功率电传机载作动系统方案分析

综述了目前正在验证中的各种功率电传机载作动系统的发展状况,并详尽描述其工作原理,在分析其各自的优缺点之后,针对当今技术发展现状以及新型作战飞机对作动系统的要求,提出了两种新型的功率电传作动系统——电机-泵复合控制功率电传作动系统和电机-泵-阀复合控制功率电传作动系统,初步实验分析证明了该两种方案作为向全电作动系统的过渡是可行的,将对未来机载作动系统的研制具有实际指导意义.      

一种新型机载一体化电液作动器的设计与分析

针对近年来飞机机载作动系统的发展,设计了一种用于功率电传的新型一体化电动静液压作动器(EHA) ,分析其原理和特点,讨论各部件和系统的建模方法,采用Matlab/Simulink对其进行仿真,结果表明所设计的EHA具有良好的动态性能和带负载能力,达到了良好的性能指标,可作为未来飞机机载电作动系统的方案之一,对功率电传电液作动系统的研制具有实际指导意义.      

基于边际-人工蜂群算法的舰载机机群出动保障人员配置-调度联合优化方法

保障人员配置和保障作业调度是舰载机机群出动保障任务决策的2项核心内容。针对复杂甲板作业约束条件下保障人员配置-调度联合优化的实际问题，首先，系统分析舰载机机群出动保障流程约束、出动时限约束、保障人员约束、保障设备约束、工位空间约束和资源供给能力约束。其次，以保障人员数量和负载方差和最小化为优化目标，建立了混合整数规划模型，进而提出了基于边际-人工蜂群（ABC）算法的两层优化决策架构。上层决策模型基于边际优化算法对保障人员配置方案进行迭代优化，下层决策模型采用改进的双向人工蜂群算法对舰载机机群出动保障任务调度进行优化。最后，通过典型算例验证了所提模型和两层优化机制的可行性与有效性。      

基于燃料电池的复合电源式装载机分层控制

装载机能耗高、排放差, 研究装载机新能源技术具有重要意义。结合装载机工况特性提出了燃料电池与超级电容联合驱动的电源系统, 围绕复杂工况下燃料电池和超级电容系统动态模型的实时工况数据进行自适应能量管理策略研究。设计了复合电源拓扑结构与动力传动方案, 建立装载机复杂工况下系统多状态模型, 基于Haar小波理论对整车系统进行功率分流, 提出模糊逻辑能量管理策略动态平衡需求功率中的低频分量, 采用粒子群算法对控制系统进行优化。仿真结果显示:载荷功率经过最优阈值3层Haar小波处理后, 功率变化大幅度减缓, 有效提升燃料电池系统的寿命；模糊逻辑控制器输出的燃料电池功率曲线变化光滑, 超级电容SOC值处于设定区域内, 提高复合电源系统的综合效率；经过粒子群算法优化控制器后, 燃料电池输出平均功率同比下降约5%, 超级电容SOC值在约0.6达到动态平衡状态, 改善了装载机的动态响应和稳定性。      

基于改进粒子群优化算法的巡航导弹航路规划

粒子群优化(PSO, Particle Swarm Optimization)算法是继遗传算法、蚁群算法之后的又一种新的群体智能算法,经常用于复杂问题的求解.由于其迭代公式是面向连续空间的,因此更适合解决非网格拓扑的航路规划问题.标准的粒子群优化算法在寻优的过程中容易出现早熟现象,针对这种现象,提出了一种改进的粒子群优化算法.改进算法根据相应的代价函数选择精英粒子和较差粒子,对较差粒子采用了带有动能补偿的速度更新策略,从而避免了寻优过程中的早熟现象;在单个粒子的运动方面引入了最差粒子的失败经验,让群体中粒子有效避开最差解.仿真表明:改进算法在航路规划的应用中具有更强的搜索能力,获得的航路代价在进化代数相同的前提下更小.      

旋翼多维振动最优调整方法

针对直升机旋翼系统非线性、难以建模的特点,采用径向基函数(RBF,Ra-dial Basis Function)神经网络建立直升机旋翼动平衡调整模型.根据约束条件以直升机机身振动值作为目标函数建立适应度函数,以旋翼系统的调整参数为优化变量,进行神经网络学习和优化.利用粒子群优化(PSO,Particle Swarm Optimization)算法对适应度函数进行寻优,获得当直升机振动最小时的桨叶的调整参数.实验结果表明:PSO算法寻优效率方面高于遗传算法;RBF神经网络和PSO算法相结合可以有效地实现直升机旋翼动平衡调整.     

基于混沌的改进粒子群优化粒子滤波算法

针对基本粒子滤波(PF)算法存在的粒子退化和重采样引起的粒子多样性丧失,导致粒子样本无法精确表示状态概率密度函数真实分布,提出了一种基于混沌的改进粒子群优化(PSO)粒子滤波算法。通过引入混沌序列产生一组混沌变量,将产生的变量映射到优化变量的区间提高粒子质量,并利用混沌扰动克服粒子群优化局部最优问题。利用单变量非静态增长模型(UNGM)在高斯噪声和非高斯噪声环境下将该算法与基本粒子滤波和粒子群优化粒子滤波(PSO-PF)的性能进行仿真比较。结果表明:该算法的性能在有效粒子数和均方根误差(RMSE)等参数都优于基本粒子滤波和粒子群优化粒子滤波,改善了算法的精度和跟踪性能。      

PMSM弱磁算法自适应调速仿真

为提高弹用电动舵系统轻负载情况下的最大舵偏角速度,并抑制负载扰动,在表贴式永磁同步电机空间矢量控制算法的基础上提出弱磁自适应控制策略.采用基于电机物理功率限制的弱磁控制算法,实现调速系统在轻负载功率富余时的弱磁升速.设计基于Lyapunov稳定性的速度自适应控制器,克服速度环采用传统PI调节算法时随着负载变化时动态性能弱的缺点. 通过Simulink仿真证明该算法能够在实现弱磁升速的同时,具备良好的负载扰动抑制性能.     

SPMSM弱磁算法自适应调速仿真

摘要： 为提高弹用电动舵系统轻负载情况下的最大舵偏角速度,并抑制负载扰动,在表贴式永磁同步电机空间矢量控制算法的基础上提出弱磁自适应控制策略.采用基于电机物理功率限制的弱磁控制算法,实现调速系统在轻负载功率富余时的弱磁升速.设计基于Lyapunov稳定性的速度自适应控制器,克服速度环采用传统PI调节算法时随着负载变化时动态性能弱的缺点. 通过Simulink仿真证明该算法能够在实现弱磁升速的同时,具备良好的负载扰动抑制性能.     

基于SMO—SVR的飞机舵面损伤故障趋势预测

飞机舵面出现损伤时,为了更准确的预测状态参量变化情况,提出了一种改进的序贯最小优化支持向量回归(SMO-SVR, Sequential Minimal Optimization Support Vector Regression)预测方法.采用改进C-C平均方法对多元时间序列进行相空间重构,以确定最优嵌入维数m和延迟时间τ_d.根据所求m和τ_d建立加权SVR预测模型,并调整了SMO算法的停机准则.利用区间自适应粒子群算法(IAPSO, Interval Adaptive Particle Swarm Optimization)优化SVR参数,以提高参数优化速度.为了验证改进算法的有效性,针对飞机方向舵损伤故障趋势进行了预测和分析,并与径向基函数神经网络(RBFNN, Radial Basis Function Neural Network)方法进行了对比,仿真结果表明SMO-SVR预测模型具有很好的预测能力.     

面向飞机装配的生产规划与调度集成优化研究

飞机装配具有环节多、周期长及流程复杂等特点,合理地规划各环节的工作,调度装配过程涉及的资源,对于保证飞机装配的质量和效率具有十分重要的意义。基于飞机装配流程的特点及影响飞机装配效率的主要因素,提出了飞机装配生产规划方法。考虑飞机装配过程中存在的动态问题,基于蚁群算法建立了装配资源的调度集成优化模型,定义了构造图路径与装配作业周期间的映射关系,给出了装配作业周期映射的基本步骤,通过优化人工蚁路径实现了资源调度的优化。      

改进粒子群优化的卫星导航选星算法

为提高选星算法的性能，提出一种基于人工鱼群算法的粒子群优化（PSO）选星算法。该算法利用人工鱼群算法良好的全局收敛特性，克服了粒子群优化算法易陷入局部最优的缺点。将每种卫星组合看作空间中的一个粒子，选取几何精度因子（GDOP）作为适应度函数。利用所提算法更新粒子自身位置，优化卫星组合与几何精度因子。利用实际数据对所提算法进行验证和对比，结果表明:改进的选星算法在保障选星效率的同时，选星结果的准确性优于标准的粒子群优化选星算法。