飞行器MDO中灵敏度计算的自动微分方法

自动微分方法(ADM)是灵敏度计算的一种新方法,是处理飞行器多学科设计优化中灵敏度分析问题的有力工具。将ADM与估算灵敏度最常用的有限差分方法(FDM)以及与ADM同时期发展起来的另外一种灵敏度计算方法—复变量方法(CVM),从原理上进行了比较,研究了ADM前向模式在Visual C 6.0环境中的实现方法,结合多学科环境中的飞行器设计优化计算实例分析了该模式的优缺点。ADM在科学计算、工程计算等方面有很大的发展空间。     

X波段矩形波导宽边复合缝隙耦合器的MPSTD算法分析

针对MPSTD算法在波导宽边复合缝隙问题中的应用,重点研究了X波段标准波导宽边复合缝隙耦合器的缝隙谐振长度和散射参量特性。仿真结果表明,将MPSTD算法应用于波导耦合缝隙问题的分析,可实现对该问题的精确建模,具有较高的计算精度和效率。     

权值编码遗传算法在单机任务规划中的应用

任务规划是在任务有不同威胁程度,资源消耗和战术价值条件下,寻找总战术价值最高,而又不超出约束的任务链,这对飞机完成任务中具有重要作用,针对机载资源有限、任务有不同威胁程度和战术价值,提出了基于权值编码遗传算法的任务规划方法,该算法通过对原始问题的偏离和启发式解码来得到最优的可完成任务子集.仿真结果验证了算法的有效性.     

矩阵外积法Kalman滤波器在动态GPS定位中的应用

由于计算机有效字长的限制,滤波算法在计算机上实施时易于产生误差积累,误差协方差失去正定性或对称性,从而出现数值计算中的不稳定现象.一般情况下,当状态变量维数超过10时,滤波过程中出现滤波结果不稳定现象概率增大.为了解决滤波器数值计算不稳定问题,实践中提出并应用了许多方法,如自适应滤波、固定增益滤波、平方根滤波等.这些算法的不足是计算繁琐,效率低下.提出一个基于矩阵外积法所设计的快速、稳定的滤波算法,该卡尔曼滤波算法速度快,效率高,数值稳定性好,运算量少,将其应用于动态GPS定位验证了其有效性.     

基于层次分析法的占领阵位方案优选评判方法

应用AHP法,分析了水面舰艇反潜作战中占领攻击阵位时影响任务完成的各因素以及各因素之间的关系,建立了各种占领阵位方案对各准则的优劣程度的层次结构模型,并进行了实例计算,给出了各种占领攻击阵位方案对总目标指标优劣决策排序.该评判方法对作战方案优化具有指导意义.     

一种武器-目标分配模型及求解算法

武器-目标分配是拟制作战计划的一项重要内容,是合理运用现有武器系统,充分发挥其作战效能的关键.依据火力分配的基本要素,针对多种武器对多个目标的分配问题,运用一种基于模糊优选技术的多目标混合优化理论,建立了武器-目标最佳分配模型,然后用遗传算法来求解,并在计算机条件下对求解的效果进行了检验.     

基于SNF的一种检测和跟踪性能优化方法

对于一个监视系统,跟踪性能的优化要求检测系统和跟踪系统通过引入反馈进行联合设计,针对最大量测幅值邻域滤波器(SNF),提出了先验和后验检测跟踪优化准则,通过分析得出先验优化准则不可行这一结论,而利用后验优化准则同时对检测阈值和门值的联合优化,仿真结果表明,用后验优化准则进行检测和跟踪性能优化,不仅具有比恒虚警率更好的跟踪精度,而且其计算代价也大为降低.     

基于粒子群优化算法的空中目标定位

受干扰条件下,雷达难以对空中目标准确定位。针对这一问题,提出了当多基雷达接收站在空间随机分布时,利用粒子群优化算法解决根据到达时间差对空中目标定位中遇到的非线性最优化问题。所建算法首先初始化一个随机粒子群,然后根据适应度值更新粒子速度和位置,通过迭代搜索最佳坐标。仿真结果表明,在参数设定合理的情况下,该算法性能稳定,能找到逼近全局最优点的解。     

An experiment evaluating how the tiny mass eccentricities in spin-stabilized projectiles affect the position of impact points

This study investigates and quantifies some possible sources affecting the position of impact points of small caliber spin-stabilized projectiles (such as 12.7 mm bullets). A comparative experiment utilizing the control variable method was designed to figure out the influence of tiny eccentric centroids on the projectiles. The study critically analyzes data obtained from characteristic parameter measurements and precision trials. It also combines Sobol's algorithm with an artificial intelligence algorithm—Adaptive Neuro-Fuzzy Inference Systems (ANFIS)—in order to conduct global sensitivity analysis and determine which parameters were most influential. The results indicate that the impact points of projectiles with an entry angle of 0° deflected to the left to that of projectiles with an entry angle of 90°. The difference of the mean coordinates of impact points was about 12.61 cm at a target range of 200 m. Variance analysis indicated that the entry angle — i.e. the initial position of mass eccentricity — had a notable influence. After global sensitivity analysis, the significance of the effect of mass eccentricity was confirmed again and the most influential factors were determined to be the axial moment and transverse moment of inertia (Izz Iyy), the mass of a projectile (m), the distance between nose and center of mass along the symmetry axis for a projectile (Lm), and the eccentric distance of the centroid (Lr). The results imply that the control scheme by means of modifying mass center (moving mass or mass eccentricity) is promising for designing small-caliber spin-stabilized projectiles.     

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。