案例教学在《生物统计》中的教改研究

在生物统计中引入案例教学是课程教学改革的一种有效手段,它对课程建设、改进教学、提高教师和学生的能力都具有十分重要的意义。本文先介绍生物统计目前的教学现状,再结合案例教学特点,解决如何在生物统计的教学过程中实施案例教学以及应注意的事项。     

子空间预测控制中的椭球优化及其应用

为联合系统辨识和控制器设计,在子空间辨识的基础上研究了一种新的子空间预测控制. 该控制方法可自动校正模型预测控制中的系统参数,避免传统的线性二次高斯最优控制中繁琐的设计过程,且不依赖于控制器的任何先验信息. 在带有约束条件时,利用椭球优化来迭代产生一系列体积逐渐减小的椭球序列,该序列最终收敛到一个最优解. 在此基础上推导了椭球优化算法达到收敛时所需迭代次数的一个上界. 以直升机悬停状态为例,利用该文方法设计控制器,验证了子空间预测控制方法的有效性.     

采用多重启发蚁群优化算法的无人机航迹规划

为解决复杂环境下的无人机航迹规划问题,提出了一种多重启发蚁群优化算法.该算法综合考虑无人机当前位置与待选位置之间的距离和威胁分布,以及待选位置与目标位置之间的距离和威胁分布,将这些已知信息构造为蚂蚁状态转移的多重启发信息,指导蚂蚁的搜索行为.文中对多重启发蚁群优化算法的收敛性进行了分析,并针对航迹不可行和任务区域内存在...     

蚁群算法的全局收敛性研究及改进

针对蚁群算法(ACA)寻优性质优良,但搜索时间长、收敛速度慢、易限于局部最优解,从而使其进一步推广应用受到局限的问题,对算法的全局收敛性进行了深入的理论研究,并从改善全局收敛性的角度对算法作了一系列改进,最后对Bayes29这一典型的TSP问题进行了仿真实验。实验结果证明,改进后的蚁群算法具有很好的全局收敛性能。这为蚁群算法的进一步理论研究打下了很好的基础,对其在各优化领域中的推广应用具有重要意义。     

一种改进的蚁群算法用于灰色约束非线性规划问题求解

针对灰色约束非线性规划问题,设计了一种改进蚁群算法．该算法采用了正反馈机制。在对灰色约束非线性规划问题白化处理后,将罚函数方法引入到目标函数中,同时给出了改进蚁群算法的仿真流程．实例应用表明,将改进后的蚁群算法应用于灰色约束非线性规划问题的求解是可行有效的。     

武装直升机火控系统仿真转台的综合性能指标调试策略研究

针对武装直升机火控系统仿真转台的综合性能指标,提出了一种新型调试策略．在推导该仿真转台数学模型的基础上,设计了其控制系统的四闭环结构：电流环、速度环、模拟位置环和数字位置环．调试前首先对测速机、电位计等反馈信号进行校准,内回路前向通道采用了串联超前-滞后校正网络．仿真转台各框架的数字位置量反馈采用二十四位补码格式,而数字速度反馈量解算则采用了三点式数值微分算法,在对反馈信号数字鉴频的基础上,对仿真转台的数字位置环进行了变频前馈补偿．仿真测试实验表明,应用本设计的调试策略所研制的武装直升机火控系统仿真转台幅值误差和相位误差均很小,具有较高的频带宽度和良好的跟踪性能,能够满足各项动静态性能指标要求。     

基于新型MEMS技术的实时飞行仿真系统微控制器设计与实现

设计开发了一种基于新型MEMS技术的实时飞行仿真系统微控制器．首先设计了用以姿态控制、数据采集、控制律解算及接口通讯的微控制器系统的软件和硬件，在软件设计中采用了模块化思想，大大降低了微控制器软件设计的复杂度，同时给出了该软件的流程图．动静态仿真实验表明，所开发的基于MEMS技术的微控制器可完全满足实时飞行仿真系统对实时性和仿真精度的要求，从而验证了该设计方案的可行性和有效性．     

基本蚁群算法的A.S.收敛性研究

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法，虽然该算法已经在众多组合优化领域中得到广泛应用，但是对其收敛性尤其是A．S．（AlmostSurely）收敛性问题的研究还存在很多空白．本文在介绍蚁群算法基本原理的基础上，以Markov链和离散鞅作为研究工具，对基本蚁群算法的A．S．收敛性问题进行了理论证明，把最优解集序列转变为下鞅序列来考察残留信息素轨迹向量的收敛性，随后提出了基本蚁群算法首达时间的定义，并对基本蚁群算法首次到达时间的期望值进行了理论分析．     

虚拟参考反馈校正控制器参数的预测误差辨识

针对未知系统中双控制器的设计问题,采用虚拟参考反馈校正方法,通过最小化由一组观测数据组成的L2范数所构成的代价函数,达到直接设计控制器目的.联合前馈控制器分离出的固定部分和反馈控制器作为滤波器,对原输入/输出关系式进行重参数化,得到标准的预测误差辨识形式,在所得式中,对控制器未知参数矢量采用可分离迭代的非线性最小二乘法进行估算.文中还对算法的收敛性进行了理论分析,并通过仿真验证了所提方法的有效性.     

基于大脑情感学习的转台逆模型补偿控制

针对传统控制方法难以克服飞行仿真转台伺服系统中存在的摩擦等非线性干扰力矩问题,提出了一种基于大脑情感学习(brain emotional learning, BEL)模型的转台伺服系统复合控制方法. 在传统PI反馈控制器的基础上,设计了基于BEL模型的同结构系统逆模型辨识器和前馈补偿控制器. 通过在线辨识系统逆模型来学习BEL模型的节点权值. 理想转台模型的数值仿真和实际转台伺服系统的实验结果都表明：BEL模型学习能力强,能满足实时控制要求,基于BEL模型的复合控制策略能有效抑制摩擦力矩的影响,提高转台系统的跟踪性能.