基于混合优化算法的RLV覆盖区求解

针对可重复使用运载器覆盖区求解的参数优化问题,文章提出了基于混合优化算法的求解方案,结合全局和局部优化算法的优点,设计了遗传算法与模式搜索法相结合的优化算法.根据再入动力学建立覆盖区求解模型,基于极大值原理推导最优滚转角控制律,并对滚转角约束进行了讨论;对待优化参数的响应面进行分析,利用遗传算法初步获得初始猜测值,然后用模式搜索法进行快速精确搜索.仿真结果表明,所提出的优化算法可以快速搜索出最优参数,在满足过程约束和控制约束下获得准确的再入覆盖区.     

进化策略在火箭发动机静态特性研究中的应用

建立了全流量补燃循环发动机的静态特性的数学模型.描述静态特性的数学模型是由一组非线性方程组成的.采用基于进化策略的进化算法求解全流量补燃循环发动机的静态特性方程,将该模型的非线性方程组求解问题转化为求带有约束的极小值的优化问题,建立了进化策略计算模型.讨论了进化策略算法在进化计算过程中使用的变异算子、重组算子和选择算子的设计,以及对约束条件的处理方法.数值计算的结果表明,利用基于进化策略的算法可以在较大范围内进行全流量循环液体火箭发动机的静态特性研究.     

基于多信号流图与分支定界算法的故障诊断

针对实时在线故障诊断问题,提出了一种基于多信号流图和分支定界算法的故障诊断方法。通过建立多信号流图模型生成相关矩阵作为诊断知识,进而由相关矩阵以及观测向量产生冲突集,使最小诊断集的求解过程映射为整数规划问题;采用分支定界算法,通过对冲突集的分支、定界以及剪支得到故障诊断的最优解,从而避免了穷举问题造成的搜索"爆炸"。以某型机载燃油系统为对象对本文提出的算法进行了验证。结果表明:本文算法与常用的多信号流图诊断推理算法TEAMS-RT相比,算法速度相当,故障定位精度更高,很好地涵盖单故障以及多故障组合,可以胜任大规模复杂系统的故障诊断。      

液体火箭发动机系统设计仿真与优化

建立了某液体火箭发动机系统设计的仿真模型与相应的多目标优化模型,编制了系统仿真程序,并在iSIGHT的软件平台上针对不同的优化目标对发动机的设计参数进行优化.采用了组合优化策略,结合多岛遗传算法和序列二次规划算法分别进行全局寻优和局部寻优,求得全局最优点.建立了单燃气发生器循环系统的质量模型,在优化过程中考虑了发动机主要部件结构质量对系统性能的影响。以燃烧室压强、混合比和喷管出口反压为设计变量,优化目标包括发动机比冲、有效载荷、结构质量、密度比冲、关机时飞行速度、推进剂综合密度.并根据结果分析了燃烧室压强和混合比对发动机性能的影响.     

液体火箭发动机故障诊断器设计及其HIL验证

为了实现某型液体火箭发动机机载实时故障诊断,采用FPGA与DSP相结合的方式作为硬件架构设计了故障诊断器,其中FPGA控制高精度A/D转换器进行传感器数据采集,DSP运行故障诊断算法并将结果输出,对故障诊断器的硬件和软件分别进行了设计。提出了一种递归结构识别（RESID）算法用于液体火箭发动机故障诊断,该算法可在6 ms内诊断出流量衰减故障。搭建基于故障诊断器和工控机的硬件在环（HIL）试验平台,采用自动代码生成技术与手写代码结合的方式对RESID算法进行了试验验证,通过上位机界面进行观察。结果表明:RESID算法能准确地诊断出发动机常见的故障并在故障诊断器上实现,算法运行时间为3.9 ms,故障诊断器可以实现实时数据监测和故障诊断,相对于传统平台更加小型化和经济化,既可以作为机载装置使用,也可作为通用平台来开发新算法。      

基于聚类PSO算法的舰载机舰面多路径动态规划

对舰载机舰面多路径动态规划问题,提出了基于聚类粒子群(PSO,Particle Swarm Optimization)算法进行解决的方法.首先建立了舰载机舰面多路径动态规划问题数学模型;其次,在建立航母舰面环境模型、舰载机"凸壳"模型、碰撞检测模型的基础上,利用聚类PSO算法进行问题求解;最后,通过编制程序对该解决方法予以实现.仿真结果表明利用聚类PSO算法所求解的结果比较精确,且计算效率也符合实际要求.因此基于聚类PSO算法对舰载机舰面多路径动态规划问题进行求解是可行的.     

基于聚类PSO算法的舰载机舰面多路径动态规划

对舰载机舰面多路径动态规划问题,提出了基于聚类粒子群(PSO,Particle Swarm Optimization)算法进行解决的方法.首先建立了舰载机舰面多路径动态规划问题数学模型;其次,在建立航母舰面环境模型、舰载机“凸壳”模型、碰撞检测模型的基础上,利用聚类PSO算法进行问题求解;最后,通过编制程序对该解决方法予以实现.仿真结果表明利用聚类PSO算法所求解的结果比较精确,且计算效率也符合实际要求.因此基于聚类PSO算法对舰载机舰面多路径动态规划问题进行求解是可行的.     

基于Pareto遗传算法的复合材料机翼优化设计

针对某型飞机设计过程中遇到的副翼反效问题,提出了复合材料机翼满足气动弹性要求的优 化方法,构造了一种基于Pareto最优解定义的多目标遗传算法——Pareto遗传算法.该算法 以权重信息为基础建立Pareto解集过滤器,引入小生境技术等实现Pareto前沿面的求解.测 试函数计算表明该算法有较好的收敛性.以复合材料机翼的升力系数和滚转力矩系数为目标 函数,采用Pareto遗传算法进行计算得出一组Pareto最优解集,计算结果表明,给出的方案 能够满足工程需求,为决策者提供了多种可选方案.      

4基于遗传禁忌混合算法的敏捷卫星任务规划

多星多载荷敏捷成像卫星自主任务规划是一个复杂的多约束、非线性NP困难问题.分析了卫星观测任务约束和星上资源约束,建立了多星多载荷自主任务规划模型.针对此任务规划模型的特点,以及传统遗传算法和禁忌搜索算法的优缺点,采用了一种遗传禁忌混合算法进行求解.混合算法将禁忌算法嵌入遗传算法作为禁忌算法变异算子,解决了遗传算法早熟的问题.仿真结果表明混合算法比遗传算法收敛速度更快,比禁忌算法优化效果更好.     

基于遗传禁忌混合算法的敏捷卫星任务规划

多星多载荷敏捷成像卫星自主任务规划是一个复杂的多约束、非线性NP困难问题.分析了卫星观测任务约束和星上资源约束,建立了多星多载荷自主任务规划模型.针对此任务规划模型的特点,以及传统遗传算法和禁忌搜索算法的优缺点,采用了一种遗传禁忌混合算法进行求解.混合算法将禁忌算法嵌入遗传算法作为禁忌算法变异算子,解决了遗传算法早熟的问题.仿真结果表明混合算法比遗传算法收敛速度更快,比禁忌算法优化效果更好.     

大虚警率下的多故障诊断算法

主要研究不可靠测试下多信号模型的多故障诊断问题。最优的多故障诊断是计算复杂度完全类(NP-Complete)问题,因此大型系统的诊断一般只能用次优的随机搜索算法。次梯度优化算法能够在虚警概率较小时给出较好的结果,但如果测试个数很多且虚警概率较大时,该算法就不能消除虚警的影响,会使估计的故障覆盖所有失败的测试,而不是找到系统真实的故障。针对这一问题,提出了能够同时考虑虚警和误警的目标函数,使算法能排除虚警的测试准确定位故障,并用改进的遗传算法搜索故障部件提高诊断速度。仿真诊断结果表明,同时发生故障的部件个数较少时,遗传算法的诊断速度明显优于次梯度优化算法,而且能够更有效地抑制虚警的影响。     

基于量子万有引力搜索的SVM自驾故障诊断

针对自动驾驶仪在实际测试过程中故障样本较少的情况,提出一种基于量子万有引力搜索算法(QGSA)的支持向量机(SVM)故障诊断模型。SVM能较好地解决小样本、非线性问题,适用于自动驾驶仪的故障诊断。为进一步提高万有引力搜索算法(GSA)对参数寻优的收敛速度和收敛精度,将基于GSA的QGSA应用于SVM的参数寻优中,以解决SVM由于参数选取不当导致过学习或欠学习的问题,从而获得最优的分类模型。通过模拟实验分析,当训练样本数量为50时,基于QGSA的SVM故障诊断模型分类准确率便能达到96.530 6%,而基于遗传算法(GA)的SVM故障诊断模型分类准确率为92.040 8%,基于GSA的SVM故障诊断模型分类准确率为91.632 7%。仿真实验结果表明,基于QGSA的SVM故障诊断模型具有更好的故障诊断能力。      

一种网络环境中的故障诊断模型

结合故障诊断的需求和存在的问题,提出了一种以故障症状、故障假设、诊断操作和观测操作节点为基本元素,并具有网络结构的诊断模型.在该模型基础之上,遵循诊断过程独立的假设,解决实际诊断过程中操作依赖关系的问题,提出了一种基于诊断贝叶斯网络DBN(Diagnosis Bayesian Network)的故障诊断算法.同时通过引入观测操作,加快诊断的速度并且降低诊断代价.试验表明,与P/C更新算法比较,该算法能更有效地降低诊断代价,实现快速故障诊断,较好解决了操作依赖的复杂故障诊断问题.      

基于蚁群优化的长短时神经网络变外形飞行器故障模式识别

变外形飞行器机械结构复杂,在变外形过程中发生故障的概率大,传感器测量成本高,针对这些问题,提出了一种基于长短时神经网络进行飞行器测试故障诊断的方法。首先根据变外形飞行器的气动参数模型和非线性动力学模型,构建变外形飞行器执行机构故障特征数据库。然后针对变外形飞行器发生故障时的序列化特征数据,提出基于长短时神经网络的执行器故障诊断框架。利用蚁群优化算法对网络训练的超参数进行优化,提高故障诊断的准确性与泛化性。通过仿真验证了该方法可实现变外形飞行器的低成本,高效率,高精度的故障快速定位。     

基于控制分配的一类变体飞行器容错控制

针对一类含有执行器故障的新型操纵面变体飞行器的容错控制问题,将控制分配方法和整数规划理论相结合,提出了一种基于控制分配的容错控制方法.首先设计虚拟控制律,使飞行器的状态变量跟踪参考模型.然后通过执行阵列重构将执行器的概率性故障及饱和约束转化为整数规划中的决策变量的约束,进而将控制分配问题转换成一类决策变量概率可变的整数规划问题.为保证解算的有效性及收敛性,运用改进的遗传算法进行求解.仿真结果表明,飞行器在执行器发生故障的情形下,仍具有良好的跟踪性能.      

基于深度学习的航空发动机故障融合诊断

通过对航空发动机故障诊断,能够正确判断各部件工作状态,快速确定维修方案,保证飞行安全。在结合深度信念网络和决策融合算法的基础上,提出了基于深度学习的航空发动机故障融合诊断模型。该模型通过分析发动机的大量性能参数,先利用深度学习模型提取出性能参数中的隐藏特征,得出故障分类置信度;其后对多次故障分类结果进行决策融合,从而得出更准确的诊断结果。将普惠JT9D发动机故障系数用于数据仿真,通过算例验证本文算法的有效性;算例计算结果表明:多次实验结果经数据融合提高了可信度,该模型具有较高的故障分类诊断准确性和抗干扰能力。      

基于支持向量机的卫星执行机构故障诊断研究

针对脉冲等离子体推力器（Pulsed Plasma Thruster,PPT）作为执行机构的微纳卫星姿态控制系统故障问题,采用了支持向量(Support Vector Machine,SVM)技术对脉冲等离子体推力器的两种常见故障进行检测与隔离。运用自适应遗传算法优化墨西哥草帽小波核函数参数,并结合小波分析,提高了SVM分类器的超平面寻优效率与泛化能力。最后,通过仿真分析,验证了该方法可快速准确地完成故障诊断任务,也证明了小波核函数支持向量机技术在故障诊断方面的先进性与有效性。     

基于测试性D矩阵的多故障诊断与维修策略

针对复杂的多故障诊断问题以及多故障直接处理方法实现的难点,在测试性D矩阵基础上,提出了一种基于单故障化的多故障诊断与维修策略（MFDMSTS）。首先,在多故障假设下引入析取运算,定义了可隔离单故障和可隔离多故障,据此定义将多故障转化为单故障,并将转化的单故障与测试集组成新的D矩阵;然后,运用单故障诊断算法处理新的D矩阵,得到最优诊断树;最后,针对诊断树的不同叶子节点,提出了多故障诊断与维修策略。实例验算表明：MFDMSTS能降低平均诊断费用和平均诊断步数,并大幅降低误修率。     

基于多分类AdaBoost的航空发动机故障诊断

对航空发动机运行数据进行数据挖掘的方法,是发动机故障诊断研究领域的重要研究内容。由于各种算法自身的局限性,通过某种单一算法很难大幅度提升故障分类的准确性。运用组合分类的AdaBoost算法,综合多个分类模型进行诊断,是提升故障识别精度的一种较好的方法。通过AdaBoost算法及其改进算法的结合,建立一种多分类的AdaBoost算法,以支持向量机（SVM）为基础分类器,进行综合诊断模型的建立。通过单位向量法、比值系数法和相关系数法将指印图中统计的故障标识数据进行处理,得到不受故障程度影响的训练数据,再进行建模。实验表明,AdaBoost相关结合算法能够显著提升分类器性能。根据实际故障案例,验证了所建立的诊断模型能够较好地用于发动机的故障诊断。