稀薄气体动理论中介观尺度数值模拟的加速方法

针对滑移流、早期过渡流区域采用离散速度法(discrete velocity method, DVM)求解Boltzmann方程收敛速度极慢、计算资源消耗大的难题,提出全流场耦合介观/宏观方程加速方法。在介观层面基于有限差分的DVM求解Boltzmann方程,在宏观层面基于有限体积的压力耦合方程组半隐式方法求解矩方程,充分利用纳维-斯托克斯-傅里叶/R26矩方程在低克努森数下的快速收敛特性,对介观方程进行加速。基于高阶Hermite多项式重构分布函数,完成宏观方程与介观方程之间的数据传输。仿真结果表明:全流场耦合介观/宏观方程的加速方法在滑移流、早期过渡流区域具有显著加速性能,最大降低了95.28%的计算时长;但对中、大克努森数流域,加速性能大幅度下降。     

数据与知识双驱动的备件需求模糊预测模型

针对知识驱动型需求预测模型所需的专家知识稀缺、数据驱动型需求预测模型可解释性不足的问题,提出了数据与知识双驱动的备件需求模糊预测模型。该模型基于模糊聚类算法将数值型数据聚类为结构简单、可解释性强的规则库,运用模糊逻辑将领域专家知识表示为Mamdani型规则库。在此基础上,引入了一种新型智能计算理论——模糊网络理论对两类规则库进行合并运算,形成初始预测模型。采用遗传算法优化模型规则库的模糊集参数来提高模型预测准确性。通过与模糊聚类算法进行对比,提出的模型在可解释性以及准确性指标上均具有优势。     

舰艇编队作战系统的武器目标分配问题

设我方m艘战舰,对方n个来袭目标.运用灰色局势决策求得目标对各个战舰产生的威胁值排序;再用模拟退火算法,参考目标威胁,单舰根据自身装载的火力发射进行初步武器分配;最后将分配结果传送至融合中心,应用大系统理论的分解协调法,协调武器分配,使得我方武器对本批目标的打击概率最大.仿真基于VC++编程实现,具体分析了算法及思想的可行性.     

一种改进的扩展旋转矢量姿态算法

在分析扩展旋转矢量姿态算法的基础上,基于典型圆锥运动理论以及迭代算法的思想推导了一种面向四子样的改进扩展旋转矢量优化算法.给出了较为详细的算法推导过程和具体公式.为检验改进算法的有效性,先后采用传统的四元数法、扩展旋转矢量法以及改进算法,对载体的典型圆锥运动进行了计算机仿真研究.结果表明,该优化算法不仅改变了捷联惯性导航系统中陀螺子样的利用方式,而且提高了系统旋转矢量的计算精度以及姿态算法的实时性.     

MADM中不同属性的规范化研究

不同属性值的规范化是多属性决策问题中的重要过程.提出了一种属性值作为点到优区间和劣区间的距离的定义,依据该定义得到了属性值规范化新方法,并通过实例证明了新规范化方法的有效性.     

基于改进遗传算法的油料调拨优化

为实现油料快速调拨运输,利用改进的遗传算法求解油料调拨优化问题,采用了一种受贪婪算法启发的新的交叉算子和变异算子,对比模拟退火算法等其他算法而言,具有较好的鲁棒性,能很好地解决油料调拨运输过程中多任务多地点的油料调拨运输问题。     

无人直升机辨识的一种新方法

针对无人直升机的辨识建模问题,提出了把频率响应辨识法和遗传算法相结合的一种新的辨识方法.该方法充分结合了频率响应辨识法抗噪声能力强、对输入信号通用性强、以及遗传算法的全局寻优特性的优点,极大地提高了辨识的准确性.与最小二乘法、Levy方法的对比仿真结果表明,这种方法辨识精度更高,具有重要的工程使用价值.     

一种BP神经网络算法的改进模型

首先对BP网络的结构和算法进行了分析,针对BP网络收敛速度慢,容易陷入局部极小等问题,提出了一种改进的BP网络模型,并对该模型算法进行了改进,通过激活函数的选择,网络的初始化,学习率的调整和训练样本数据的处理等方法,可实现加快网络的收敛速度,并且较好的解决局部最优问题.     

卫星活动部件的干扰辨识与抑制

采用干扰辨识的方法实现带活动部件三轴稳定卫星的高精度姿态控制问题.首先以扫描镜为例进行,分析扫描镜运动对卫星产生的等效干扰力矩;然后根据卫星控制系统的稳态输出数据,采用特征系统实现算法对扫描运动产生的干扰频率进行闭环辨识;最后在所辨识干扰频率的基础上,采用偶极子干扰抑制滤波器消除扫描镜运动干扰对卫星姿态的影响.仿真结果表明,所提出的方法能有效地克服活动部件运动产生的未知干扰对卫星姿态稳定度的影响,提高在轨运行卫星的姿态控制精度.     

The effects of model parameter deviations on the variance of a linearly filtered time series

We consider a general linear filtering operation on an autoregressive moving average (ARMA) time series. The variance of the filter output, which is an important quantity in many applications, is not known with certainty because it depends on the true ARMA parameters. We derive an expression for the sensitivity (i.e., the partial derivative) of the output variance with respect to deviations in the model parameters. The results provide insight into the robustness of many common statistical methods that are based on linear filtering and also yield approximate confidence intervals for the output variance. We discuss applications to time series forecasting, statistical process control, and automatic feedback control of industrial processes. © 2010 Wiley Periodicals, Inc. Naval Research Logistics, 2010