基于GA-PSO的低轨星座传感器资源优化调度方法

针对低轨星座目标跟踪传感器资源调度,基于函数优化和组合优化理论,建立了传感器资源优化调度模型,并设计了基于遗传算法-粒子群优化(GA-PSO)的优化调度算法。仿真结果表明,与现有的构造优化调度算法相比,该算法的性能更优,但运算量有所增加。     

卫星数传调度问题的速度可控粒子群优化算法

针对卫星数传调度这一类复杂的约束组合优化问题,提出了一种速度方向和尺度可控的粒子群优化求解算法。为克服粒子群算法的早熟问题,该算法引入了速度更新的方向控制规则和尺度控制规则用于增加群体的多样性,并根据两种控制规则,提出了种群粒子的速度迭代策略,实现了算法运行过程中粒子间吸引和排斥过程的动态调整,同时保证了算法的收敛速度。设计了卫星数传调度问题的编码和解码方式,并证明了该编码方式下最优可行解的存在性。通过仿真实例验证了算法的有效性,并分析了算法控制参数对优化结果的影响。     

基于混合量子粒子群优化算法的三维航迹规划

针对粒子群优化算法(PSO)存在的早熟收敛问题,通过将种群的繁殖机制引入量子粒子群优化算法(QPSO),提出了一种混合量子粒子群优化算法(HQPSO),将该算法应用于无人飞行器的三维航迹规划。同时,运用统计学方法,通过仿真实验比较了HQPSO算法与QPSO算法以及带动态变化惯性权系数的PSO算法的性能。仿真实验结果表明,HQPSO不但比QPSO和PSO具有更强的全局搜索能力,而且比QPSO和PSO具有更快的收敛速度。     

基于粒子群优化算法的整星有限元模型修正方法

文章介绍了一种基于粒子群优化算法的整星有限元模型修正方法,首先对整星进行了有限元建模和模态分析,并将试验和分析结果进行了相关性分析,然后引入粒子群优化算法对整星有限元模型进行修正,提高了模型分析和预示精度,为整星级有限元模型修正提供了一种新的手段。     

充液挠性航天器姿态机动控制的多目标优化

针对充液挠性航天器姿态快速机动、快速稳定的控制要求,为减小姿态机动对挠性附件振动和液体晃动的激发,设计了一种基于正弦型加加速度的姿态机动路径规划方法。为进一步提高姿态控制性能,提出了一种基于云多目标粒子群算法的姿态控制器参数和机动路径参数联合优化方法。以最小化充液挠性航天器三轴姿态达到指定指向精度的时间以及三轴姿态稳定度,构建多目标优化模型,并应用云多目标粒子群算法求取姿态控制器参数和机动路径参数的Pareto最优解。仿真结果表明:采用多目标联合优化算法得到的控制器与路径参数,能够有效减小液体晃动和挠性附件振动,显著提高充液挠性航天器大角度姿态机动的快速性和稳定性。     

基于改进混沌粒子群算法的发射波束控零

建立天线方向图综合控零模型,构造了一种适合方向图多指标优化的非线性目标函数。针对粒子群算法的快速收敛及全局最优的强搜索特点,应用混沌系统的遍历性和强随机性对算法进行改进,形成混沌粒子群算法,将其应用于发射波束方向图控制,实现了任意指定零陷深度要求的方向图控制。仿真结果验证了改进算法的优越性。     

一种基于粒子群优化的卫星仅测频被动定轨新算法

提出一种新的卫星对卫星仅测频被动定轨算法,采用粒子群优化算法(PSO)解决多维全局优化问题。首先,建立了卫星对卫星仅测频被动定轨的数学模型;其次,基于粒子群优化算法提出了对目标卫星轨道根数的估计方法;再次,推导了参数估计误差的克拉-美劳(CRLB)下限。最后通过计算机仿真对算法的性能进行了验证。多次仿真结果表明:该算法的参数估计误差接近克拉-美劳下限,且算法的运算量明显优于网格搜索法。     

多传感器交叉提示多目标探测动态联盟技术研究

针对多传感器交叉提示多目标连续、高概率探测问题,引入动态联盟思想,提出了多传感器交叉提示多目标探测的动态联盟机制,为解决被提示传感器的选择问题建立了动态联盟的数学模型,提出了对每个目标形成一个动态联盟进行探测求解多个传感器动态联盟的带变异算子的离散粒子群算法。仿真和实验结果表明该算法能够得到更满意的解,优化了系统综合探测概率、总消耗以及所有目标联盟成员总数三种性能,与实际情形要求一致,从而表明了模型的合理性和算法的有效性。
     

一种粒子群模糊支持向量机的航天器参量预测方法

针对航天器精确预测与健康管理的需求,将粒子群算法、模糊数学与支持向量机的优势相结合,提出了一种粒子群模糊支持向量机预测方法。针对某卫星南帆板输出电流参量的预测实例,设计了总平均绝对误差、总平均绝对百分比误差、总均方根误差三个预测结果评价指标,对不同步长情况下的预测结果进行了比较,证明了粒子群优化模糊支持向量机预测方法的有效性。通过对比粒子群优化模糊支持向量机模型、灰色粒子群神经网络优化模型、粒子群神经网络模型、灰色模型预测的总平均绝对百分比误差,结果证明粒子群优化模糊支持向量机的预测精度和效率较高,在航天器参量预测领域具有较好的应用前景。     

空间机器人抓捕目标星碰撞前构型优化

空间双臂机器人抓捕目标星会导致碰撞,针对碰撞引起机器人系统基座姿态变化的问题,提出一种基于粒子群算法的碰撞前构型优化方法。该方法首先给出了碰撞前和碰撞后的动力学模型,然后根据冲量-动量方程推导出碰撞阶段动力学方程,最后提出基于粒子群算法的最优碰撞前构型规划数值方法,使碰撞对机器人系统角动量的影响尽量小。通过计算校验了该方法的有效性,找到了用于空间机器人抓捕目标星的较理想的碰撞前构型。     

基于粒子群算法的多波位高度估计方法

为解决雷达斜视模式下对目标区域的高度估计问题,提出了一种基于粒子群算法的多波位高度估计方法。利用粒子群优化算法建立约束条件和目标函数,通过多次迭代使目标函数趋于一个最优值,同时得到高度的最优解。利用粒子群优化算法求解多波位测高方程组可减小方程组近似处理误差。此外,利用粒子群优化算法可随时更改波位数目,增强了该测高方法使用的灵活性,有效提高了高度估计精度。通过理论仿真和实测数据仿真分析,验证了粒子群优化算法在求解多波位测高方程组时的有效性。结果表明:该方法具有较高的高度估计精度。     

基于深度网络的太赫兹波束预判方法研究

针对太赫兹波波束较窄引起的伺服天线被动跟踪无法达到空间太赫兹通信链路性能要求的问题,提出了一种基于优化深度网络的太赫兹波束预判方法。首先通过分析方位、俯仰角误差大小随运行周期、外推初始时刻的变化,得到高轨对低轨卫星指向误差呈周期性发散的特征;然后采用粒子群算法优化长短时记忆网络参数,对未来时刻指向误差进行预测并修正,针对粒子群算法易陷入局部最优、全局搜索能力较差的问题,通过动态调整粒子群算法的惯性权重,以达到优化长短时记忆网络的目的。仿真结果表明：基于改进后粒子群算法优化的长短时记忆网络能够有效预测未来时刻指向误差,在同一链路场景中相比未改进网络平均绝对百分比误差降低13.08%。     

基于改进粒子群算法的红外灯阵自动优化设计

为提高航天器热试验用红外灯阵的设计效率、提升灯阵热流分布均匀性,提出一种基于粒子群算法的红外灯阵自动优化设计方法:建立红外灯单灯的热流分布数据库与灯阵位置参数的自动优化设计方法;并通过优化参数的重新选择和优化参数间约束条件的建立,改进传统的粒子群算法以提高设计效率。计算结果表明,相比遗传算法,使用改进粒子群算法进行灯阵优化设计用时缩减82%,而优化所得的热流分布均匀度仅低了0.77%。     

航天器热平衡温度预测的粒子群算法

为解决航天器热平衡试验温度外推预测方法中存在的问题,提出了热平衡温度预测的粒子群优化算法。根据热平衡温度模型,建立待优化的目标函数以及热平衡温度粒子群算法的计算流程。依据某型号卫星热平衡试验的前期温度数据,对热平衡极限温度以及瞬时温度进行预测,并与实测数据进行了比对。计算结果与实测数据相比具有较好的一致性,所提出的方法可有效地应用于航天器热平衡试验温度预测。     

基于改进PSO-WNN的高频地波雷达 电离层杂波抑制方法

高频地波雷达的海上目标探测能力与电离层杂波的抑制效果息息相关,而电离层杂波的复杂性与变化多样性又为抑制带来了难题。为实现电离层杂波的抑制,分析了电离层杂波的混沌特性,在此基础上提出一种基于改进粒子群算法优化小波神经网络的抑制方法,解决了粒子群算法易早熟和易陷入局部最优的缺点;提出一种自适应概率变异的策略,丰富了种群多样性,使得整个迭代过程中粒子群能够跳出当前最优,寻得全局最优。实测实验表明,基于改进粒子群算法优化的小波神经网络（PSO-WNN）能够基本预测电离层杂波的数值,进行电离层杂波的抑制,有效改善了信噪比,对电离层杂波的抑制研究具有重要意义。     

基于二维单基线的单星高精度无源定位算法

针对长短基线干涉仪定位系统设备量大、系统复杂的问题,提出了基于运动学原理的单星高精度无源定位技术。以模糊相位差和相位差变化率为观测量,并采用三通道二维单基线阵列构型,充分利用长基线相位差定位精度高的特点,并结合相位差变化率的无模糊特性,通过粒子群改进算法实现高精度的定位。仿真结果表明,该算法定位精度高,定位性能接近CRLB。     

基于Contourlet域Krawtchouk矩和改进粒子群的遥感图像匹配

为了进一步提高遥感图像匹配的精度和运算效率,提出了一种利用Contourlet变 换、Krawtchouk矩和改进粒子群的遥感图像匹配算法。在分别对参考图像和目标图像进行Co ntourlet分解的基础上,引入Krawtchouk矩来提取图像的局部特征,并利用改进的带极值扰 动的简化粒子群优化算法对低分辨率的遥感图像进行匹配操作,然后逐级上推,
最终实现全分辨率情况下遥感图像的匹配。实验结果表明,该算法与目前常用的遥感图像匹 配算法相比,不仅具有更高的匹配精度和运算效率,还有较强的鲁棒性。
     

基于分层人工鱼群的相干极化-DOA联合估计

智能优化算法是解决多维非线性优化问题、提高计算效率的有力工具。本文针对相干辐射源极化-空间角联合估计中计算量巨大的工程难题，以广义子空间拟合约束公式为代价函数，提出一种分层人工鱼群算法。该算法基于分层协同策略将鱼群分为底层和顶层，底层以人工鱼群算法进行全局搜索以保证种群多样性，顶层以粒子群算法进行局部搜索以加快收敛速度。仿真结果证明：分层人工鱼群算法能大幅降低广义子空间拟合的计算量，尤其是在较多目标的情况下。算法可有效提高计算效率，同时可提供优于传统人工鱼群算法的估计精度。