改进PSO优化WNN的液体火箭发动机故障检测

提出一种改进粒子群优化的小波神经网络模型,将其应用于火箭发动机的故障检测研究。针对传统粒子群算法初期容易陷入局部最优的问题,改进粒子群算法的惯性权重和学习因子,采用逐渐递减的选取方式。进行动态调整后的粒子群算法有利于在初始迭代时寻找满足条件的局部最优值,在寻找到局部最优值之后能够快速地收敛逼近于全局最优值,提高运算效率。此外,为了提高小波神经网络的学习速率,对所采用的小波神经网络权值和小波基函数参数增加了动量项。两种算法相结合,最终提出一种改进粒子群算法(IPSO)与小波神经网络(WNN)结合的模型。最后根据MATLAB仿真和数据分析表明,新算法可以很好地用于液体火箭发动机的故障检测研究,并且IPSO-WNN模型比BPSO-WNN和WNN模型后期具有较快的局部收敛能力,预测更加准确。     

基于SAPSO优化的小波神经网络在焊缝跟踪随动系统中的应用

针对焊接动态过程中焊缝跟踪控制的非线性、强干扰、高维数、不确定性、难建模等难点问题,提出一种基于模拟退火粒子群算法（SAPSO）优化小波神经网络来进行焊缝跟踪的新方法。并将该小波神经网络成功地应用于焊缝跟踪。实验结果表明,该小波神经网络控制器的动态响应快、超调量小、稳态精度高、抗干扰能力强．能够满足焊缝跟踪的要求。     

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。     

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。     

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PSO算法的神经网络优化设计

近年来,一种新的基于种群优化的算法——粒子种群优化（PSO）算法,正受到人们的普遍关注。文章简单介绍了基于粒子群优化算法（PSO）的神经网络优化算法,并给出了完整的源程序。     

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。     

高频地波雷达中电离层杂波的检测与特性分析

为了分析电离层杂波对高频地波雷达检测性能的影响,提出一种基于图像处理的电离层杂波检测方法。方法将雷达回波的距离-多普勒谱作为彩色图像进行处理,引入彩色图像分割技术,对电离层杂波进行检测。对检测结果的初步分析表明,电离层杂波的平均功率很大,并且污染的距离-多普勒单元很多,而且具有方向性。结果为电离层杂波的抑制、高频地波雷达的选频等提供了参考依据。     

卫星数传调度问题的速度可控粒子群优化算法

针对卫星数传调度这一类复杂的约束组合优化问题,提出了一种速度方向和尺度可控的粒子群优化求解算法。为克服粒子群算法的早熟问题,该算法引入了速度更新的方向控制规则和尺度控制规则用于增加群体的多样性,并根据两种控制规则,提出了种群粒子的速度迭代策略,实现了算法运行过程中粒子间吸引和排斥过程的动态调整,同时保证了算法的收敛速度。设计了卫星数传调度问题的编码和解码方式,并证明了该编码方式下最优可行解的存在性。通过仿真实例验证了算法的有效性,并分析了算法控制参数对优化结果的影响。     

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。     

复合材料带缠绕成型过程建模及工艺参数优化

复合材料带缠绕成型过程中,成型工艺参数的选取决定了缠绕制品的性能。采用正交实验法研究各工艺参数对缠绕制品层间剪切强度的影响规律和敏感度,并将正交试验数据与神经网络理论相结合,对带缠绕成型过程进行建模,得到缠绕成型工艺参数与层间剪切强度之间的非线性映射关系,并通过实验验证了模型的可靠性。在此基础上,利用粒子群优化方法在可行工艺参数域内对缠绕成型工艺参数进行优化。仿真与实验结果表明,基于神经网络模型的工艺参数粒子群优化算法能够快速、准确的得到带缠绕成型的全局最优工艺参数组合。使得缠绕制品层间剪切强度达到最优的工艺参数组合为:加热温度115℃,缠绕张力357 N,压辊压力1006 N和缠绕速度0.28 m/s,在最优工艺参数作用下,缠绕制品的层间剪切强度达到102.2 MPa。     

一种粒子群模糊支持向量机的航天器参量预测方法

针对航天器精确预测与健康管理的需求,将粒子群算法、模糊数学与支持向量机的优势相结合,提出了一种粒子群模糊支持向量机预测方法。针对某卫星南帆板输出电流参量的预测实例,设计了总平均绝对误差、总平均绝对百分比误差、总均方根误差三个预测结果评价指标,对不同步长情况下的预测结果进行了比较,证明了粒子群优化模糊支持向量机预测方法的有效性。通过对比粒子群优化模糊支持向量机模型、灰色粒子群神经网络优化模型、粒子群神经网络模型、灰色模型预测的总平均绝对百分比误差,结果证明粒子群优化模糊支持向量机的预测精度和效率较高,在航天器参量预测领域具有较好的应用前景。     

基于OARO-GRU网络的高频地波雷达电离层杂波短期预测

电离层杂波的精确预测对提升高频地波雷达的目标探测性能具有重要推动作用。为此，提出了一种基于改进人工兔子算法优化门控循环单元 （Opposite Artificial Rabbits Optimization optimized Gated Recurrent Unit， OARO-GRU）网络的电离层杂波短期预测模型。首先，依据高频地波雷达接收到的电离层杂波具有混沌特性这一先验知识，通过相空间重构技术构造GRU网络的输入和输出样本集；然后，融入反向学习和柯西变异两种改进策略用于改善标准ARO的寻优能力，并将其用于执行GRU网络的包含隐层节点个数、初始学习速率和最大迭代次数在内的三个超参数值的优选；最后，重新训练优化后的GRU网络，输入测试样本集进行测试，并依据给定的评价指标评估模型。实测结果表明：相较于其他7种对照模型，所提出的OARO-GRU网络预测模型在预测精度和可靠性上均具有明显的优越性，为有效改善高频地波雷达的目标探测性能提供了一种新的思路与方法。     

基于海杂波稀疏性与非均匀度的样本挑选方法

针对预警雷达对海监视面临海杂波分布非均匀与杂波样本受目标污染,导致自适应杂波抑制处理性能恶化和目标能量损失的问题,提出了一种基于海杂波稀疏性与非均匀度的样本挑选方法。该方法将目标的导向约束与广义内积样本挑选方法结合,先利用海杂波在空时二维平面上的稀疏分布特性,根据海杂波与目标空时二维分布差异剔除被目标污染的样本,再利用广义内积准则衡量海杂波分布的非均匀程度,并获取均匀样本,以提高杂波协方差矩阵的估计精度。仿真结果表明:所提方法能在提高杂波抑制性能的同时,减小目标信号能量损失。该方法可广泛应用于海面预警监视雷达系统。     

基于广义回归神经网络集成的宽带波束形成算法

首先构造宽带波束成形所需要的协方差矩阵,利用基于粒子群优化算法对核主成分分析方法和广义回归神经网络进行了优化。在对神经网络的输入变量进行降维处理后,生成多个复杂度低的泛回归神经网络模型。利用提出的基于聚类启发式集成算法求出波束成形时的权系数,既考虑了网络的差异性,又考虑了网络的正确性。仿真结果表明,提出的基于聚类启发式神经网络集成的波束形成算法在网络结构十分简单的情况下,仍然具有较好的性能。     

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%。     

基于脉冲初值的小推力转移轨道优化研究

针对小推力转移轨道优化过程往往忽略初值多样性的现状,研究了基于不同脉冲初值的小推力转移轨道优化问题。基于直接法的离散思想建立了小推力转移轨道优化模型,提出了基于粒子群和序列二次规划的组合优化算法,以地球1∶1共振近地小行星2016HO3交会任务为例,将3种典型的脉冲轨道作为初值设计了燃料最优小推力转移轨道。仿真结果表明:3种初值轨道优化得到了2个小推力转移发射窗口,两者燃料消耗差距不超过6%。不同的初值对小推力轨道的整体性能指标影响较小,但开关机时刻和推力方向的变化会产生较大差异,从而得到不同的最优控制曲线。