共查询到18条相似文献,搜索用时 109 毫秒
1.
微惯性测量单元(MIMU)的标定技术是低精度惯性导航领域中的重要研究方向,传统标定方法操作复杂,标定精度严重依赖转台精度。为解决大批量MIMU快速标定的问题,提出了一种基于自适应遗传算法(GA)的微机电系统(MEMS)加速度计快速标定方法,将加速度计标定问题转化为参数优化问题。首先,利用模观测原理构造目标优化函数;然后,分析系统可观测度确定最优标定编排方案;最后,采用全局搜索的自适应遗传算法优化标定参数。实验结果表明:与牛顿迭代法相比,标定精度提升1~3个数量级,运算速度提高61%。标定后解算的水平姿态角误差小于0.1°,可实现与传统标定方法相同量级的姿态精度,验证了所提方法的优越性和实用性。 相似文献
2.
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. 相似文献
3.
针对麻雀搜索算法(SSA)搜索精度不高、全局搜索能力不强、收敛速度慢和易于陷入局部最优等问题,提出了一种基于混合策略的麻雀搜索算法(HSSA)。采用改进的Circle混沌映射初始化种群,提高种群多样性;结合樽海鞘群算法改进发现者的搜索公式,提高算法迭代前期的全局搜索能力和范围;在加入者的搜索公式中引入自适应步长因子,提高算法的局部搜索能力和收敛速度;通过镜像选择机制,提升每次迭代后的个体质量,提高算法的寻优精度和寻优速度;在位置更新处加入模拟退火机制,帮助算法跳出局部最优。利用8种测试函数进行测试,结果表明,改进算法比SSA有更好的寻优性能。将改进前后算法与极限学习机结合进行实验,人体表面肌电信号数据集的分类预测精度从80.17%提高到90.87%,证实了改进算法的可行性和良好性能。 相似文献
4.
粒子群优化算法(PSO,Particle Swarm Optimization)在空空导弹μ综合控制器参数优化中易出现早熟现象而无法获得全局最优解.针对此问题,提出一种动态加速常数的粒子群优化算法(CPSO,Constant Particle Swarm Optimization).改进算法通过对加速常数的指数形式变化,在寻优前期扩大搜索范围,在后期提高收敛效率,从而避免了寻优过程中的早熟现象.仿真结果表明,改进的CPSO优化算法具有更强的全局搜索能力,设计出的μ综合控制器具有更优的性能,满足给定的性能指标和自动设计指标,节省了大量设计时间,具有工程应用价值. 相似文献
为了满足变循环发动机(VCE)性能寻优控制(PSC)需求,提出了一种基于序列二次约束二次规划(SQCQP)算法的性能寻优控制算法,通过罚函数将二次约束二次规划(QCQP)子问题转化为适应度函数,并提出一种改进微分进化(IDE)算法求解QCQP子问题,以获得最优的搜索方向。与序列二次规划(SQP)算法相比,本文提出的基于IDE算法求解QCQP子问题的SQCQP算法(IDE-SQCQP)能在更少的迭代次数下寻到更优的解。将IDESQCQP算法应用于变循环发动机的性能寻优控制中,数字仿真结果表明,在最大推力寻优控制中,IDE-SQCQP算法用时比SQP算法减少16.81%,优化效果提升了21.50%,在最小油耗寻优控制中,IDE-SQCQP算法用时比SQP算法减少14.90%,优化效果提升了31.03%,达到了算法提出的目的。 相似文献
6.
针对标准布谷鸟搜索算法探索能力强而开发能力较弱、收敛速度慢及计算精度较差等问题,提出了具有全局最优导向的模糊布谷鸟搜索算法。在鸟窝更新公式中引入全局最优导向策略,在产生新的鸟窝位置时利用到当前最优鸟窝位置信息,以保持鸟窝的多样性并提高算法的开发能力。另外,采用模糊逻辑规则对布谷鸟算法中的搜索步长和外来鸟蛋被发现概率这2个重要参数进行自适应调整,以提高算法的全局收敛性能和求解精度。通过2个经典结构可靠性分析极限状态方程测试该算法的性能,并将其应用于某飞机舱门锁定机构可靠性分析中。实验结果表明,与粒子群算法、标准布谷鸟搜索算法和改进布谷鸟搜索算法相比,所提出的全局最优导向模糊布谷鸟搜索算法在进行可靠性分析中,能够有效地提高解的精度并增加收敛速度,寻优效果更优。 相似文献
7.
一类解决变应力加速寿命试验参数估计的方法 总被引:2,自引:0,他引:2
变应力加速寿命试验的极大似然函数是高维非线性复杂目标函数,其待估参数多,采用梯度下降优化方法进行参数估计容易陷入局部极值,而采用全局优化方法又存在寻优效率低的问题.为了解决复杂多维目标函数优化的瓶颈问题,设计了一种基于实数编码遗传算法和Powell法的遗传加速方法.利用适应度函数获得两种优化方法的最佳切换点,最大程度发挥遗传算法和Powell算法的优点,既提高了多维非线性目标函数寻优效率又保证了参数估计的全局最优.液压泵加速寿命试验实例分析结果表明,遗传加速方法可以在寻优前期利用遗传算法保证待估参数的全局最优估计,在寻优后期快速逼近最优值,使寻优成功率达到85%. 相似文献