火箭-双燃烧室冲压组合循环发动机概念研究

临近空间高超声速飞行器近年来获得了广泛关注,本文提出一种以基于火箭发动机和双燃烧室冲压发动机的多模态火箭-双燃烧室冲压组合循环发动机作为飞行器的动力系统,并进行了性能分析研究。该飞行器在海拔10 km左右高度以0.8马赫的速度投放,在重力和发动机推力的联合作用下,能够在海拔5～8 km处加速到2马赫;然后加速爬升进入临近空间,发动机工作在引射亚燃或者双燃烧室亚燃模态下。可以根据实际选择高推重比、较低推进剂比冲效率的引射亚燃模态,或是较低推重比、高推进剂比冲效率的双燃烧室亚燃模态。最终飞行器加速到6马赫(26 km),进入双燃室超燃模态。针对空中发射模式和地面发射模式进行了轨道优化,仿真结果表明:在加速爬升到6马赫(26 km)的过程中,空中发射模式相比较地面发射模式可以节省37%的推进剂;空中发射模式存在一个负的最优初始飞行角度使得剩余质量与初始质量的比值达到最大。     

基于混合粒子群优化的多目标决策新方法

多目标优化问题中的一个关键在于合理地评判各有效解的优劣。通过引入灰色系统理论中灰色关联度的概念作为评判准则,结合粒子群优化算法进行有约束多目标规划问题的研究。提出了一种新的不可行解的保留策略,进化过程中以此策略保留适量的不可行解,有利于增强对约束边界附近可能的最优解的搜索,同时,针对粒子群优化算法的容易陷入局部最优的缺点,实现了以粒子群优化为载体的混合算法:即对全局极值邻域进一步混沌搜索寻优。仿真结果表明改进的算法对多目标决策问题是有效的。     

AHP-SWOT分析法在控制下交付行动方案决策中的应用

控制下交付作为打击毒品犯罪尤其是跨国有组织毒品犯罪的重要措施和手段,已发挥越来越重要的作用,是其他缉毒措施和手段无法取代的。但是,由于毒品犯罪的集团化、国际化、种类多元化程度加剧,使得控制下交付的复杂性与不确定性越来越明显。鉴于此,将AHP植入SWOT分析法中,以定性和定量相结合的科学方法解决控制下交付行动方案的优选问题,对提高控制下交付的成功率具有重要意义。     

优化边防情报资源管理模式探析

边防情报在公安边防部门开展对敌斗争,维护沿边沿海地区政治、社会稳定和预防打击犯罪中发挥着越来越重要的作用。对边防情报进行科学管理,更好地发挥边防情报的服务功能,需要对边防情报资源管理模式进行优化。引入知识管理模式,以期实现边防情报资源管理模式的优化。     

关于m×n型流程优化的探讨

网络图的优化,是根据一定的约束条件对网络图进行调整和改进,以达到科学安排工作,合理分配人力、物力、财力等资源,从而提高工作效率的目的。流程优化就是通过改变工作顺序,解决组织计划中出现的窝工现象。m×n型流程优化,是解决有m个单位依次进行n项活动时,如何安排各单位的顺序最优的问题。通过案例的耗时分析,提出了确定单位顺序的方法,希望对解决相似问题提供一定的参考。     

三种艉部附体方案的粘性阻力数值计算

水面船舶艉部附体不但影响船舶的阻力,而且对螺旋桨的伴流分数以及推力减额也会产生较大影响。近年来,越来越多的研究者都重视使用数值方法进行船舶附体优化设计。在分析某排水型水面船舶艉部附体特点以及优化目标后,设计出两套艉部附体优化方案。通过数值计算方法对这3种方案的船体带附体模型在不同雷诺数条件下进行三维粘性流场的数值模拟。分析比较了它们的粘性阻力和螺旋桨桨盘面处的伴流,最后得到双尾鳍附件的最优方案。     

面向多星观测调度的分层迭代算法

提出一种基于分治策略的多星观测分层调度框架,在该框架下,用蚁群优化算法把任务分配至各轨道圈次上,并利用自适应模拟退火算法求解各轨道圈次的调度问题。根据各轨道圈次调度结果的反馈情况,再调整任务分配方案,重复上述过程直到达到算法终止条件。为了提高算法的性能,在设计蚁群算法的启发式信息模型时,应充分考虑卫星调度问题的领域知识;在模拟退火算法中设计两个邻域结构,采用动态选择策略在优化过程中确定最佳邻域搜索结构。仿真实验表明,该方法有效地降低了问题求解的复杂度,尤其在求解大规模多星观测调度问题时表现出优异的性能。     

基于动态模糊综合评判的反后坐装置故障预测模型

针对反后坐装置故障预测中的诸多模糊信息和模糊因素,基于传统的模糊综合评判方法,提出将动态模糊综合评判方法用于故障预测,给出了动态权重系数及模糊关系矩阵的确定方法,以反后坐装置为例对动态模糊综合评判方法予以说明。并将模糊综合评判与产生式规则融合,利用复合推理机制提高预测结果的准确性。     

人工神经网络特征优化方法在模式识别中的应用

在模式识别中,特征量的选择及组合优化是设计模式识别系统的关键问题,它强烈地影响到分类器的设计及其性能。人工神经网络除了在模式识别中作为分类器应用之外,而且能够实现特征参数的提取。通过采用人工神经网络模型,对柴油机故障的特征量优化方法进行了研究,实现了对柴油机故障的特征提取及优化。     

Two‐stage component test plans for testing the reliability of a series system

A system reliability is often evaluated by individual tests of components that constitute the system. These component test plans have advantages over complete system based tests in terms of time and cost. In this paper, we consider the series system with n components, where the lifetime of the i‐th component follows exponential distribution with parameter λ_i. Assuming test costs for the components are different, we develop an efficient algorithm to design a two‐stage component test plan that satisfies the usual probability requirements on the system reliability and in addition minimizes the maximum expected cost. For the case of prior information in the form of upper bounds on λ_i's, we use the genetic algorithm to solve the associated optimization problems which are otherwise difficult to solve using mathematical programming techniques. The two‐stage component test plans are cost effective compared to single‐stage plans developed by Rajgopal and Mazumdar. We demonstrate through several numerical examples that our approach has the potential to reduce the overall testing costs significantly. © 2002 John Wiley & Sons, Inc. Naval Research Logistics, 49: 95–116, 2002; DOI 10.1002/nav.1051