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。     

组合动力运载器上升段轨迹智能优化方法

针对组合动力水平起飞可重复使用运载器，开展了上升段轨迹优化模型设计与轨迹优化方法研究。首先，针对跨大空/速域飞行须采用多种动力形式协调工作这一问题，考虑动力/气动/轨迹/指标间的复杂耦合关系，建立了运载器动力和气动模型。其次，为降低轨迹优化问题的求解难度，设计了一种全新的飞行剖面，实现了关键优化参数的提取和攻角约束的自动满足，减少了优化算法需要处理的约束数量。然后，提出了一种改进的粒子群优化(PSO)算法完成求解；在收敛性分析的基础上，引入强化学习机制对PSO寻优过程进行自主智能控制，从本质上提升了PSO算法的求解效率。最后通过数学仿真验证了方法的正确性和有效性。     

一种高超声速飞行器再入轨迹优化方法

针对高超声速飞行器的再入轨迹优化问题，提出了一种基于动态自适应樽海鞘群算法和高斯伪谱法的混合优化方案。首先，为了使樽海鞘群算法探索和利用之间的平衡更加合理，提出了一种新颖的动态自适应樽海鞘群算法。然后，针对传统高斯伪谱法在轨迹优化过程中对初始猜测值敏感的不足，借助动态自适应樽海鞘群算法强大的全局搜索能力，先利用该算法对控制量进行全局寻优，将求得的近似全局最优解作为高斯伪谱法优化的初始猜测值，接着再利用高斯伪谱法对控制量进行全局寻优。仿真结果表明所提出的动态自适应樽海鞘群算法和混合优化方案的有效性和可行性。     

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。     

基于遗传算法的固体火箭发动机参数辨识

固体火箭发动机参数辨识为非线性受约束优化问题,经典算法求解此类问题时初值敏感、局部收敛等问题表现较为突出.针对上述难题,将具有良好全局收敛性的遗传算法用于固体火箭发动机参数辨识,得到推进剂燃速模型和喉径变化模型的全局最优辨识值.计算结果表明,固体火箭发动机参数辨识采用遗传算法求解可行,计算结果与试验结果吻合良好.     

基于改进蚁群算法的巡航导弹航迹规划

研究了一种基于改进蚁群算法的巡航导弹航迹规划方法，以规划出生存概率更大、飞行距离更短的攻击轨迹，有效提高巡航导弹的作战效能。提出了坐标变换的思想，通过坐标变换将蚁群算法中信息素局部更新策略和全局更新策略协同作用的机制合理地应用到了航迹规划中，通过将信息素全局更新规则中的信息素常量和挥发率进行自适应变化来对算法进行了改进，最后对算法进行了计算机编程仿真实现。仿真结果验证了改进算法能有效避免算法过早陷入局部最优，加快算法的收敛速度，能取得目标函数更优的航迹规划路径。     

推进剂稳态燃速最优化辨识

考虑侵蚀燃烧对推进剂稳态燃速的影响,将推进剂稳态燃速模型参数辨识问题转化为非线性规划问题求解。采用Powell方法和并行遗传算法组成的混合优化方法,提高了非线性规划问题求解的效率和质量,得到了推进剂稳态燃速模型参数的全局最优辨识值。通过对设计空间的可视化进行优化收敛过程的参数分析,近似得到侵蚀燃烧模型参数的不确定性区间。     

最佳矢量与遗传算法在结构系统可靠性优化中的应用

利用目标函数和约束函数的梯度信息,给出了基于结构可靠性的最佳矢量优化方法,其具有较强的局部搜索能力、收敛快等特点,并结合遗传算法较强的全局搜索能力构造了基于最佳矢量优化方法和遗传算法的混合算法。该方法结合了二者的各自的特点,使两种算法的搜索能力得到了相互补充,祢补了各自的弱点。结合算例表明,应用该方法所得的优化结果好于单独使用最佳矢量优化方法或单独使用遗传算法所得的优化结果,该方法是一种优化能力、效率较高的优化方法。     

基于退火遗传算法的小推力轨道优化问题研究

利用退火遗传算法解决小推力轨道优化问题。首先利用传统混合法将轨道优化问题归结为受非线性方程约束的参数优化问题。通过结合退火和随机惩罚函数对约束条件进行处理后，用遗传算法求解这个参数优化问题。最后再采用局部优化算法提高解的精度。这种算法既保持了传统混合法精度高、解轨线光滑的优点，又克服了传统轨道优化方法收敛性差、初始猜测困难、容易陷入局部极小解的缺点。在本文的最后，利用文中提出的轨道优化算法求解“喷-停-喷”型定常推力幅值地球-木星轨道转移问题。算例证明此算法可以有效地求解小推力轨道转移问题，尤其适用于传统轨道优化方法难以求解的复杂轨道优化问题。     

基于改进最大期望算法迭代相位检测器的研究

近年来出现的基于最大期望(EM)迭代算法的相位同步算法具有比传统非数据辅助(NDA)相位估计算法更低的相位误差,是适合于Turbo编码系统的一种相位同步算法。然而,EM迭代算法对初值的选取比较敏感,收敛性较差。为了克服EM迭代算法收敛性较差的缺点,提出一种基于改进EM算法的Turbo编码系统迭代相位同步算法。针对EM算法的缺点,用数据辅助(DA)和NDA结合的方法得到的相位估计作为EM算法的初值。数值仿真显示,该方法具有比随机初始化EM算法更好的相位检测性能。     

基于改进ALO-RBF的高频地波雷达海杂波预测模型

高频地波雷达是海上动目标检测的重要手段,其中海杂波是影响海面目标检测性能的主要因素。为了提高海杂波的预测精度进而有效抑制海杂波,本文提出了一种基于改进蚁狮算法（Ant Lion Optimizer,ALO）优化RBF神经网络的海杂波预测模型（MGPALO-RBF,Multiple elites dynamic guidance Ant Lion Optimizer based on Gaussian difference variation-based learning with Perturbation factor-radial basis function）。由于标准蚁狮算法具有易陷入局部最优且收敛速度慢的缺点,本文在蚂蚁进行随机行走的过程中加入扰动因子以增加种群的活跃性和多样性,并提出多个精英动态引导机制,强化算法前期的探索能力和后期的开发能力,同时对种群中较差蚁狮进行高斯差分变异以提高算法的收敛速度。仿真结果表明：改进的蚁狮算法在对比算法中具有更高的收敛精度和收敛速度,MGPALO-RBF模型具有更好的海杂波预测性能。     

空间机器人惯性参数辨识的粒子群优化新算法

提出了针对一类多自由度空间机器人卫星惯性参数在轨辨识的一种粒子群（PSO）优化新算法。通过粒子邻域限定的多样性保持、低效粒子随机重置和粒子误差的序列性评价,得到了比常规方法更好的结果,且具有无附加燃料消耗、线动量测量和特定的机器人路径规划等便利性优点。仿真算例表明,该改进方法具有较高的准确性与效率。     

深度交叉遗传神经网络在液体火箭发动机故障检测中的应用

将遗传算法与BP神经网络深度交叉融合,即采用遗传算法对BP神经网络的权值和阈值进行多点优化,而在进化的每一代中随机取少量染色体进行单一BP网络训练,训练结果再返回染色体,经过若干代的进化后得到稳定的权值和阈值,再将它们赋给BP神经网络,作为初始值,按误差前向反馈算法沿负梯度搜索重新训练,最终得到最优解。这种算法既避免BP算法易陷入局部最优解的不足,又克服遗传算法以类似穷举的形式寻找最优解而引起的搜索时间长、速度慢的缺点。并且经过仿真分析,深度交叉遗传BP神经网络的收敛性和故障诊断能力优于传统BP神经网络和单一使用遗传算法,可有效应用于液体火箭发动机故障检测中。     

RLV再入混合制导方法研究

提出可重复使用跨大气层飞行器（RLV）再入混合制导方法，该方法将再入轨道在线生成技术、基于阻力加速度飞行剖面的跟踪制导技术和数值预测制导技术有机结合。其中再入轨道在线生成能够向轨道预测制导算法提供初值，以加快轨道预测制导算法收敛速度；轨道跟踪控制器控制再入吸热，使再入轨道满足再入走廊约束；而数值预测制导算法则对再入轨道进行快速预报，生成合适的制导指令，将RLV导向目标。给出了RLV再入混合制导的具体算法，并对Marshall航天中心先进制导与控制项目所提出的九种再入情况进行了初步仿真，结果表明所提出的RLV再入混合制导方案是可行的。     

基于并联协作混合遗传算法的高超声速巡航飞行器一体化优化设计研究

遗传算法能以很高的概率找到全局最优解，不需要目标函数和约束条件的梯度信息。适合于工程优化设计。为增强遗传算法的局部搜索能力，提出了一种新的融合模式搜索方法和Powell方法的并联协作混合遗传算法。研究超燃冲压发动机为动力的高超声速巡航飞行器的一体化优化设计。系统分析了机身和超燃冲压发动机设计参数对飞行器总体性能的影响。通过建立高超声速巡航飞行器质量模型、气动力估算模型、气动热估算模型、超燃冲压发动机性能分析模型、控制模型和弹道分析模型，在满足参考任务要求的前题下，以飞行器起飞质量为目标函数，将并联协作混合遗传算法应用于最优总体方案和超燃冲压发动机方案一体化设计。完成了6设计变量的全局优化计算。算例表明，本文建立的一体化设计模型基本正确，并联协作混合遗传算法是用于高超声速巡航飞行器一体化优化设计的较好的优化算法。     

自适应学习率的增量强化学习飞行控制

针对预先设定学习率的增量强化学习(IRL)飞行控制律失败率较高,并且无法适应飞行器大范围动力学特性变化下的稳定控制问题,提出一种自适应学习率的增量强化学习(ALRIRL)控制方法.首先,基于小波分析方法构造控制系统稳定度评价函数,用于评估控制器稳定度.然后,基于梯度下降法设计学习率在线迭代计算方法,以提升强化学习控制器...     

约束处理策略对遗传算法优化性能的影响

根据遗传算法处理带约束优化问题时常用的拒绝策略或惩罚策略的优势与不足,提出一种“自适应拒绝＋惩罚”相结合的约束处理策略,分别采用3种不同约束处理策略完成了空中发射运载火箭的优化设计,并对优化结果进行了比较.结果表明,对于约束严的优化问题,拒绝策略收敛速度较慢;惩罚策略中罚函数的形式对优化结果影响较大;“自适应拒绝＋惩罚”策略拒绝所有约束破坏程度超过容许范围的非可行解,并对约束破坏程度在容许范围内的非可行解进行惩罚,可大大改善遗传算法处理严约束优化问题的优化性能.     

推广联合滤波算法在卫星组合定姿系统中的应用

研究了不同模型下的推广联合滤波算法。基于信息融合理论和信息守恒原理，提出信息分配是信息融合的逆过程的观点，给出和证明了信息分配定理，为推广联合滤波算法提供了理论基础。以某卫星组合姿态确定系统为例，详细讨论了推广联合滤波的结构及其实现过程。理论分析和数学仿真结果表明：推广联合滤波算法比现有的联合滤波算法计算量小，且推广联合滤波算法能够同时保证全局最优和局部最优，而现有的联合滤波算法不是局部最优。     

Particle swarm optimization applied to impulsive orbital transfers

The particle swarm optimization (PSO) technique is a population-based stochastic method developed in recent years and successfully applied in several fields of research. It mimics the unpredictable motion of bird flocks while searching for food, with the intent of determining the optimal values of the unknown parameters of the problem under consideration. At the end of the process, the best particle (i.e. the best solution with reference to the objective function) is expected to contain the globally optimal values of the unknown parameters. The central idea underlying the method is contained in the formula for velocity updating. This formula includes three terms with stochastic weights. This research applies the particle swarm optimization algorithm to the problem of optimizing impulsive orbital transfers. More specifically, the following problems are considered and solved with the PSO algorithm: (i) determination of the globally optimal two- and three-impulse transfer trajectories between two coplanar circular orbits; (ii) determination of the optimal transfer between two coplanar, elliptic orbits with arbitrary orientation; (iii) determination of the optimal two-impulse transfer between two circular, non-coplanar orbits; (iv) determination of the globally optimal two-impulse transfer between two non-coplanar elliptic orbits. Despite its intuitiveness and simplicity, the particle swarm optimization method proves to be capable of effectively solving the orbital transfer problems of interest with great numerical accuracy.     

基于hp自适应伪谱法的固体运载火箭轨迹优化

多级固体运载火箭轨迹优化是一个多阶段多约束的最优控制问题。hp自适应伪谱法融合了有限元法和全局伪谱法的思想,采用双层优化策略对细化单元数和插值基函数的阶次进行自适应调节以满足精度和快速性要求。对基于hp自适应伪谱法的多级固体运载火箭主动段轨迹优化问题进行了数值计算,结果表明该优化方法能够很好的满足过程约束和终端入轨条件,具有收敛速度快、对初值不敏感等优点,有一定的工程应用价值。