高原机场中断起飞决断速度计算与分析

针对现有的飞行理论对中断起飞决断速度计算研究不足并且计算方法单一的问题,利用Matlab/Simulink仿真平台构建了中断起飞距离计算模型,通过计算不同飞行条件下不同故障速度的中断起飞距离,得到大量的训练样本。建立三层神经网络模型,以飞行条件和中断起飞需用长度为输入量,故障速度为目标量,对神经网络模型进行训练,直到均方差达到要求。将神经网络运算结果、仿真平台运算结果、手册数据进行对比,证明了提出的利用神经网络计算起飞决断速度的方法是有效的。利用神经网络,对海拔高度、飞行质量、温度、风速、跑道可用长度变化对中断起飞决断速度的影响进行了分析,给出了相关曲线。本文使用的神经网络方法精度较高,计算也比较便捷,可以应用到其它机型在不同条件下的中断起飞决断速度计算中,具有一定的实用价值。     

战术飞行机动动作仿真设计与实现

针对数据链飞机模拟器中飞行平台轨迹的终端实时显示问题,以飞机动力学运动方程为基础,构建了盘旋机动和斤斗机动过程的轨迹方程,并给出了机动动作设计的一般流程。通过建立基于时间戳的自适应交互多模(AIMM)时延补偿模型,使飞机动作显示与实际作战网络负载下的飞机状态保持同步。最后设定2种机动动作场景,对飞行机动轨迹予以演示，验证了所设计的可视化平台能有效模拟飞机进行盘旋和斤斗机动,实现了地面指挥所对模拟飞机飞行状态的实时监视,为空战仿真模拟训练奠定基础。     

发动机特性反算研究

通过飞行试验得到的飞机机动性能,以及风洞试验得到的飞机气动性能,在常规飞机机动性能计算程序的基础上,提出了发动机高度速度特性反算计算模型,在这一模型中还包括一个将飞行试验测试数据转换模型,和发动机安装特性计算模型。对现役某些飞机进行模拟仿真,并与相应匹配的发动的高度速度对比表明,该计算模型合理。对以后通过飞行试验为发动机定型提供了新的理论依据,具有较好的工程应用价值。     

无人机指令生成器设计

如何将以时间、位置描述的期望航迹或战术机动转化为可以实时跟踪的以速度、姿态指令描述的期望机动轨迹,是无人机设计的难点之一.针对这一问题,提出了一种采用三自由度质点动力学飞机方程,通过建立机动动作规则库,利用机动动作设计指令生成器方法,将描述航迹的时间、位置信息或战术需求转化为无人作战飞机期望的油门、法向过载、航迹角、滚转角信息,直接作为轨迹跟踪回路的期望指令.在机动动作的设计过程中考虑了飞机的飞行性能以及飞行动态的影响,生成的期望控制指令合理可实现.仿真结果表明:该方程实时有效,生成的控制指令易于跟踪,可应用于无人机指令生成器设计.     

材料非线性问题的遗传算法与神经网络耦合分析

基于遗传算法的全局最优化功能以及BP网络的非线性映射功能，提出了用于结构非线性分析的遗传算法与神经网络耦合分析方法。该方法是利用遗传算法的全局优化功能搜索BP网络各神经元之间的连接权值。以受内压的厚壁圆筒为数值算例，利用建立的遗传算法与神经网络的耦合分析方法进行弹塑性分析。计算结果表明该方法是有效的，具有较高的计算精度和计算效率。     

锥形弹体侵彻过载分析

为研究锥形弹体侵彻过程中的过载特性,在新的侵彻近区速度场基础上,得到了锥形弹体侵彻过程中受到的阻力表达式,以及推广到多层介质中的阻力表达式。利用运动微方程建立了弹体在单层与多层介质中侵彻的过载计算方法,并将计算结果与国内外实验数据进行了对比。锥形弹体侵彻多层介质的过载时程曲线表明,过载的大小及其下降速率与侵彻速度和靶体强度有关。弹体以残余速度侵入下层介质时,若此层介质的强度大于前一层介质时,则会再次出现一个过载峰值。     

一种新型大过载飞行模拟器运动仿真分析

提出一种新型的基于绳牵引并联机器人技术的飞行模拟器,针对其大过载机动特性进行仿真分析。首先根据绳牵引并联机器人理论,设计了9根绳牵引具有6自由度的运动平台;通过建立平台动力学模型,设计了对干扰项进行补偿的前馈PD控制率;其中前馈项主要确保动态过程中绳索处于张紧状态。进一步给出了系统控制稳定性分析;并以大过载机动和单自由度俯仰振荡运动为例进行了数值仿真。分析结果表明,在大过载机动情况,瞬时正加速度超过4 g,平台位置能够迅速衰减并稳定;基于绳拉力前馈,可以避免绳索松弛,能够满足飞行员过载训练;俯仰运动也具有较好的跟踪特性。研究成果可为进一步分析工作空间、动态特性及控制稳定性等奠定基础,为绳牵引并联支撑的飞行模拟器设计提供指导与依据。     

民用运输类飞机最小操纵速度试飞对比研究

根据运输类飞机适航标准中CCAR25.149条最小操纵速度的型号合格审定试飞要求,对民用运输类飞机在适航取证过程中需要通过试飞验证的三种最小操纵速度考察的飞行阶段、试飞限制条件及要求、试飞方法等进行了对比分析研究,最后结合分析结果给出试飞计划安排。可供民用运输类飞机最小操纵速度适航试飞参考。     

遗传算法与小波神经网络在ET_0预测中的应用

ET_0是计算作物需水信息的重要依据,对于发展精准灌溉、制定中长期的农业用水策略具有重要的指导意义。选择将P-M公式的计算值为ET_0标准值,利用SPSS软件对多种气象数据进行相关性分析并以最高气温、最低气温、日照时数和相对湿度作为输入因子,采取小波神经网络将归一化的历史ET_0标准序列分别进行高低频带的预测,建立结合遗传算法优化小波神经网络的ET_0预测模型。通过仿真对比,基于遗传算法优化的小波神经网络与未采用遗传算法优化的小波神经网络相比具有更高的精度和更快的收敛速度,其中的小波算法能有效处理ET_0序列在预测过程中的周期非平稳特性。经实验样机平台验证遗传算法优化小波神经网络在作物需水预测中具有良好的性能,模型能够为精准灌溉、农业中长期需水决策提供指导作用。     

手写数字识别中组合式神经网络的构建方法

将聚类技术和遗传算法相结合, 提出一种基于相似度传播算法和遗传算法的神经网络集成方法应用于手写数字识别问题. 先分别利用主成分分析和Fisher线性判别分析对数据集进行特征提取, 得到两类特征数据集, 再利用Bagging方法分别为这两类特征数据集训练简单的BP神经网络, 然后采用相似度传播算法对这些BP神经网络进行聚类, 找到作为类簇中心的网络(中心网络), 最后利用遗传算法对所有中心网络的权值进行训练, 将中心网络进行加权线性集成作为最终分类器. 在标准手写数字数据集MNIST上进行测试的实验结果表明, 该方法的识别率优于单个神经网络的识别率, 并兼顾了分类效率.     

基于改进NSGA2的航空运输优化

为了降低航空运输过程中产生的燃油成本,同时最大程度地满足指挥人员提出的保障需求,根据运输飞机在行动中需要运输的人员物资数量及目的地位置,建立追求航次最小飞行成本并考虑时间约束的飞行速度优化模型,运用改进的带精英策略的非支配排序遗传算法(NSGA2)对飞行速度进行优化选择。设计算例实验,比较其与传统NSGA2算法在计算性能上的区别,用以验证结合了修饰算子与改进的初始解生成策略的算法的有效性。结果表明,改进算法的求解精度和准度均能达到要求,且在相同精度上改进的NSGA2算法能够节省25.38%的时间,显著改变飞行速度优化的结果,提高了航空运输的效率。     

基于速度分配的航空器绿色滑行优化

针对航班量过快增长以及机场容量限制导致的机场滑行道拥堵问题,在航空器滑行路径优化的基础上,提出一种基于遗传算法和Yen算法的速度优化方法。首先规定速度变化剖面,以滑行时间和尾气排放为目标,以最大滑行速度和加速度为决策变量,考虑机场滑行规则和滑行限制设定约束条件,建立滑行路径和速度的优化模型;然后利用Yen算法对浦东机场16架航空器的滑行路径进行预筛选,为每个航空器分配3条路径;最后利用遗传算法进行仿真求解,依据最小滑行成本得到最优的滑行路径和速度分配方案。结果表明,优化后的滑行时间降低21.82%,尾气排放降低27.17%,滑行成本降低25.77%,且未产生冲突。可见本文建立的优化模型和方法对提高场面运行效率和减少航空污染具有一定的可行性。     

四旋翼飞行器PID优化控制

针对四旋翼飞行器具有非线性,强耦合性,多输入的欠驱动系统的特点,研制出既能精确控制飞行器姿态,又具有较强抗干扰和环境自适应能力的控制器。为了达到更好的飞行效果,采用了传统的PID控制算法,但实际应用中需要对PID参数进行优化,提出改进的PSO算法和遗传算法相结合的优化控制方法。为了优化PID参数,首先对飞行器进行动力性建模,再利用改进的PSO算法和遗传算法作PID参数优化。仿真和飞行实践的数据表明,相对于标准的PSO算法,飞行器有更好的鲁棒性和控制效果。     

基于遗传算法的神经网络油水层识别

文章研究了基于遗传算法的神经网络油水层识别方法,针对神经计算存在因输入信息空间维数较大而使网络结构复杂、训练时间长,以及因冗余属性使网络拟合精度不高等缺点,提出了基于粗集属性约简方法降低了输入信息的空间维数、减少了运算量和简化了神经网络的拓扑结构,利用遗传算法提高神经网络的训练速度。实验结果表明:将混合智能计算方法应用于油水层识别中效果显著,其学习训练速度和拟合精度远优于传统BP神经网络算法。     

基于SOA-BP神经网络的SLS成型件精度预测模型

针对选择性激光烧结(selective laser sintering,SLS)成型件精度难以控制以及工艺参数优化实验成本高等问题,提出了一种利用人群搜索算法(seeker optimization algorithm,SOA)优化BP(back propagation)神经网络对SLS成型件精度预测的方法。首先选择激光功率、预热温度、扫描速度、扫描间距以及分层厚度五个工艺参数设计正交试验获取样本数据。然后根据SOA算法特有的利己、利他、预动和不确定推理四大行为确定搜索策略,获取BP神经网络最优权值和阈值。最后采用MATLAB建立优化后的BP神经网络预测模型对样本数据进行预测分析,并与传统BP神经网络和粒子群算法(particle swarm optimization,PSO)优化的BP神经网络预测结果进行对比。结果表明:基于SOA-BP神经网络的预测模型具有较高的预测精度,最大绝对误差仅为0.028,对SLS成型件精度的提高和工艺参数的选取具有指导作用。     

基于LSTM的落速控制最优制导策略研究

针对高超声速飞行器末端速度控制的需求,在落角约束最优制导律的基础上,对制导律的量纲一过载特性进行分析,证明了通过调节制导参数,能够对飞行末端速度产生影响;进而提出了制导律末速控制的策略,并基于此提出了对气动偏差适应的制导律在线设计方案;采用LSTM深度神经网络,进行了制导律参数在线设计算法的实现;最后进行了弹道仿真,对所设计的制导参数在线设计算法进行验证. 仿真结果表明其在保证末端命中精度和落角满足指标要求的前提下,对弹道的末端速度控制能力有显著提升.      

基于改进微粒群算法的飞机纵向飞行轨迹优化

为提高飞机纵向飞行轨迹优化的精度和收敛速度,提出了用改进的微粒群算法对飞机纵向飞行轨迹进行优化的新方法。基于质点动力学和能量状态方程,建立了飞机质点运动数学模型;利用庞特里亚金最小值原理,给出了飞机纵向飞行过程优化的目标方程;引入自适应惯性因子,采用罚函数法对轨迹寻优问题进行无约束化处理,基于改进的微粒群算法对纵向飞行轨迹进行了优化,并给出了算法优化流程。使用改进的微粒群算法,得到了Boeing 737-800飞机纵向飞行最优轨迹。优化结果与试验结果的比较表明,该算法可使纵向飞行轨迹快速收敛于最优解,算法具有收敛速度快、精度高的优点。     

木糖醇发酵液脱色的优化工艺

根据木糖醇发酵脱色实验,借助均匀设计法,确定人工神经网络的隐层神经元数、学习速度和动量因子等模型参数,构建一个能用于预测、优化木糖醇发酵液脱色过程的３层数学模型（５－８－１）,并通过遗传上算法寻优,获得效果更好的脱色工艺。     

基于深度学习神经网络和量子遗传算法的柔性作业车间动态调度

针对柔性作业车间动态调度问题构建以平均延期惩罚、能耗、偏差度为目标的动态调度优化模型,提出一种基于深度Q学习神经网络的量子遗传算法。首先搭建基于动态事件扰动和周期性重调度的学习环境,利用深度Q学习神经网络算法,建立环境■行为评价神经网络模型作为优化模型的适应度函数。然后利用改进的量子遗传算法求解动态调度优化模型。该算法设计了基于工序编码和设备编码的多层编码解码方案;制定了基于适应度的动态调整旋转角策略,提高了种群的收敛速度;结合基于Tent映射的混沌搜索算法,以跳出局部最优解。最后通过测试算例验证了环境-行为评价神经网络模型的鲁棒性和对环境的适应性,以及优化算法的有效性。