基于多参数稳定分布的GBAS垂直保护级计算

针对全球导航卫星系统(global navigation satellite system, GNSS)的地基增强系统(ground based augmentation system, GBAS)的完好性评估过程中, 使用误差包络理论计算保护级(protection level, PL)时, 误差模型存在的“厚尾”“不对称”“非零均值”等问题, 提出了基于稳定分布的误差包络理论。首先给出了高斯包络理论计算PL的模型; 其次推导了两参数与四参数稳定分布误差包络算法; 最后使用仿真数据和通过实验测得的数据, 对多参数稳定包络模型的算法进行评估。结果表明多参数稳定包络法在相似的计算复杂度下, 解决了高斯包络法建模时过于保守的问题, 显著提高了保护级计算的精确性。     

一种改进大步长静力隐式有限元接触搜寻算法

大步长静力隐式有限元方法具有快速的计算速度和较高的计算精度,在金属板料的成形模拟领域中得到了广泛的应用.在接触搜寻阶段,由大步长引起的大量历史接触信息改变的特点使接触搜寻问题变得更困难,因此有必要针对该问题设计一种高效稳健的搜寻算法.基于主从面法的思想,提出了一种结合位置码法和ADT(Alternating Ditigal Tree,交替数字二叉树)法的改进接触搜寻算法,并集成到自主研发的QuickForm软件中;通过数值算例对该方法的计算性能进行了测试.结果表明:改进算法具有良好的搜寻性能,平均搜寻效率提升了20%左右.     

基于退化特征相似性的航空发动机寿命预测

针对航空发动机结构复杂、性能退化参数众多、寿命预测精度低等问题,提出了一种基于退化特征相似性的寿命预测方法。首先通过基于Relief算法的退化特征筛选、基于主成分分析(principal component analysis,PCA)的特征提取和基于核函数的特征平滑,提取低维正交多变量退化特征;然后进行特征的相似性匹配,寻找与当前样本特征片段最相似的一组历史样本中的特征片段集合,将这些片段对应的RUL信息融合并采用密度加权方法得到当前样本的寿命预测估计值;最后通〖JP2〗过美国国家航空航天局(national aeronautics and space administration,NASA)提供的航空涡轮扇发动机仿真数据集验证了该方法的有效性,其寿命预测性能高于现有几种代表性方法。     

基于深度学习的牙刷姿态识别方法

针对牙刷分拣中的定位问题,在确定牙刷位置的基础上采用深度学习实现牙刷姿态识别.对牙刷图像进行去噪增强,通过阈值分割提取感兴趣区域,计算图像的几何矩获得牙刷的方向角和外接矩形,以外接矩形的中心作为牙刷位置.用矩形框内的牙刷图像训练残差网络模型,当模型正确率达到要求时保存该模型,用于判断图像中牙刷的姿态.测试结果表明,该方法可以快速准确地实现牙刷的位置确定与姿态识别,为机器人分拣提供牙刷位姿信息.     

科学探索全宇宙的最优方法:一个超大系统仿真的宇宙物质反设计工程

针对人类实现最终科学研究目标,该文提出了科学探索全宇宙系统的最优方法:基于超大规模系统-云-并行数字仿真的宇宙物质反设计工程。首先,该文建立了全宇宙物质系统反设计方法,包括:数学模型是全宇宙物质的统一基理与统一数值仿真算法,以及相应大系统反设计数字仿真的方法及系统仿真计算步骤与流程图。即未来科学研究可通过超大系统数字仿真,寻找到宇宙物质的最根基要素,最后进行物理实验对该系统仿真结果作检测验证。这是人类代价最小并速度最快地实现最终科学研究目标的研究技术方法。然后,分析了该超大系统反设计的数字仿真方案的优点与可能存在的问题,认为超大系统数字仿真是目前科学探索全宇宙系统的第一优方法,因为该物质反设计可以回避开历时上亿年来人类及其祖先传统科学研究中存在的根本缺陷。因此,基于超大规模系统-云-并行数字仿真的全宇宙物质系统反设计的方法,在探索速度、探索效率、探索所需付出的代价等因素上,明显优越于人类传统自然科学探索方法,可以实现科学探索是有止境的,科技创新有止境的,是科学探索全宇宙的最优方法。     

基于作战环的导弹武器系统体系相对贡献率评估

基于作战环理论,从节点、边、环等层次建立武器装备体系作战网络模型,并结合蒙特卡罗方法,提出一套高效的体系相对贡献率评估方法。针对典型作战想定,研究两种导弹不同发射数目对突防和毁伤概率的影响。仿真结果表明:导弹的突防概率随着发射数目的增加而显著增加;当导弹发射数目超过6枚时,目标毁伤概率高达95.3%以上,基本达到饱和;导弹I₂作战效能明显比导弹I₁高；当发射导弹数量小于等于3枚时, I₂的体系相对贡献率达到133.3%以上。     

基于神经网络动态优化的再入轨迹设计

为解决当飞行器出现破损以及飞行器受干扰时的轨迹优化问题,新一代的再入式飞行器需要有实时在线轨迹优化的能力。神经网络动态优化算法(neural dynamic optimization,NDO)的主要特点是能使神经网络逼近最优解。神经网络动态优化算法可以避免传统的间接法在求解轨迹优化问题时协态变量初值猜测问题。给出了神经网络动态优化的原理,详细介绍了优化流程。仿真结果表明神经网络动态优化算法可以很好的避免协态变量初值猜测问题,具有较强的鲁棒性,能满足实时性要求。     

基于案例推理和灰色关联的直觉模糊决策分类模型

针对现有直觉模糊决策方法中指标权重的确定往往仅根据决策矩阵的数据而不考虑决策背景这一缺点,提出一种基于灰色关联和案例推理的分类模型.首先提出一种基于直觉模糊数的灰色关联公式,在此基础上构建基于案例推理的数学模型寻求最优权重以及分类半径,依据最优权重和分类半径对各个方案进行决策.本文提出的分类模型既考虑了专家的主观判断又根据决策矩阵数据,克服了上述缺点.最后通过案例说明了本文方法的合理性和可行性.