基于Gauss伪谱方法的高超声速飞行器再入轨迹快速优化

基于一种求解最优控制问题的新方法—Gauss伪谱法(Gauss Pseudospectral Method-GPM),研究了高超声速飞行器滑翔式再入的快速轨迹优化问题。针对远程多约束条件下滑翔式再入轨迹优化问题的难点,提出了基于GPM的串行分段优化策略,包括三个方面:(1)构造了设计变量初值生成器,获得近似最优解作为优化初值;(2)提出从可行解到最优解的串行优化策略;(3)引入平衡滑翔条件构造动态分段点,将再入轨迹分为初始下降段和滑翔段分别求解。以某高超声速再入飞行器为对象进行轨迹优化计算,仿真结果验证了本文的轨迹优化方法具有较高的精度和计算效率。

阻尼Gauss-Newton方法解非线性不等式组

本文研究了非线性不等式组的求解问题.利用了阻尼Gauss-Newton方法求解非线性方程组,获得了该算法的全局收敛性,推广了Gauss-Newton法在解非线性方程组方面的应用.

基于Gauss伪谱方法的高超声速滑翔飞行器滑翔段轨迹优化

基于一种求解最优控制问题的方法-Gauss伪谱法(Gauss Pseudospectral Method-GPM),研究了高超声速滑翔飞行器滑翔段迹优化问题。本文利用微分形式高斯伪谱方法将飞行器三自由度滑翔段轨迹优化问题转化为非线性规划问题,选取高斯节点上的状态量和控制量作为待优化参数,并将最优性能指标选为纵程最大,然后对滑翔段轨迹进行了求解。以某高超声速滑翔式飞行器为对象进行轨迹优化计算,仿真结果验证了本文的轨迹优化方法具有一定的精度和计算效率。此外,仿真过程还说明高斯伪谱法对状态猜测值并不敏感,算法容易收敛,适用于轨迹优化问题的求解。

基于Gauss伪谱法的助推-滑翔飞行器多阶段约束轨迹优化(英文)

在同时存在路径约束和边界条件时确定助推-滑翔飞行器的最优运动轨迹是近年来的热点问题。本文讨论了助推-滑翔飞行器的具有最大纵向航程和横向航程的两种最优轨迹。Gauss伪谱法是由Benson和Huntington提出的,在求解复杂的最优控制问题时有较快的收敛速度并能提供高精度的解。文中介绍了该方法并利用其将轨迹优化问题变换为可由NLP求解器进行数值求解的非线性规划问题。文中还介绍了其它相关的技术,例如端点控制的计算方法、处理包含奇异弧段的多阶段问题的处理方法、获得初始猜测值的方法和验证结果的方法等。仿真结果可以说明在给定的热流、过载和动压约束下最优轨迹的若干关键特性。通过优化和仿真计算,同时证明了此方法的实用性和有效性。

Gauss-Newton法的收敛性

文章就求解方程最为重要的Newton法以及解非线性最小二乘问题和解非光滑复合凸优化问题的Gauss-Newton法的收敛性等问题的研究成果和进展作介绍。

Maxwell方程反演的小波多尺度方法

研究Maxwell方程电导率的识别问题.主要的难点是目标函数中存在一些局部极小值.将小波多尺度方法应用到Maxwell方程反演过程,通过小波变换,反问题被分解到多个尺度上,于是原反问题可以在子一级的尺度上,由大尺度到小尺度逐级求解.在每个尺度上我们采用稳定、快速的Gauss-Newton迭代法.数值算例的结果显示了这种方法大范围收敛、计算效率高、结果准确,是一种可行的计算方法.

基于三坐标提取点数据的圆柱度误差的评定方法

介绍了基于三坐标提取点数据的圆柱度误差的评定方法。工件可以任意方位放置。以所提取的五个点数据,采用Newton法及Gauss消去法求解非线性方程组,计算出以此五个点所做的圆柱体的半径和轴心线的方位。求各提取点到该轴心线的距离。再求最大距离与最小距离之差。遍历所有提取点,重复以上算法,比较所有距离之差,其中的最小者便是该工件的圆柱度误差。此方法完全符合最小包容区域判别准则的要求。

用差分方程模型模拟北京2003年SARS疫情

根据北京2003年SARS疫情发展的实际情况,利用差分方程建立模拟北京疫情发展过程(2003年3月20日至7月14日)的数学模型．建立主要由模拟值与实际统计值之差的平方和构成的目标函数．最后利用Gauss-Newton最优化方法,对模型中参数进行估计．

似然迭代离差差分滤波算法的机动再入目标状态估计

针对使用离差差分滤波算法对机动再入目标状态估计时,不能充分用到最新量测信息,状态估计误差较低的情况,提出一种新的滤波算法——似然迭代离差差分滤波算法.该算法在二阶离差差分滤波算法的量测更新过程中采用Gauss-Newton方法不断逼近最大后验估计,且使用迭代状态估计值代替状态预测值,修正迭代公式,并使用确保产生的迭代序列向最大似然面移动的迭代终止条件.使用似然迭代离差差分滤波算法估计机动再入目标状态,蒙特卡罗仿真表明,该算法不仅提高了状态估计精度,而且还有很快的收敛速度.

通过广义D-间隙函数求解变分不等式问题的全局收敛性的推广(英文)

变分不等式问题(VIP)可以通过D 间隙函数转化为一个无约束最优化问题。最近,Peng提出了一种混合型Newton方法来极小化D 间隙函数。本文对Peng的算法中作了适当的修改,建立了一个更强的全局收敛性定理,所得的结果推广了相应文献中的结果。

基于极大似然估计的多参考点模态参数识别方法

在考虑随机噪声的情况下,实现了一种基于极大似然估计的多参考点频域模态参数识别方法。该方法采用频响函数的右矩阵分式模型,通过噪声的协方差矩阵对误差向量加权,使用离散时间域中基函数改善数值求解性态。模态参数的估计过程分为两步:首先由基于最小二乘估计的polyLSCF算法获取迭代初值,然后通过Gauss-Newton方法对极大似然函数进行迭代优化,得到精度更高的模态参数识别结果。采用GARTEUR仿真算例对所给出的方法进行了验证,结果表明:在高噪声情况下,利用噪声信息的极大似然估计方法能够显著提高模态参数的识别精度,特别是阻尼的识别精度。

改进的OWL-QN方法解稀疏logistic回归问题

稀疏logistic回归,是机器学习中一类重要的问题,它在控制论、管理科学和互联网等领域有着广泛的应用.本文提出了一种改进的基于分象限学习的拟Newton算法来求解稀疏logistic回归问题.新算法采用著名的Barzilai-Borwein步长策略自适应地近似代替目标函数的Hesse阵,并利用目标函数的整体梯度信息来构造拟Newton向量.在适当的条件下,证明了新算法的全局收敛性.数值实验表明新算法是可行的,并且是有效的.