应用径向基代理模型实现序列自适应再采样优化策略

针对径向基插值代理模型样本点预测误差为零时无法获得误差函数进行序列再采样优化的问题,将样本点分布约束引入序列再采样过程,利用潜在最优解加速收敛性,提出一种适用于径向基插值代理模型序列优化的再采样策略,该策略兼顾仿真模型的输出响应特性与样本点的空间分布特性。仿真结果表明,使用该再采样策略后,算法寻优效率和精度均优于传统基于代理模型的优化方法,在对最优解进行有效预测的同时,能显著减少原始模型计算次数。     

基于径向基代理模型的序列优化中自适应再采样策略

针对径向基插值代理模型样本点预测误差为零时无法获得误差函数进行序列再采样优化的问题,将样本点分布约束引入序列再采样过程,利用潜在最优解加速收敛性,提出一种适用于径向基插值代理模型序列优化的再采样策略,该策略兼顾仿真模型的输出响应特性与样本点的空间分布特性。仿真结果表明,使用该在采样策略后,算法寻优效率和精度均优于传统基于代理模型的优化方法,在对最优解进行有效预测的同时,能显著减少原始模型计算次数。     

利用曲线拟合方法分析暂态振荡信号

提出了一种利用曲线拟含定量分析暂态振荡信号的方法.该方法给出的暂态振荡信号模型能够反映振荡的幅度和频率随时间变化的规律.提出了利用曲线拟合方法确定该摸型的具体参数的步骤:首先利用三次样条插值求出信号的上包络曲线,对其采用指数衰减信号模型来进行拟合以描述信号振荡幅度的变化参数;然后得到信号频率变化部分的正弦形式,利用 Hilbert 变换提取出正弦部分的相位,并采用幂指数信号模型进行拟合以描述信号振荡频率的变化参数.与以往分析暂态振荡信号的方法相比,该方法可对信号进行定量分析.仿真和试验结果表明,采用曲线拟合方法确定模型参数,实现过程简单,均方根误差小;对实际信号的分析则表明所提出的模型能够真实地反映出实际暂态振荡信号的变化规律.     

实际复摆的非线性振荡系统

本文建立了实际复摆振荡系统的非线性模型,并用一阶谐波平衡法导出各种特征状态函数,从而分析计算定常周期及其运动稳定性、稳定分支振荡的跳跃特性和最大振幅特性。本文利用可控力矩激振装置成功地实现了复摆的强迫振荡实验。实例表明不仅能准确地辩识实际复摆非线性模型的参数,而且实测到复摆的稳定分支振荡和跳跃现象,从而实验验证了实际复摆非线性振荡的理论分析。     

非结构网格上解二维Hamilton-Jacobi方程的自适应算法

提出了一种非结构网格上解Hamilton Jacobi方程的自适应局部加密方法。讨论了加密方法关键的一步:光滑度指标的确定,通过采取无振荡插值,得到了无振荡数值格式,典型算例表明,该方法只需增加少量的点和计算量却能够提高计算精度和对间断的分辨能力。     

无航速具有自由液面的三维脉动源Green函数的数值积分方法

提出了一种计算无航速具有自由液面的三维脉动源Green函数的方法.采用零阶Bessel函数的Laplace变换,将无航速具有自由液面的三维脉动源Green函数变形为易于截断处理的形式,实现无穷积分向有限积分的转变.采用样条插值技术和自适应方法解决了高振荡函数的数值积分的速度和精度问题.对半球浮体进行了数值计算,结果令人满意,表明了该方法的有效性和实用性.     

含脉冲负载的综合电力系统储能优化配置研究

考虑到舰船环境限制和高能脉冲负载对储能的需求,有必要对储能装置进行合理的选型和优化配置,来提升综合电力系统性能。为此,基于带权极小模理想点法和层次分析法,提出了一种储能装置性能评价函数,并以其为优化目标,进行储能装置优化配置。所提出的评价函数充分考虑系统需求和脉冲负载特性,以储能装置体积、质量和经济性作为评价函数主要组成部分,同时考虑功率、能量、电压、荷电状态等约束,建立优化配置模型,并采用差分进化算法进行求解。以高性能锂电池和超级电容器为例,对所提模型进行求解计算,结果表明在所给权重系数下锂电池性能更优,更适用于综合电力系统,并给出了优化配置后的指导方案。     

系统可靠寿命的不确定性分析及其高效方法

为了分析元器件失效率的不确定性对系统可靠性的影响,借鉴Borgonovo的矩独立灵敏度分析思想,在充分考虑了系统可靠寿命完整不确定性信息的情况下,提出了基于系统可靠寿命的矩独立重要性测度,用来分析不确定性条件下系统元器件失效率对其可靠寿命的平均影响。但由于系统可靠寿命函数是系统可靠度函数的反函数,一般无法解析表达而以隐函数的形式存在,致使该矩独立重要性测度难以高效准确求解。为了解决这一问题,文章提出了一种新的Kriging自适应代理模型的高效算法,该算法以Kriging代理模型预测值的变异系数作为自适应学习函数,通过自主增加新的试验样本,增强代理模型的预测准确性。阀门控制系统和民用飞机电液舵机系统两个算例分析表明,在保证计算精度的情况下,通过变异系数自适应学习函数,仅需添加少量系统可靠寿命试验样本,就能够构建用来充分近似系统可靠寿命函数的Kriging代理模型,解决了重要性测度的高效求解问题,从而验证了所提方法的合理性和算法的高效性。     

一种基于神经网络的飞行控制律设计方法

首先分析了传统的飞行控制律设计方法,指出传统的“先定点、后插值”方法的缺点在于只是从形式而没有从本质上实现由飞行器特征参量到飞控系统参数的非线性映射。考虑到神经网络所具有的以任意精度逼近任何非线性函数的能力,提出一种基于神经网络的模型参考飞行控制律设计方法,并将其与模型参考自适应技术加以比较。最后进行了针对简化模型的仿真实验,仿真结果表明,该方法具有解决实际问题的可行性,将其工程实用化将是下一步的研究目标。     

三角形网格上的C1有理插值

本文描述了一种用线性算子的组合插值新方法。较之已往方法,插值函数结构简单,易于计算。并且估计了插值函数的误差,误差阶是O(h~4),比[4]中的误差阶高2.     

装配式管线水力瞬变的非线性流固耦合模型

装配式管线是一种重要的油料保障装备,用于地面铺设,属于典型的薄壁弱约束管线系统。根据装配式管线的特点,应用管道弹性变形理论,推导了水力瞬变状态下装配式管线的非线性流固耦合5-方程模型。该模型充分考虑了管道与流体之间的耦合互动效应,耦合形式包含了泊松耦合、摩擦耦合、结合部耦合,以及管线系统的轴向、横向和径向振动耦合,并计及了管道结构阻尼的影响。针对装配式管线的特殊连接约束方式,提出了一种带有扭转弹簧的铰支型约束边界,可通过确定扭转弹簧的弹性系数来建立管线两端的约束边界方程。     

优化多星协同观测的改进广义模式搜索算法

多星协同观测可以最大化卫星的整体效能,如何对多星进行部署是一个设计空间大、设计变量多的优化问题.对此,提出了基于Kriging模型的改进广义模式搜索算法.在算法的搜索步,通过代理模型最优和最大期望提高在当前网格内进行选点,避免选择的盲目性;在筛选步,利用代理模型预测筛选集中各点提高的比例并排序,减少不必要的仿真分析.最后,采用该算法对多星部署方案进行优化,通过对比发现,算法性能优于STK-Analyzer,证明了算法的可行性和有效性.     

浅谈《线性代数》课程的教学方法

总结了线性代数的教学方法，阐述了培养学生实际应用能力的重要性。     

改进BP网络的舰船装备保障资源保障能力评估

针对单独运用BP网络评估舰船装备保障资源保障能力时存在的不足,提出了一种基于改进BP网络的舰船装备保障资源保障能力评估模型。首先构建了保障能力评估的指标体系,在此基础上,采用主成分分析法对原始输入变量进行预处理,选择输入变量的主成分作为神经网络输入,一方面减少了输入变量的维数,消除了各输入变量的相关性;另一方面提高了网络的收敛性和稳定性,同时也简化了网络的结构。然后将遗传优化算法与BP网络结合,利用GA的全局搜索能力优化BP网络的结构参数。最后进行实例计算,结果表明该方法有效克服了纯BP算法局部收敛、泛化能力弱等问题,新模型采用的算法具有收敛速度快,结果精度高的优点,适用于对保障资源保障能力的分析和评估。     

Research on modeling of nonlinear vibration isolation system based on Bouc–Wen model

A feedforword neural network of multi-layer topologies for systems with hysteretic nonlinearity is constructed based on Bouc–Wen differential model. It not only reflects the hysteresis force characteristics of the Bouc–Wen model, but also determines its corresponding parameters. The simulation results show that restoring force–displacement curve hysteresis loop is very close to the real curve. The model trained can accurately predict the time response of system. The model is checked under the noise level. The result shows that the model has higher modeling precision, good generalization capability and a certain anti-interference ability.     

长短周期记忆网络微调的氧气浓缩器寿命预测模型迁移

针对寿命预测模型迁移问题,提出了一种长短周期记忆网络微调(long short-term memory fine tune, LSTM-fine-tune)的迁移模型,利用理想条件下的试验数据对模型进行训练。在迁移过程中,对部分LSTM网络层进行冻结,利用实际服役环境下的数据对网络其他部分进行修正。为验证模型的泛化能力,采用不同相位与幅值的正弦函数生成数据,通过学习数据获取正弦函数的经验知识,并应用至其他正弦函数的回归,结果表明LSTM-fine-tune模型能够快速拟合,平均均方误差仅为1.033 5,明显低于直接预测误差1.536 8。为通过实际监测数据检验本方法泛化能力,分别获取了试验条件下与实际服役环境下氧气浓缩器的数据,对模型的泛化能力进行验证。结果表明,迁移后训练集预测精度提高了43.0%,测试集预测精度提高了20.2%。     

应对多批次目标的单舰防空作战效能评估模型

针对单舰防空系统拦截多批次目标这一事件,采用改进的AAM模型对其作战能力进行了评估。模型中提出再就绪能力的新概念,作为评定系统连续作战的一个重要指标。仿真结果表明所建模型客观地反映了防空系统对来袭目标攻击的实质,验证了再就绪能力对作战效能的影响。     

基于改进核极限学习机和集成学习理论的目标机动轨迹预测

为了提高目标轨迹预测的精度以及预测模型的泛化能力,提出基于改进蝙蝠算法优化的核极限学习机(Kernel Extreme Learning Machine,KELM)和集成学习理论目标机动轨迹预测模型。构建KELM模型,并采用改进的蝙蝠算法对KELM的参数进行优化;以优化后的KELM神经网络为弱预测器,结合集成学习算法生成强预测器,通过训练不断优化强预测的结构和参数,得到一种基于集成学习理论的目标机动轨迹预测模型;基于不同规模的样本,将所得预测模型与逆传播神经网络、支持向量机和极限学习机等模型进行对比分析。仿真结果表明:所提目标机动轨迹预测模型具有较好的预测精度和泛化能力。     

基于层次变权的基地级修理能力评价模型

从影响基地级修理能力的主要因素出发,建立了比较全面的评价指标体系。在进行修理能力评价时,针对常权综合方法难以体现决策者对决策因素惩罚或激励性的要求,提出了一种基于层次变权的模糊评价模型。实例分析和计算结果表明,该评价模型合理、有效、可行。