试车数据驱动的涡轴发动机起动过程模型辨识

针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明:得到的辨识模型输出参数,如燃气发生器转速n_g、输出轴转速n_r和涡轮后温度T₄都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。     

考虑局部遮挡的太阳能无人机能源控制

针对太阳能无人机在飞行状态下可能出现的太阳能电池局部遮挡情况,开展相应的太阳能电池最大功率点追踪算法和能源控制研究。通过将发光亮度引入相对吸引力计算过程对萤火虫算法进行改进,实现了局部阴影情况下太阳能电池最大功率点的高效追踪。以此为基础,设计了考虑局部遮挡情况下太阳能无人机的太阳能电池/蓄电池混合能源状态机控制规则。以"蒲公英I"无人机为例,建立了太阳能电池阵列模型,开展了考虑局部遮挡情况下太阳能电池最大功率点追踪仿真实验;基于"蒲公英I"飞行剖面,开展了考虑局部遮挡情况的混合能源控制仿真试验。研究结果表明：改进的萤火虫算法可以实现在局部阴影情况下太阳能电池最大功率点的有效跟踪,与萤火虫算法相比收敛时间更短、且功率波动幅度更小;采用改进萤火虫算法和状态机能源管理策略,在考虑局部遮挡的飞行状态下可以实现太阳能电池/蓄电池之间的合理功率分配与控制。     

基于IFA-HFS的雷达波形域LPI性能评估方法

针对雷达波形域低截获（LPI）性能评估的问题，提出一种应用改进萤火虫算法（IFA）求解指标权重的犹豫模糊集（HFS）评估方法。首先，介绍基于逼近理想解排序（TOPSIS）的犹豫模糊集理论，并从属性和方案2个角度构建指标权重的优化模型；其次，通过引入混沌理论，解决了萤火虫算法容易陷入局部最优的问题，给出用IFA求解指标权重的流程；再次，从雷达发射方角度，提取脉内、脉间5个波形域LPI性能评估指标；最后，得到利用IFA求解指标权重的犹豫模糊集评估方法。选取4种不同类型的雷达进行仿真对比，获得波形域LPI性能排序，验证了方法的快速性和有效性。      

在太空，我们可以听到声音吗？

一些科幻电影告诉我们，在太空，我们是听不见声音的。“在外太空，没有人能听到你的峙．声尖叫”就是电影《外星人》里面最时髦的—句话；电视剧《萤火虫》在表现外太空射击的时候，也没有使用任伺声音效果。但是。在《星球大战》和《星际迷航》等电影中。     

科学大争论——生命能否自发产生？（上）

人类很早就知道，生物靠繁殖产生下一代。但是在古代，几乎所有的文化中都流传着某些生物，特别是低等的、龌龊的生物，在一定的条件下能够自发产生的说法。人们普遍相信腐烂的肉会变出苍蝇和蛆，朽木会自己长出蛀虫，汗会生出虱子，海底的烂泥会生出鱼，地里的烂泥会生出青蛙和老鼠……中国古代除了有“肉腐出虫，鱼枯生蠹”这种比较普通的说法外，还有“腐草为萤”的浪漫传说，甚至李时珍在编写《本草纲目》时，还一本正经地把萤火虫是从腐草化生的当成事实来讲。     

涡轴发动机高精度实时部件级模型研究

提出了基于神经网络的涡轴发动机共同工作方程求解方法。在基于牛顿-拉夫逊迭代法求解共同工作方程的模型上采集离线训练数据,以共同工作方程迭代求解前的残差为输入,迭代收敛后的共同工作方程猜值修正量为输出,训练BP神经网络,对共同工作方程进行求解。采用变缩放因子的萤火虫算法优化神经网络参数,提高了猜值修正量的预测精度。在飞行包线的某一区域内,采集额定发动机在直升机前飞过程的数据进行神经网络离线训练,并将网络参数代入部件级模型对共同工作方程进行求解,在训练数据采集区域附近的爬升状态、远离训练数据采集区域的前飞状态下进行测试,计算模型输出与牛顿-拉夫逊迭代算法模型输出的偏差,与一次通过算法相比,本文提出方法模型输出最大偏差约为一次通过算法的1/34到1/4,模型运行耗时约为一次通过算法的2/5,验证了算法的有效性。     

西科斯基研究“萤火虫”全电动直升机

“萤火虫”全电动直升机演示验证机是西科斯基公司于2010-2011年开展的一项技术创新计划,预计在今年完成相关验证飞行。该机采用了高效率的电动机和数字式控制器、安全高效的高密度储能系统、自动监测和预警技术以及先进的飞控系统。西科斯基公司希望藉此开启载人全电动直升机的新时代。     

基于萤火虫算法的磁信标自主定位方法

传统定位和跟踪应用(如雷达和GPS等)受天气、地域的限制,无法适应室内、地下、水下等应用场合,对此研究了一种低频磁信标定位方法,可穿透土壤、岩石、海水、建筑物和许多其他类型的介质,不受恶劣的天气条件或昼夜变化的直接影响,在许多室内和室外环境中应用十分方便。针对传统磁信标定位存在的问题,分析了分离式磁信标定位的原理,给出了萤火虫算法在磁信标定位中的数学模型,提出了一种基于萤火虫算法的磁信标自主定位方法,该方法适应性更强,更易于工程实现,最后通过仿真和实验验证了该方法的可行性。     

基于智能优化箱粒子滤波的移动机器人FastSLAM

针对传统FastSLAM算法需要大量粒子构建地图导致计算复杂度高、难以提高估计精度等问题,研究构建了一种基于智能优化箱粒子滤波（IOBPF）的移动机器人FastSLAM算法。首先,将萤火虫算法（FA）的动态寻优机制引入箱粒子滤波（BPF）,建立了箱粒子的荧光亮度更新公式、吸引度计算公式和位置更新公式,使箱粒子集智能化地向高似然区域移动,避免了箱粒子的退化现象。然后,以改进的智能优化箱粒子滤波进行机器人位姿估计,并采用扩展区间卡尔曼滤波（EIKF）完成地图的构建和更新。移动机器人的模型仿真和实体实验结果表明:所提智能化FastSLAM算法可有效提升箱粒子的性能,并降低地图构建所需粒子数,从而显著提高FastSLAM的定位精度和地图构建的鲁棒性。      

基于萤火虫算法的CFRP材料铣削刀具结构优化

为了提高CFRP零件的加工表面质量和刀具寿命,针对其铣削加工的刀具结构进行了优化。设计了刀具结构参数与CFRP材料铣削加工表面粗糙度、后刀面磨损量之间的正交试验。应用极差分析法分析了刀具结构参数对CFRP材料加工表面粗糙度、后刀面磨损量的影响规律,并应用多元线性回归法建立了刀具结构参数与表面粗糙度、后刀面磨损量之间的数学模型。基于此模型,采用FA萤火虫算法,优化了刀具的结构参数,并进行了实验验证。结果表明:在试验参数范围内,刀具结构参数对于CFRP工件铣削表面粗糙度的影响程度依次为:后角、螺旋角、前角。当刀具的后角、螺旋角和前角增大时,工件的表面粗糙度都呈减小趋势,但减小的快慢程度不同;刀具结构参数对于后刀面磨损影响程度依次为:后角、螺旋角、前角。当刀具后角增大时,后刀面磨损量迅速上升,当螺旋角增大时,后刀面磨损量减小,当刀具的前角增大时,后刀面磨损量先减小后增大。采用FA萤火虫算法优化后的刀具结构对CFRP材料进行铣削实验,实验结果值与建立的模型预测值误差较小,表面粗糙度的误差率为3%,刀具后刀面磨损量的误差率为7.6%。