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%。     

一种考虑最优收敛时间的多无人机编队控制方法

针对多无人机编队过程中的收敛时间问题,提出了一种基于最优控制和粒子群优化算法的一致性编队控制方法。将无人机机动约束和一致性编队控制算法结合,实现了无人机在约束条件下的编队控制。基于人工势场思想,设计了一种具有机间避碰能力的一致性编队控制方法,解决了无人机之间的碰撞问题。通过最优一致性控制和粒子群优化算法优化一致性编队控制方法,在考虑机间避碰的情况下,使整个编队的收敛时间降低1.2 s,整体收敛性能提升6.28%。仿真结果表明该方法能够缩短多无人机的编队收敛时间。     

变权TOPSIS评价的导弹总体参数粒子群优化设计方法

为解决传统单目标优化方法难以满足导弹总体参数多目标优化的需求,以及多学科设计优化方法复杂而难于在导弹概念设计阶段使用的问题。提出了一种基于变权TOPSIS(逼近于理想排序)评价和粒子群算法融合的多属性综合优化设计方法。以标准粒子群优化算法为基础,运用变权综合原理构建变权状态变量,结合TOPSIS评价方法计算每组粒子(总体参数方案)的可行欧氏距离,以欧氏距离作为综合评价目标开展了导弹总体参数优化设计研究工作。经实例分析表明,基于变权TOPSIS的粒子群优化设计方法能够有效解决导弹概念设计阶段总体设计多参数、多属性综合优化问题,与传统设计方法相比,具有概念清晰、方法灵活、实现高效的优点。     

改进粒子群算法优化SVM参数的遥感图像分类

文章使用支持向量机(SVM)分类算法,结合当下应用较为广泛的智能优化算法,对SVM的参数进行优化选取,以期能够提高遥感图像的分类精度。针对粒子群算法(PSO)优化SVM分类器参数时,存在着容易早熟收敛、分类精度相对较低、容易陷入局部最优解的问题,提出了一种以自适应权重粒子群算法(SAPSO)为基础,引入遗传算法交叉算子的混合优化算法(SAPSO-GA),利用这种改进的算法优化SVM参数对遥感图像进行分类。文章以一景Quick Bird卫星遥感影像为例,对影像进行图像融合等预处理,然后分别使用PSO-SVM算法和SAPSO-GA-SVM算法进行土地利用分类,比较分析两种算法的分类精度,结果表明,改进的算法提高了粒子群算法的搜索性能,能够寻找更佳SVM分类器参数,获得较高的分类精度。     

具有最低旁瓣电平和使用粒子群优化算法控制零陷的线性阵几何综合

描述了具有最低旁瓣电平和使用粒子群优化算法（PSO）控制零陷的线性阵几何综合方法。PSO是一种最新开发的高性能优化算法，它能解决一般的N维线性和非线性优化问题。与遗传算法和模拟退火等其他进化算法相比，PSO算法更易于理解和实现，并且要求最少的数学预处理。针对以旁瓣抑制（SLL）和／或在特定方向放置零陷为目标的优化问题，首先提出了阵列几何综合的公式，然后运用PSO算法来解决单元的位置优化问题。最后给出了3个PSO算法应用的设计实例，且每个实例中的优化目标都易于实现。通过与使用二次规划方法（QPM）获得的结果相比较，验证了PSO算法结果的有效性。     

运载火箭主动段自适应增广控制

针对运载火箭上升段在复杂飞行环境、大不确定性干扰和振动等因素的影响下，传统PID控制方法难以满足高品质控制需求的问题，进行了自适应增广控制(AAC)方法研究，以实现对运载火箭姿态的精确控制。在深入分析自适应增广控制系统整体构架的基础上，通过标称PID控制器设计与基于粒子群优化(PSO)的数字滤波器设计实现了刚体控制及对弹性振动的抑制；继而针对大范围干扰、不确定性和由于滤波器切换产生的弹性振动影响，设计了在线调整算法自适应调节PID控制增益，并对其工作机理与参数设计原则进行研究；然后设计干扰补偿回路和主动减载回路以减小内外扰动、弹性振动和风载荷影响；最后在弹性振动、风干扰和参数不确定性等因素同时作用的状态下进行仿真分析，验证了自适应增广控制系统能够有效应对运载火箭主动段复杂飞行环境的影响，大幅度提升综合控制性能，具有理论研究意义与工程应用价值。     

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。     

基于弹性辨识的运载火箭改进AAC控制方法

针对运载火箭自适应增广控制(AAC)方法输出抖动问题提出一种改进AAC控制方法,该方法在AAC基础上增加弹性辨识算法来辨识系统弹性振动频率,通过设计陷波滤波器来抑制系统弹性振动,从而消除自适应增益输出抖动问题。仿真结果表明,该方法继承AAC抗干扰能力强的优点,避开AAC输出抖动的缺点,有效提高了系统鲁棒性。     

一种超参数自适应航天器交会变轨策略优化方法

利用强化学习技术,本文提出了一种超参数自适应的燃料最优地球同步轨道（GEO）航天器交会变轨策略优化方法。首先,建立了GEO航天器交会Lambert变轨模型。以变轨时刻为决策变量、燃料消耗为适应度函数,使用改进式综合学习粒子群算法（ICLPSO）作为变轨策略优化的基础方法。其次,考虑到求解的最优性和快速性,重新设计了以粒子群算法（PSO）优化结果为参考基线的奖励函数。使用一族典型GEO航天器交会工况训练深度确定性策略梯度神经网络（DDPG）。将DDPG与ICLPSO组合为强化学习粒子群算法（RLPSO）,从而实现算法超参数根据实时迭代收敛情况的自适应动态调整。最后,仿真结果表明与PSO、综合学习粒子群算法（CLPSO）相比,RLPSO在较少迭代后即可给出适应度较高的规划结果,减轻了迭代过程中的计算资源消耗。     

飞行器滑模变结构姿态控制器参数优化设计

研究了大气层外飞行器姿态控制器设计。基于误差四元数建立飞行器姿态运动学与动力学方程,用滑模变结构控制方法设计控制器,通过构造Lyapunov函数验证了控制器具全局稳定性和鲁棒性。以控制器参数为优化变量,机动时间为优化指标,飞行器发动机输出力矩为约束条件,用粒子群算法实现对滑模控制器参数的优化设计。仿真结果表明：控制器设计可行且有效,并能对参数进行优化。     

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。     

含引力辅助的小推力多任务探测轨道设计

针对深空探测时间长、成本高的特点,文中以多任务深空探测为背景,建立了包含多模型、多约束、多变量、多阶段的探测轨道设计模型。通过融合推力工作模式、分段设计目标函数等策略,克服了模型的内点约束限制,降低了优化模型的复杂度。为了提高优化速度、提升优化精度,结合梯度搜索和粒子群算法的特点,研究提出了一种梯度混合粒子群(GHPSO)算法。将该算法应用到多任务星探测轨道设计模型上,得到了发动机的工作时序,并横向对比了该文算法与传统粒子群算法(PSO)和遗传算法(GA)的优化性能。仿真结果表明,文中提出的算法搜索速度快,第1设计阶段GHPSO相对GA提高61.96%,相对PSO提高47.85%,第2设计阶段GHPSO相对GA提高61.87%,相对PSO提高43.66%;精度最高,第1设计阶段GHPSO相对GA平均精度提高了2.86%,最高精度提高了1.24%,相对PSO平均精度提高了4.19%,最高精度提高了3.97%,第2设计阶段GHPSO相对GA平均精度提高了3.33%,最高精度提高了1.63%,相对PSO平均精度提高了4.72%,最高精度提高了3.02%,适用于轨道优化设计类的非线性、多约束全局优化问题。     

基于改进粒子群算法的混合卫星星座优化设计

对用低轨子星座和椭圆轨道子星座组成的混合卫星星座实现不均匀覆盖进行了研究。给出了低圆轨道和椭圆轨道的设计方法和计算模型。基于对传统粒子群算法的改进,提出了一种自适应变异与非线性单纯形法综合的高效粒子群优化算法对星座进行优化设计,并给出了设计的某混合卫星星座的整体构型。分析结果表明:该法明显优于遗传算法和传统粒子群算法。     

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。     

分布式卫星系统在轨操作的多目标分配

针对空间在轨操作目标分配问题,以分布式卫星系统为研究对象,提出了一种基于粒子群算法的在轨操作多目标分配方法。以分布式卫星机动所消耗的总能量最省为目标函数,建立了在轨操作多目标分配的数学模型。基于固定时间拦截理论,以机动时刻和对应的速度增量作表征,设计实现了单颗卫星最优机动方案。通过合理设计粒子位置与目标分配解的对应关系,采用粒子群算法对问题进行了求解,并详细阐述了算法的实现步骤。算例分析结果表明,建立的模型和算法能够快速得到正确的可行解,可有效解决多约束条件下空间在轨操作的多目标分配问题。     

基于干扰观测器的受扰卫星姿态控制器设计与优化

对复杂环境下的卫星姿态控制进行了研究,针对存在外界干扰和转动惯量不确定的卫星姿态控制,建立了基于误差四元数卫星姿态动力学与运动学方程,在此基础上设计了反演滑模控制器,构造Lyapunov函数并从理论上证明了闭环系统的稳定性;设计非线性干扰观测器(NDO)对等效干扰进行估计,使控制器输出力矩减小,有效降低了输出饱和的风险,同时抑制了滑模控制带来的抖振;为了获得更好的控制效果,以控制器参数为优化变量,综合考虑了控制器的动态性能和被控对象的输入受限条件,建立了评价函数,利用改进的粒子群算法对控制器参数进行优化。仿真结果表明设计的控制器可行且有效,得到了较好的控制效果。     

团队进步算法与遗传算法和粒子群算法进行天线阵综合的比较

团队进步算法（TPA）是近期由研究者提出的一种新型优化算法,具有与传统优化算法不同的寻优机制。函数测试结果表明,该算法是一种能够兼顾避免早熟收敛和计算速度的有效的优化算法。文章将团队进步算法、遗传算法和粒子群算法应用于阵列天线方向图综合,给定阵列天线合适的设计要求,用Matlab编制程序对阵列天线进行了优化计算。通过对三种优化算法的综合结果比较,表明新算法在应用于较复杂的阵列天线方面以及在优化性能方面的优越性,显示了新算法在天线设计中的广泛应用前景。     

运载火箭故障检测序列优化

针对运载火箭故障检测序列优化这一新问题,建立数学模型并提出基于离散粒子群算法的故障检测序列优化方法。该算法通过测试集优化获得优选测试集,再通过检测序列优化对优选测试集中测试进行排序,获得优化的故障检测序列。最后以运载火箭时序控制系统为对象进行了验证,结果证明,基于离散粒子群算法的故障检测序列优化方法能够在保证故障状态全覆盖的前提下减少测试数量及成本,大大提高测试效率,且相较于遗传算法具有更好的优化性能和计算效率,适用于运载火箭故障检测序列优化。     

考虑在轨运动可靠性的空间机械臂关节力矩优化方法

提出一种考虑在轨运动可靠性的冗余度空间机械臂关节力矩优化方法。首先将机械臂操作空间中点到点的转移任务从笛卡尔空间转换至关节空间,利用七次多项式插值法对各关节变量进行参数化处理,获得粒子群算法的优化控制参数;与传统路径规划方法不同,将机械臂各关节力矩的均值和最小作为粒子群算法优化求解的目标函数;依据该目标函数以及相应优化控制参数,利用粒子群算法对空间机械臂运行轨迹进行优化求解,得到机械臂关节力矩均值和最小的运行路径。仿真实验表明,相比传统路径规划方法及以关节力矩二范数为目标函数的关节力矩优化方法,在降低冗余度空间机械臂关节力矩均值方面,文中方法分别减小了33.57%和10.47%;在降低关节力矩最大值方面,分别减小了43.25%和6.19%。