基于动态神经元网络的激光陀螺输出误差模型

惯性敏感器误差补偿技术对提高武器装备的性能具有重要的意义,而误差补偿的关键在于误差模型的辨识。由于动态神经元网络是在前馈网络的节点引入前馈和反馈环节,理论上已证明其具有很强的动态逼近能力,可用来描述任意的非线性动态系统。根据惯性敏感器误差的动态特性,本探讨将动态神经元网络引入到激光陀螺误差建模中去,详细介绍了网络结构和对应的动态梯度算法。通过仿真算例说明,动态神经元网络在激光陀螺输出误差建模时具有一定的优点：网络收敛速度快、较好的跟踪性能、稳定性好。     

基于可靠度的结构优化的序列近似规划算法

基于可靠度的优化的最直观解法是把可靠度和优化的各自算法搭配一起形成嵌套两层次迭代。为改善其收敛性提高计算效率,人们提出了功能测度法、半无限规划法、单层次算法等多种改进方法。本文对传统结构优化界的经典序列近似规划法改造并扩展应用于求解基于可靠度的结构优化问题,构造该问题的序列近似规划模型和求解过程;其核心思想是在每个近似规划子问题中采用近似可靠度指标对设计变量的线性近似,在优化迭代过程中同步更新设计变量和随机空间中的近似验算点坐标,以达到可靠度分析和优化迭代同步收敛的目标。为了算法的实施,还推导出近似可靠度指标的半解析灵敏度计算公式,编制了程序,最终实现与通用软件的连接。论文用算例证实算法的有效性。     

Application of a new fast multipole BEM for simulation of 2D elastic solid with large number of inclusions

A fast multipole method (FMM) is applied for BEM to reduce both the operation and memory requirement in dealing with very large scale problems. In this paper, a new version of fast multipole BEM for 2D elastostatics is presented and used for simulation of 2D elastic solid with a large number of randomly distributed inclusions combined with a similar subregion approach. Generalized minimum residual method (GMRES) is used as an iterative solver to solve the equation system formed by BEM iteratively. The numerical results show that the scheme presented is applicable to certain large scale problems. The project supported by the National Nature Science Foundation of China (10172053) and the Ministry of Education     

一种超声速风洞实验底阻修正方法

本文在文献［１］的基础上，在超声速风洞中进行弹丸测力实验时，考虑了尾支杆的影响，发展了一种修正支杆对底阻影响的方法，利用本方法可对实验底阻进行修正，其实验结果更趋合理     

EMD-RLS联合滤波算法及其在北斗多路径削弱误差中的应用

多路径误差是全球导航卫星系统高精度定位的主要误差源。针对北斗导航定位系统的多路径特性,结合经验模态分解(EMD)和递归最小二乘算法(RLS)算法的优势,提出了一种EMD-RLS联合滤波算法来削弱北斗多路径特性的影响。首先,利用EMD将原始信号分解成固有模态函数(IMF),利用两个指标将其细化成三类,即噪声IMFs、混合IMFs和信息IMFs;然后,利用RLS算法对混合IMFs进行滤波,将经RLS滤波后得到的"干净"的数据与信息IMFs进行重构,最终达到去噪结果,即得到北斗多路径误差改正模型。仿真数据和北斗实测数据的处理结果表明:EMD-RLS算法相对于EMD和RLS算法,降噪效果更好;其建立的多路径误差改正模型有效地削弱多路径效应的影响,N、E、U三个方向精度分别提高了39%、70%、58%。     

利用修正低雷诺数k—ε模型对管道分离流动的数值研究

采用适合于分离流的修正低雷诺数ｋ－ε模型对突扩园管中的流动进行了数值研究，重点是对近壁流动和再附着点附近流动的研究。从理论上证明了所采用的湍流模型既满足近壁渐进行为，又避免了在通过再附着点截面上μｔ恒为０的困难。和已有的实验数据比较表明，所采用的模型对再附点位置及其附近的流动预测能力优于普通低雷诺数ｋ－ε模型。     

反演在骨生长方程参数识别中的应用

基于BFGS算法，根据自行设计的动物实验，得到在不同应力环境中，快速生长期大鼠股骨生 长与重建过程中骨密度实测数据，采用反演数值方法，获取了骨生长方程中随时间变化的 生物参数B和K. 通过正演验证，表明所建立的基于BFGS算法的参数识别方法具有较好的 稳定性和较高的识别精度，能够反演出比较切合实际的生物参数数值. 研究表明，反问 题方法是解决生命现象不可测性和未知性问题的有效手段，把反演方法应用到骨生长与重建 等生命现象的研究中，可确定、修正预设的数学模式，为数值量化骨适应生物模型的建立提 供了一条可行的途径.     

超平面滤波算法在GPS/INS组合导航系统中的应用研究

针对GPS／INS组合导航系统的滤波算法误差较大，在对常用的卡尔曼滤波算法进行总结和分析的基础上，给出了卡尔曼滤波的本质，提出了一种利用超平面调整卡尔曼滤波器的方法。以GPS／INS组合导航系统为例进行了仿真，结果表明：该方法既能抑制滤波发散，又能提高滤波精度。     

部分输入未知条件下结构动力复合反演的分解算法

在充分利用部分输入已确知而部分输入未知的激励特性的基础上，提出了结构动力复合反演的分解算法，该算法从源头上消除了迭代过程中参数识别与荷载反演的相互影响，降低了问题的计算规模。对于线性参数系统，该算法不经过任何迭代计算即可一次性完成结构参数识别及荷载反演。将其与松弛法结合，可解决非线性参数系统的识别问题，与文献[4]的方法比较，其收敛速度有显著提高。     

一种用于分散化滤波的融合算法及其在组合导航系统中的应用

提出了一种局部估计相关时的最优融合算法，其特点是加权矩阵是对角阵，即全局估计中的各分量分别是局部估计中相应分量的线性组合，在此融合算法中局部估计是最优的，并且不存在由主滤波器向子滤波器的信息反馈，因此具有较好的客措性。给出了最优加权矩阵的存在性和唯一性的证明，并通过与现有类似融合算法的对比，表明该算法具有计算量小的优点。最后，以组合导航系统为例作了仿真计算，结果表明该融合算法是可行的。