基站距离的回传链路容量函数;再构建基于时延和回传链路容量函数的目标函数。最后,利用序列二次规划求解目标函数。性能分析表明,通信数据包尺寸是影响时延的重要参数。此外,在低时延和数据尺寸较大时,车辆用户的总速率之和收敛于回传链路容量。     

基于Bang-Bang控制思想的迭代学习控制算法研究

根据迭代学习控制基本原理,吸取了Bang-Bang控制的思想,提出了新的迭代学习控制算法。与常用的利用迭代误差或误差变化率进行控制率计算的算法相比,该算法只需根据迭代误差的符号即可计算控制率,不仅大大减小了计算工作量,而且增强了系统的抗干扰能力。给出了算法表达式和控制结构图,进行算法收敛性分析。仿真结果表明该算法的有效性和收敛性。     

基于迭代学习控制的导弹PID控制器参数寻优

针对设计导弹PID控制器时存在的对比例、微分、积分3个控制参数大量盲目试凑的问题,利用迭代学习算法对控制参数进行自动寻优,最终得到最佳控制参数,从而实现了对PID控制器参数自动寻优的目的,简化了控制器的设计过程。通过仿真结果验证该方法在PID控制器参数自动寻优上是有效的,同时也为导弹控制器参数整定提供了工程适用的方法。     

基于最小二乘支持向量机的普通高校招生人数预测研究

近年来普通高校的发展速度与规模,使社会大众兴起了对教育质量与总量的关注。普通高校招生数预测是制定教育政策的重要依据。针对中国文化教育的特征,在统计学习理论和结构风险最小化原理的基础上,建立了基于最小二乘支持向量机的时间序列预测模型。预测结果表明该模型具有较高的预测精度,为普通高校招生数预测提供了一条新的途径。     

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.     

多段翼型绕流的数值模拟研究

采用C—H型混合的结构化网格,选用Wilcox提出的k-ω模型求解可压的N-S方程,模拟了多段翼型的流场。结果表明：在4°和6°迎角下的非定常计算结果与试验结果的对比,计算结果与试验值吻合的较好。本文应用了亚迭代时间法,正确地描述了30P30N多段翼型前缘结构区域的流动特征和流动机理。     

介质涂覆位置对球面收敛喷管电磁散射特性影响

外形设计和隐身材料使用是缩减目标雷达散射截面积(RCS)的两种常用方法。为了研究雷达吸波材料(RAM)对于球面收敛矢量喷管(SCFN)的RCS减缩效果,采用引入阻抗边界条件后的迭代物理光学(IPO)法,研究了球面收敛二元喷管及8种吸波材料涂覆方案的电磁散射特性,并获得了X波段下9种模型的后向RCS随探测角度的变化规律。研究结果表明:吸波材料涂覆可以有效地缩减球面收敛喷管的RCS;合理的涂覆方案可以在保证RCS缩减效果的基础上,降低吸波材料的使用量;相比全涂覆方案,仅在喷管出口和球面段进行涂覆,可以在吸波材料减少30%使用量的情况下,达到全涂覆方案80%的缩减效果。     

基于在线滚动序列核极限学习机的涡轴发动机非线性模型预测控制

针对涡轴发动机控制系统设计,提出了1种基于在线滚动序列核极限学习机的非线性模型预测控制方法。综合考虑直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速、涡轮级间温度和压气机喘振裕度等信息,设计具有较好实时性、精度和泛化能力的多输出在线滚动序列核极限学习机作为预测模型,引入预测模型输出与发动机输出的误差进行反馈校正,利用序列二次规化算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合平台的仿真环境中进行了直升机大幅度机动飞行仿真验证,结果表明:该模型预测控制器相比于传统串级控制具有更好的控制品质,可显著降低动力涡轮转速超调/下垂量。     

基于直升机/涡轴发动机综合仿真平台的发动机非线性模型预测控制

 基于具有可靠置信度的直升机/涡轴发动机综合仿真平台,研究了涡轴发动机带约束优化的非线性模型预测控制(NMPC)技术。首先通过设计多输出迭代约简最小二乘支持向量回归机(RRLSSVR),训练具有较好实时性、精度及泛化能力的内嵌式预测模型,在高度0~5 km、前飞速度0~75 m/s范围内模型精度达5‰。其次,考虑了扭矩、燃油流量、动力涡轮转速、燃气涡轮转速等综合信息及相关约束对控制效果的影响,利用在线序列二次规划(SQP)算法实现滚动优化控制,而后加入目标转速偏差的积分项以消除静差,保证输出恒定。最后,通过对直升机进行机动飞行大扰动仿真验证了该预测控制器对扰动的抑制能力,相比传统串级PID控制,能够显著降低动力涡轮转速下垂/超调量,达到更好的控制品质。