基于逆向工程技术实现汽车覆盖件回弹评测

针对实际冲压件提出了一种基于逆向工程技术的回弹评测方式.对实际冲压件进行激光扫描后重构出型面,根据弹性变形的特点对模型进行强制变形以找到节点的对应关系,并根据CAD模型的几何中心计算出曲面的重合点,以对应节点的距离为适应度函数利用遗传算法搜寻出最佳旋转位置,并计算出各节点的法向偏移距离作为该节点的回弹量.该方法实现了对冲压件各个部分回弹的精确评测,从而可以为模具的修整提供正确的指导.     

基于免疫算法的悬架系统参数的辨识

在ADAMS中建立了麦弗逊与双横臂两种不同悬架形式的1/4汽车模型,依据其输入输出数据,利用免疫算法分别对两者的车身质量、悬架刚度与阻尼、轮胎的刚度及轮胎质量进行了辨识.仿真结果表明:使用辨识参数的简化模型可以替代真实模型并能够合理反映出由于悬架结构不同而引起的性能差异;免疫算法是参数辨识的一种有效方法,具有较好的全局寻优特性.     

一类矩阵方程的最小二乘双对称解及其最佳逼近

构造了一种迭代法求一类矩阵方程的最小二乘双对称解.研究了迭代序列的若干性质,证明了算法的收敛性.数值算例表明,这种迭代法是有效的.     

基于M-ANFIS-PNN的目标威胁评估模型

目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计,为后续作战决策提供辅助支持。现有威胁评估模型大多依赖于数值信息,难以有效处理包含定性、定量数据的目标特征信息。基于此,提出一种改进的自适应模糊神经推理系统模型。在自适应模糊神经推理系统的基础上,引入前件影响矩阵和后件影响矩阵对定性数据进行处理,使得定量、定性数据的影响同时作用于模糊规则的前件参数和后件参数;为了进一步提高模型的输出精度,将自适应模糊神经推理系统的输出层替换为多项式神经网络;通过基于Gower距离的近邻传播聚类算法对改进模型进行结构辨识,确定模糊规则的初始参数。仿真实例验证了所提方法的有效性与可行性,与其他混合属性数据建模方法相比,所提方法具有较高的预测精度,可为作战指挥决策提供有效的辅助支持。     

基于共形阵的角度和极化信息联合估计算法

针对复杂载体上共形阵列存在多极化接收和遮挡效应的问题,本文提出一种基于方向图矩阵重构导向矢量的改进极化多重信号分类(multiple signal classification, MUSIC)算法。首先对共形天线阵列进行建模,在获取各个阵元的方位和俯仰分量方向图数据后,将方向图数据分解并重构阵列的导向矢量矩阵,最后结合极化MUSIC算法进行波达方向(direction of arrival, DOA)和极化参数联合估计。相对于理论导向矢量的极化MUSIC算法,本文所提改进算法在解决了遮挡效应的同时具有更高的估计精度,并可有效降低运算量。仿真实验结果验证了这一结论。     

海上要地防空反导阵地优度排序研究

针对海上要地防空反导作战中发射阵地优度排序问题,结合要地面积较小、各备选阵地自然环境条件差别不大的实际情况,提出一种以各阵地与保卫目标间距离来衡量阵地优度的评价指标体系构建方法。首次将各己方目标的重要度作为对应评价指标的权值,并提出一种基于网页排名(PageRank, PR)算法的评价指标赋权方法。通过算例仿真可得,本文提出的方法能够给出科学、准确的备选阵地优度排序,为解决海上要地防空反导阵地选择问题提供了一种新思路、新方法。     

改进萤火虫算法及其收敛性分析

萤火虫算法因具有结构简单、控制参数少、易于实现的特点而得到广泛的关注和应用,但其易陷入局部最优导致过早收敛,从而影响寻优精度。针对这一问题,本文在位置更新规则中加入随机扰动因子,并剔除了冗余的随机项,以提高算法搜索能力;引入位置置换变异和差分进化算法中的最优变异策略,在保持种群多样性的同时,增强算法跳出局部最优的能力。采用马尔可夫过程证明了算法以概率1收敛到全局最优。利用基准函数和装箱问题对算法进行仿真测试,结果表明,改进后的算法能够有效跳出局部最优,对给出的所有问题均能找到理论最优解,寻优精度和成功率有明显提升。     

DTNs中一种基于节点有效交互度和效用的节能路由算法

延迟容忍网络是一种通过节点机会通信的网络类型.由于该网络中节点不易预测的移动性模式和容易中断的连接,路由算法一直是DTNs中研究的重点.但是目前从节省能量消耗角度提出的路由算法较少.文章提出一种基于节点有效交互度和效用的节能路由策略.首先,从节点有效交互度出发来进行转发传输速率控制,在节能与转发成功率之间自适应调整.其次,从节点效用出发设置消息携带者转发概率,选择合适的节点进行消息转发,避免网络产生过多消息副本.再次,仿真实验结果显示,与其他路由算法相比,该文提出的算法在保障网络消息传递率的基础上可以降低约6%～15%节点能量消耗.     

BP网络自适应学习率研究

分析了自适应学习率BP算法,并对其进行了总结分类,针对每一类介绍了几种具体的自适应学习率BP算法。最后结合XOR问题把一种自适应学习率BP算法和标准BP算法进行了比较和评价。     

基于改进自适应遗传算法的组卷研究

针对遗传算法容易出现早熟和收敛速度慢的问题,根据群体适应值分布的变化特点,启发性地提出了一种新的基于小生境技术的自适应遗传算法（ANGA）。根据群体中各个个体的适应值分布情况加以启发,引入了一个自适应的常数Cmin,通过白适应调整Cmin以适时改变群体适应值的分布,优化了各个个体被选择的概率。详细介绍了ANGA应用于组卷问题的步骤。涵盖了其中的各项关键技术：组卷策略、编码方案、适应值函数的确定、选择交叉变异箅子的实现。并以目前的计算机等级考试三级信息管理技术的组卷为例,采用ANGA算法进行了仿真计算。仿真结果表明,ANGA算法能够成功地应用于自动组卷。算法能够以100％的概率在较短的时问内完成组卷,组卷效率高、成功率高;且算法对初值不敏感．具有较好的鲁棒性。