环形混合器混合排气系统气动形面的优化设计

以B样条曲线为基础、采用计算流体力学方法,并结合改进的粒子群优化算法,提出了一套环形混合排气系统喷管型线与环形混合器径向位置的一体化优化设计方法,并采用该方法对某型使用中的环形混合器混合排气系统进行了优化设计.优化结果表明,较之原始模型,优化后的环形混合器混合排气系统在流量分配方面与设计值更为接近,涵道比的误差为2.8%.气动性能方面,设计条件下,优化模型推力为原始模型的1.061倍,总压恢复系数则提升至0.995;在非设计条件下,优化模型的总压恢复系数较原始模型提高了0.7%和0.4%,推力较原始模型提高了1.2%和2.7%.     

采用FPGA技术的北斗B3I同步算法

针对BDS-B3I弱信号同步算法运算量大的难题,提出一种改进算法.该算法先计算累加时长1 ms的互相关序列,然后根据信号模型将运算结果扩展为累加时长20 ms的互相关序列.基于FPGA(现场可编程门阵列)技术,将改进算法简化为累加运算节约芯片开销,并设计一种并行且流水线化的电路结构,达到同时搜索多路卫星信号的目的. MATLAB仿真结果和FPGA验证表明,改进算法的计算量相比原始算法下降了90%, SNR-34 dB且频偏±30 Hz时捕获概率达到100%,流水线和并行化结构进一步加快卫星信号搜索速度,具有较强实用性.     

基于改进莱维飞行的狼群算法及其在翼型气动优化设计中的应用

智能种群算法在翼型气动优化领域获得越来越多的关注。提出了一种基于改进莱维飞行的狼群算法,并对其寻优性能进行了测试和验证。为平衡算法的局部搜索和全局搜索能力,将局部搜索性能强但易早熟的狼群算法与莱维飞行相结合,在增加收敛速度的同时,保证算法的全局搜索能力。为克服原始莱维飞行效率低、精度差的缺陷,引入高斯核函数自适应调节莱维飞行的搜索步长,以增加其搜索效率;引入四元法,以增加其搜索精度;通过标准测试函数和标准翼型气动优化设计算例验证,表明改进算法在优化效率和全局寻优能力方面均优于原始算法。     

基于FPGA的北斗B3I同步算法的研究与实现

针对BDS-B3I弱信号同步算法运算量大的难题,提出了一种改进算法。该算法先计算累加时长1ms的互相关序列,然后根据信号模型将运算结果扩展为累加时长20ms的互相关序列。基于FPGA技术,将改进算法简化为累加运算节约芯片开销,并设计一种并行+流水线化的电路结构,达到同时搜索多路卫星信号的目的。MATLAB仿真和FPGA验证表明,改进算法的计算量相比原始算法下降了90%,SNR>-34dB且频偏<±30Hz时捕获概率达到100%,流水线和并行化结构进一步加快卫星信号搜索速度,具有较强实用性。     

两种改进的最优路径规划算法

在对经典Dijkstra算法和A*算法分析的基础上对它们分别进行了改进.在经典Dijkstra算法中,针对当前不相连节点间路径长度为无穷大这一特点,首先对两个节点是否相连进行判断;若发现两个节点并不相连时,则舍去相应计算,从而减小计算量.针对A*算法在实际应用中搜索效率低的缺点,将经典A*算法搜索出的原始最优路径中的节点依次进行封堵后,再按照经典A*算法搜索出相应的新最优路径,最后再将原始最优路径与这些新最优路径进行对比,以便确定最终的最优路径.仿真研究表明:改进的Dijkstra算法可以减少大量的无关节点计算,提高运算的效率;改进的A*算法则可以提高搜索到最优路径的成功率.     

T形管液压成形自适应径向基函数优化设计

讨论T形管液压成形加载路径代理模型优化的设计.采用径向基函数(RBF)模型,引入自适应优化算法,通过逐步向静态RBF模型样本库中增加样本点的方法,提升最优点附近局部近似计算精度,进而提升全局精度并获得最优解.该方法兼顾了优化效率与计算精度.首先通过数值算例证明此方法应用于全局优化的有效性;然后,以管件与中间冲头接触面积最大为优化目标,以最大减薄率小于对标实验值、成形高度大于对标实验值为约束条件,通过拉丁方试验设计抽取一定数量的样本点并调用实际分析模型构建T形管液压成形加载路径优化自适应RBF模型,开展载荷路径优化设计.结果表明,在最小厚度与成形高度不变的情况下,T形管与中间冲头的接触面积较对标实验值提高了71.912%.     

基于Kriging模型的挡风墙优化设计

将基于Kriging模型的近似技术引入到挡风墙的优化设计,其关键步骤为:采用最优拉丁超立方试验设计,选取均匀、随机和正交的参数试验样本点,用初始样本点的目标值建立Kriging近似模型,结合优化算法,得到最优参数;在挡风墙的优化设计中,选取路堤和挡风墙为设计变量,倾覆力矩为目标值,建立Kriging模型,应用序列二次规划算法,得到不同路堤下的最优挡风墙高度.研究结果表明:本文方法在挡风墙的优化设计中是高效、可行的,并得到了不同路堤高度下,最合理的挡风墙高度;路堤高度越高,倾覆力矩对挡风墙高度变化的灵敏度越高,最优挡风墙的高度越小.     

多级固体运载火箭总体/弹道/轨道一体化设计与优化

针对小型多级固体运载火箭,设计了合理的飞行轨迹,并综合分析弹道设计、轨道设计和总体特性相互作用,建立了总体/弹道/轨道一体化优化设计数学模型。应用自适应模拟退火法、虎克直接搜索法、多岛遗传算法、逐次近似法和有向启发式搜索法,针对300 km LEO轨道进行了多级固体运载火箭总体/弹道/轨道一体化优化,并比较了5种算法优化结果。计算表明：所建立的一体化优化设计模型是合理的;总体参数优化结合轨迹优化最大程度地挖掘了运载火箭整体设计性能,并且优化设计效果明显,优化所得变轨消耗推进剂质量比原方案减轻了12%。该模型和软件也可推广应用到其它固体火箭的方案论证和初步设计过程中。     

蚂蚁算法及其在机械优化设计中的应用

在蚂蚁算法基本原理的基础上,通过引入蚁群更新、沿途搜索等策略,对算法进行了改进. 用C语言设计了蚂蚁算法程序,通过典型优化设计问题进行了验证,并给出了机械优化设计实例. 实例表明,改进后的蚂蚁算法全局收敛能力强,程序运行可靠.     

基于SMOTE算法的船舶结构可靠性优化设计

针对常规船舶结构可靠性优化设计由高度非线性带来的计算效率低、收敛困难的问题,提出了基于SMOTE(Synthetic Minority Oversampling Technique)算法的船舶结构可靠性优化设计方法.利用SMOTE算法建立了改进的BP (Back Propagation)神经网络模型,以较少的样本点完成了极限状态函数的高度近似,克服了以往代理模型不能同时满足精度和效率要求的缺点,并通过数学算例验证了使用SMOTE算法建立BP神经网络模型的可行性和有效性.将改进的BP神经网络模型和模拟退火法嵌入单循环优化策略,并将其用于船舶舱段的可靠性优化设计,验证了所提出的可靠性优化设计方法的求解效率和精度,为大型工程结构的可靠性优化设计提供了思路.     

循环三对角Toeplitz线性方程组的分组降阶算法

 运用并行算法中分而治之的思想,给出了一种求解循环三对角Toeplitz线性方程组的分组降阶串行算法。与求解同类问题的传统算法相比,分组降阶算法的优点在于它不仅大幅度减少了内存占用量,而且还大幅度减少了算术运算量。分组降阶算法可以通过3个步骤来实现。第一步是分组降阶,其基本思路是将一个n=μm阶的方程组按行分成μ组,每组m个方程;n维解向量也对应地分成μ组。第二步是构造参数方程组,也就是依据三对角系数矩阵的特点,给出各组解之间的关系式,把不属于该组的解分量看作参数。第三步是求解参数方程组和原方程组,在这一步中,首先求解参数方程组,然后再代入相应分组的关系式便可求出所有的解分量。对于三对角Toeplitz线性方程组,同样能减少内存占用量,从而在计算机性能不变的情况下,提高求解问题的规模,但与求解三对角Toeplitz线性方程组的传统算法相比运算量有所增加。数值实验结果表明,对于特定规模的方程组来说,总存在一个最佳的分组个数使得计算时间最少;随着方程组阶数的提高,最佳分组的个数也增大。     

波分复用光传送网的优化恢复路由

讨论了 WDM(wavelength- division multiplexing,WDM)光传送网的快速恢复问题 ,分析了保障 Qo S的意义和在恢复路由搜索中的关键技术。针对 WDM光传送网的特点 ,提出了多业务传输条件下恢复路由优化的设计思路 ,同时采用基于遗传算法的快速搜索启发式算法解决了多约束多目标优化的问题。通过对美国和意大利两个国家级干线光网实例的计算以及与 Dijkstra算法的比较 ,验证了该算法能够在链路节点故障情况下为受损业务求取多个最优恢复路由的优势     

基于RBF神经网络的线性混叠盲分离算法

提出一种RBF神经网络算法应用于线性混叠信号的盲分离。所用的RBF神经网络算法是从输入信号的数据中训练出中心值和宽度值,再训练通过用最大熵值的代价函数推导的权值。所用的代价函数保证了网络的输出尽可能独立,使信号能正确地分离。仿真验证了所用的算法能减少分离时间和提高分离效率。对比ME算法,该算法更好。     

基于PCA的RBF神经网络预测方法研究

主成分分析(PCA)法可以提取样本集的主成分,实现样本的最优压缩,从而降低样本的维数。针对用RBF神经网络进行多因素时间序列预测时样本特征指标过多的问题,提出用统计理论的PCA方法对数据进行预处理,再选出几个主成分作为神经网络的输入节点.仿真实验表明,基于PCA的RBF神经网络模型在拟合预测中与一般的RBF神经网络模型相比有较好效果,简化了网络结构,改善了预测精度.     

基于改进人工蜂群算法的大青杨晚材率预测

为了更加准确地预测人工林大青杨(Populus ussuriensis)晚材率,通过对标准人工蜂群算法(artificial bee colony, ABC)的蜜源更新公式进行改进,提出了分段式蜜源搜索半径公式,并用改进的人工蜂群算法(AABC)对径向基(radial basis function, RBF)神经网络的初始参数进行优化,提出一种基于改进的人工蜂群算法和径向基神经网络算法结合的预测模型,并与粒子群(partical swarm optimization, PSO)优化的RBF神经网络预测结果进行对比。结果表明:传统的RBF预测模型不仅收敛速度慢,而且预测精度不高。基于改进的ABC算法优化RBF神经网络预测模型整体比PSO优化的效果相对较好,收敛速度从42步提升至28步,预测的平均相对误差从2.54%降低到0.95%。可见对ABC算法的改进是可行的,而且提高了晚材率预测的精度。     

遗传算法优化工业对象的RBF神经网络模型

针对石油化学工业中的某一典型对象的建模过程,介绍一种以可变长度的自然数编码、以AIC(Akaike’sinformationcriterion)为优化目标的遗传算法(GA)设计径向基函数(RBF)神经网络隐含层结构。文中阐述了该方法的原理,实现步骤及网络泛化性能检验,并与正交最小二乘 (OLS)算法相比较,发现前者设计的网络结构相对简单且网络泛化能力有所改善。     

基于免疫算法的RBF神经网络盲均衡算法

本文采用免疫算法来优化RBF神经网络,得到一种更加优化、更加合理的混合算法,即免疫神经网络,并将此算法用于盲均衡器的优化设计,MATLAB仿真实验结果表明,经此算法优化后的盲均衡器,其均衡效果显著提高.     

混沌参数优化RBF算法的震前ENPEMF信号强度趋势预测

提出了一种基于混沌参数优化径向基函数(radial basis function,RBF)神经网络的预测模型.通过混沌理论获得了ENPEMF信号的有效嵌入维数和最优时延,然后利用所获得的参数优化RBF神经网络.采用训练好的参数优化RBF神经网络预测ENPEMF.数值仿真结果表明,改进的RBF算法可以较为准确地预测Rossler混沌时间序列且误差较小.将优化的RBF模型应用于芦山Ms7.0级地震前ENPEMF数据,可以有效预测震前14d的ENPEMF数据强度趋势,且预测效果及精度优于传统RBF神经网络算法,期望为地质灾害及强震前的电磁监测分析提供支持.     

RBF网络和小波相结合的数字音频零水印算法

利用RBF网络结构简单、非线性逼近能力强、收敛速度快的特点,提出一种RBF网络和小波变换相结合的数字音频零水印算法。本算法利用RBF网络,将原始音频信号小波低频系数作为RBF网络的输入,将水印信号作为目标,建立原始音频信号与水印信号的对应关系。该方法不改变原始音频信号感知质量,在抵抗各种常见攻击时所得归一化相关系数有较好的稳定性。     

基于RBF神经网络多用户检测方法的设计

基于免疫算法和免疫进化网络,提出了一种训练RBF网络的混合算法.该算法采用了一种可以实现数据聚类的免疫进化网络,根据输入数据集合自适应地确定RBF网络隐层中心的数量和初始位置;采用免疫算法训练RBF网络,使优化过程趋于全局最优.通过计算机仿真证明,将该方法应用于多用户检测中获得了比传统检测器和其他方法训练的RBF网络多用户检测器更好的误码率检测性能.