方坯连铸三维动态凝固模型有限元模拟

方坯连铸三维动态凝固模型能够真实反映工艺参数变化时的温度动态调节过程,考虑数值求解计算量大和计算速度慢等难题,改变铸坯横断面节点和单元网格的人工生成模式为自动生成模式,采用密度函数和网格质量评价函数,控制节点和单元网格及优化网格形状以保证网格划分的合理性;引入单元节点商和节点商及节点最大最小编号为约束条件的优化方法优化节点编号,缩小带宽节约存储空间.仿真结果表明,动态凝固模型采用有限元网格自动生成和优化方法以后具有更高的计算速度和计算精度.     

几何造型中不同目标函数特点研究

曲线的长度最短、能量最小和曲率变化最小等目标函数被广泛应用在曲线曲面造型中。以插值三次样条为例，讨论了这些目标函数产生的曲线的形状、与型值多边形的逼近程度、拐点个数等方面的特点，还对这几种目标函数与它们的近似函数进行了比较。最后讨论了这些目标函数在导矢估计中的应用，通过实例说明曲率变化最小曲线及其近似曲线用于局部估计型值点切线方向时逼近较好。     

基于径向基函数神经网络滑模控制的运动控制系统

针对运动控制系统的非线性动态摩擦力,为提高系统的位置跟踪精度,利用-种径向基函数(RBF)神经网络滑模控制方法.采用一种具有指数形式的非线性摩擦力,利用径向基函数神经网络在线估计系统的不确定动力学,利用李亚普诺夫稳定性理论推导出网络权值的在线自适应律.仿真结果表明了该控制策略的有效性.     

求解非光滑轨迹的自适应网格配点优化方法

针对传统配点法求解非光滑最优控制问题时,网格和配点数目多、非线性方程计算量大、误差大等问题,提出了一种自适应网格和配点优化方法。首先将求解最优轨迹优化问题划分为不同网格中的非线性规划问题,在网格内采用拉格朗日插值多项式对优化问题解逼近,求解出绝对误差和相对误差。然后根据轨迹曲率的大小确定出不光滑处的网格,并根据最大相对误差和容许误差的关系进一步确定网格划分的位置和加密数量;同时,对不满足容忍误差的光滑区间自适应增加配点以提高其求解精度。最后通过仿真实例与传统自适应网格优化方法进行了对比,结果表明,在相同计算精度情况下,本文所需的配点数目和网格数量较少,求解效率较高。     

基于黄金分割法的加速MARS研究

多元自适应回归样条法(Multivariate adaptive regression spline,MARS)是一种专门针对高维数据拟合的回归方法。该方法以样条函数的张量积作为基函数,以样本数据坐标作为可选的节点矢量值,算法过程以失拟度(Lack of fit,LOF)最小为目标优化选择基函数和节点矢量。提出了基于黄金分割的加速MARS算法,引入一维黄金分割搜索算法及计算子区间概念,以提高算法节点矢量和基函数的优化选择效率。最后,四个典型的测试算例验证了所提出的方法在保证模型近似精度的前提下可大幅节省模型构造时间。     

基于增强学习解决随机需求车辆路径问题

针对确定随机需求车辆路径问题的最优策略,存在状态空间"维数灾"问题,基于增强学习函数近似原理,首先,设计了一个径向基函数(RBF),其次,在一给定的控制策略下,将最小平方瞬时差分(LSTD)法确定函数的权系数与交叉熵(CE)法确定隐层节点基函数的参数相结合,通过在线调整,使Bellman残差平方和性能指标达到最小,最后,根据得到的径向基函数,确定最优策略。通过仿真试验,验证了所设计方法的有效性。     

基于状态相依RBF-ARX模型的非线性预测控制及应用

对于一类工作点时变的光滑非线性多变量系统,采用状态相依自回归(state-dependent auto-regressive with exogenous, SD-ARX)模型描述系统的非线性状态特征,用高斯径向基函数(radial basis function, RBF)神经网络近似SD-ARX模型的函数型系数,利用结构化非线性参数优化方法(structured nonlinear parameter optimization method, SNPOM)离线估计模型参数,并以状态信号量引导模型实时反映对象的动态特性,在此基础上设计的非线性预测控制器因避免了在线模型参数估计,可提高系统的实时性,并具有较好的控制效果。对四旋翼飞行器的实验结果验证了建模方法的有效性和控制方法的可行性。     

求解非光滑最优控制问题的自适应网格优化

针对传统直接配点法在求解非光滑最优控制问题时存在离散误差大、精度低的问题, 提出了一种自适应直接配点法。利用局部分段插值多项式逼近最优解, 将最优控制问题离散为非线性规划问题, 并给出了离散误差估计方法, 根据离散误差的大小确定区间内节点的加密量, 提出了自适应网格优化算法, 利用该算法将大部分节点配置在非光滑区域以降低离散误差。最后通过仿真算例将所提算法与传统直接配点法和文献中的拟谱自适应算法分别进行比较,验证了所提算法的高精度和有效性。     

国债市场利率期限结构建模—-负指数立方L1平滑样条

通过对比国内外利率期限结构静态估计模型的优劣, 分析节点数目变化和定位改进B样条函数对利率期限结构静态估计的误差, 构建最小化定价误差的节点组合布局搜索程序, 并引入负指数平滑立方L₁样条优化模型, 将误差函数最小化结构从平方和最小化转化为误差距离最小化, 权衡拟合误差绝对距离最小化与贴现函数波动性约束, 克服B样条函数对节点数目与定位的人工干预和放宽对贴现函数的二阶平滑要求, 保留B样条函数刻画中长期利率波动趋势的优势, 增强对短期利率波动结构突变的估计和预测能力, 提高定价精确度和缓解利率期限结构曲线的过度波动问题.     

一种基于径向基函数网络的盲波束形成方法研究

针对阵列信号处理的特点 ,提出了一种基于径向基函数网络 (RBFNN)的盲波束形成方法。该方法把高阶累积量可消除高斯噪声干扰这一特性和神经网络可并行计算的结构优势有机地结合起来 ,利用高阶累积量估计阵列的导向矢量 ,引入径向基函数网络逼近波束形成的权矢量 ,实现盲波束形成。理论分析和仿真实验表明 ,提出的算法能有效地提高运行速度 ,对系统误差也具有很强的鲁棒性。     

一种基于离散粒子群的自适应径向基网络模型

提出了一种基于离散粒子群的自适应RBF网络模型。即融合两个二进制编码粒子群,通过对最近邻聚类中心选择法的改进,RBF网络模型能自适应地优化隐节点数、中心向量与宽度,且在保证网络性能的前提下,使网络的结构相对简单(较少的隐层节点数)。同时为进一步提高网络性能,采用梯度下降法与递推最小二乘法混合学习策略,分别对基函数参数(中心与宽度)和输出层线性权值进行学习。仿真实验证明了该方法模型的有效性。     

面向突防的多约束滑翔弹道优化设计

快速通过敌方雷达探测区域能够增加打击突然性,提高突防性能。如何在弹道设计中描述雷达探测问题是必须解决的问题。为此,在常见多约束条件下的弹道设计方法基础上,根据雷达方程,将辐射型禁飞区约束转化为沿弹道积分的威胁系数约束。基于威胁系数积分建立弹道优化性能指标函数,利用hp 自适应Radau伪谱法对此优化问题进行求解,得到了满足飞行过程约束且暴露于敌方雷达探测区域最小的飞行弹道,对比分析仿真结果,验证了模型和方法的正确性,达到了提高突防性能的目。     

Trajectory linearization control of an aerospace vehicle based on RBF neural network

An enhanced trajectory linearization control （TLC） structure based on radial basis function neural network （RBFNN） and its application on an aerospace vehicle （ASV） flight control system are presensted. The influence of unknown disturbances and uncertainties is reduced by RBFNN thanks to its approaching ability, and a robustifying itera is used to overcome the approximate error of RBFNN. The parameters adaptive adjusting laws are designed on the Lyapunov theory. The uniform ultimate boundedness of all signals of the composite closed-loop system is proved based on Lyapunov theory. Finally, the flight control system of an ASV is designed based on the proposed method. Simulation results demonstrate the effectiveness and robustness of the designed approach.     

Trajectory linearization control of an aerospace vehicle based on RB F neural network

An enhanced trajectory lineazization control(TLC)structure based on radial basis function neural network(RBFNN)and its application on an aerospace vehicle(ASV)flight control system are presensted.The influence of unknown disturbances and uncertainties is reduced by RBFNN thanks to its approaching ability,and a robustifying item is used to overcome the approximate error of RBFNN.The parameters adaptive adjusting laws are designed on the Lyapunov theory.The uniform ultimate boundedness of all signals of the composite closed-loop system is proved based on Lyapunov theory.Finally,the flight control system of an ASV is designed based on the proposed method.Simulation results demonstrate the effectiveness and robustness of the designed approach.     

径向基代理模型中形状参数对精度的影响

代理模型方法是复杂系统优化设计的一种有效方法,讨论了以多二次函数为核函数的径向基（radial basis function, RBF）代理模型中形状参数h对精度的影响,在此基础上探讨了一种获得最优h值的方法。在该方法中,将RBF代理模型的标准均方根误差表达为形状参数h的函数,通过极小化该标准均方根误差,得到最优h值。在样本点给定的情况下,采用该最优h值所构造代理模型与采用其他h值所构造的代理模型相比,其精度更高。一维和二维数值算例验证了采用本方法确定h值的有效性,并应用该方法求解了战术导弹的气动外型优化设计问题。     

基于线性近似和神经网络逼近的模型预测控制

针对非线性系统的模型预测控制问题,提出了一种基于线性近似和神经网络逼近的控制算法。用Taylor级数展开法对非线性系统进行线性近似时,要求对象系统中的非线性函数必须连续可微。为了突破这一限制,引入了Stirling插值公式线性近似法,拓展了可处理的非线性系统范围。通过对线性化过程中产生的非线性高阶项进行径向基函数(radial basis function, RBF)神经网络逼近,显著提高了对象系统模型精确度。为了降低数值计算复杂度,将控制性能指标函数重构为易于处理的二次型最优化问题,通过对该二次型最优化问题的求解得到了最优控制序列。控制过程考虑了约束条件的影响以模拟真实的工业生产过程。仿真结果证明了所提出预测控制方案的有效性。     

载人飞船月地返回轨道优化设计与特性分析

针对载人飞船月地返回飞行任务,提出一种基于双重优化算法的两层串行求解策略。轨道初步设计阶段,在改进的双二体模型下采用差分进化算法与序列二次规划算法相互补的双重优化算法进行轨道初值的求解。高精度修正阶段,在高精度模型下利用序列二次规划算法修正了初步设计的结果。仿真算例的结果验证了该策略的有效性和可行性,并显示出求解精度高、收敛性好的特点。最后,利用该方法进行了大量的仿真计算,对月地返回轨道可达域、速度增量等轨道特性展开了分析。     

基于遗传算法的故障样本优化选取方法

为降低测试性验证试验费用,提出基于遗传算法的故障样本优化选取方法。方法通过故障-测试关联分析和故障-故障等价分析,确定初始故障样本集中各元素对应的等价集,并对初始故障样本集进行扩展,在此基础上,建立了故障样本选取优化求解模型。在不降低样本注入数量和测试特性的条件下,以试验费用最小为优化目标,给出了基于改进遗传算法的样本优化选取方法。算例应用结果表明,该方法设计的故障样本选取方法能有效降低测试性验证试验费用。     

SAR成像导引头的弹道设计与优化

弹载合成孔径雷达(synthetic aperture radar, SAR)的方位成像能力受飞行弹道和观测视角的影响。为满足SAR成像导引头在限定时间内获得最佳方位分辨率,提出了一种基于遗传算法的弹道优化设计方法。首先建立了弹载SAR条件下导弹飞行的约束,然后以导弹指令加速度为优化变量,构造了与方位分辨率和波束驻留时间相关的目标函数,采用遗传算法进行寻优,设计得到了弹载SAR平台的优化弹道。仿真实验证明了该方法的有效性。     

基于Pareto定律参数优化的径向基近似建模

针对传统留一交叉验证法计算量大不适用于大规模复杂系统的问题,借鉴经济学中的Pareto定律,选择对全局误差大小起决定性作用的样本点作为关键点,对留一交叉验证法进行了改进,提出了基于Pareto定律的留一交叉验证方法。针对径向基模型形状参数的优化选择问题,将基于Pareto定律的留一交叉验证方法应用于形状参数的优化,提出了基于Pareto定律参数优化的径向基模型构造方法。测试表明,该方法构造的径向基模型具有良好的近似精度和较高的计算效率,具有推广的价值。