无人机三维航迹规划的量子粒子群优化算法

针对传统的粒子群优化算法容易陷入局部最优解的问题,采用量子粒子群优化算法开展了无人机三维航迹规划。详细分析了固定翼无人机的飞行性能约束条件。为了减小算法计算复杂度,提高规划效率,对三维航迹规划问题的高度规划采用了直接设定策略,即,设置各个航路点的高度介于最大、最小飞行高度之间,从而将三维航路规划问题简化为二维航路规划问题。设计了收缩-扩张因子的线性增大调节策略、代价函数和航迹规划流程。分别采用量子粒子群优化算法和传统粒子群优化算法开展了无人机三维航迹规划仿真实验。仿真结果对比表明,所设计的量子粒子群优化算法比传统粒子群优化算法具有更高的全局搜索能力和搜索精度。     

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%。     

基于精英群引导下量子粒子群算法的快速零陷形成技术

引入罚函数项,建立了一种新的发射波束方向图综合控零的多目标优化模型。用适应度值排序建立由种群非支配解组成的精英群,以精英群中的粒子作为全局最优解引导粒子飞行;用爬坡策略更新全局最优解,给出了基于精英群引导的量子粒子群算法。对阵列权值采用加权优化,可在发射波束指定方向的多零陷、宽凹口。仿真结果表明：算法对多目标的优化较文献算法更优,能优化阵列权值在指定方向快速形成零陷。     

红外扫描过采样系统点目标亚像元定位与灰度提取方法研究

为提高系统的目标测向精度,对一种红外扫描过采样系统对远距点目标亚像元定位和灰度提取方法进行了研究。根据扫描过采样成像特点和模型,给出了基于重心法和最小二乘量子粒子群优化(LS-QPSO)两种过采样点目标亚像元定位技术。前者直接求解过采样图像目标像斑的灰度加权重心,用于点目标亚像元定位;后者基于最小二乘准则建立点目标定位和灰度估计目标函数,引入量子粒子群优化算法求解高维非线性目标函数最优化,同时实现点目标亚像元位置和灰度估计。对LS-QPSO方法进行拓展以满足对多个邻近点目标分辨需求。仿真结果表明:过采样体制能实现对点目标的亚像元定位;两种方法均能实现对单个点目标的亚像元定位,LS-QPSO性能更优;拓展后的LS-QPSO能实现对邻近多目标的分辨。     

一种基于EPSO的航天器交会轨迹优化方法

研究了航天器在固定时间内燃料最省的多脉冲交会问题,提出了一种基于种群熵粒子群优化 (Population Entropy based Particle Swarm Optimization,EPSO)算法的交会轨迹优化设计方法。采用线性化C\|W方程描述航天器的相对运动,以能耗最优为控制目标,得到了基于连续推力的最优转移轨迹,用于确定脉冲点的位置。考虑工程实用性,采用多脉冲控制方法,利用脉冲点的位置参数建立了以脉冲点时间间隔为决策变量的优化目标函数,并用EPSO算法进行求解。在EPSO中,种群熵描述粒子在搜索空间中位置分布的混乱程度,并通过上一代的种群熵确定下一代的搜索空间,从而减少搜索空间的浪费,提高了算法的搜索速度和收敛精度。仿真结果表明,算法本身具有良好的优化性能,适用于航天器轨迹优化。     

一种航天器位姿测量的鲁棒正交迭代法

航天器位姿测量是许多空间任务和地面大型试验必不可少的关键环节,基于合作标志点的单目位姿测量技术是实现该测量的重要手段之一;由于受到外界复杂环境的干扰,标志点提取可能会出现野值点或者精度不一致的情况,传统的正交迭代方法对于该类问题不能够达到最优的求解精度,甚至求解错误。文章提出了一种基于M估计的鲁棒型正交迭代方法,使用M估计给每个标志点分配不同的权重,优化加权物方残差目标函数得到位姿参数。通过仿真验证和实物试验,证明了该方法可以较好地消除错误数据对测量的影响,提高了正交迭代算法的测量精度和鲁棒性。     

空间机器人动力学奇异回避的笛卡尔轨迹规划

针对空间机器人动力学奇异的回避问题，提出一种基于组合函数的笛卡尔轨迹规划方法。将梯形规划与正弦函数相结合，对机械臂末端的位姿进行参数化。机械臂沿着某一轨迹运动时，根据阻尼最小方差法(DLS)的特点，提出一种判断是否发生动力学奇异的方法，并据此进行轨迹规划。该方法可以保证空间机械臂运动过程中不会遇到动力学奇异。此外，将基座姿态扰动和机械臂运动时间作为目标函数的一部分，最终，轨迹规划问题转化为多目标优化问题，并利用混合整数规划的混沌粒子群优化算法(CPSO)进行求解。该优化算法能够改善标准粒子群算法(PSO)的“早熟”现象。仿真结果表明，新方法能够有效处理动力学奇异问题，减小基座姿态扰动及运动时间。     

一种新的SMC-PHD滤波的多目标状态估计方法

针对现有的应用于多目标跟踪概率假设密度粒子滤波器的目标状态估计方法不能很好地解决目标密度较高情况下的多目标状态估计问题,提出了一种新的基于粒子标签的多目标状态估计方法。该方法利用附加在每个粒子上的身份标签将粒子分为不同的粒子群,粒子群的个数与概率假设密度粒子滤波器的目标估计个数相同。随后根据粒子与最近量测的似然函数估计目标的运动状态,使得粒子概率假设密度滤波器在目标密集的情况下仍能准确地估计出目标状态。仿真试验表明,论文所提方法在目标密度较大情况下能够较好地估计出多目标状态,并提高了目标关联的准确性。     

一种空间邻近目标红外多传感器立体分辨方法

空间邻近目标在红外像平面的成像因相互交叠而形成簇状像斑,对红外传感器的信号处理提出了分辨的要求。为实现对空间邻近目标的立体跟踪定位,提出基于量子粒子群优化的空间邻近目标红外多传感器立体分辨方法。在对目标像平面成像建模基础上,构建基于最小二乘准则的空间邻近目标立体分辨目标函数,针对目标函数的高维非线性特点,以QP-SO解决目标函数优化问题,估计目标空间位置。仿真结果表明:相比于传统的先单传感器像平面分辨后多传感器视线交叉定位方法,此法具有更优的目标位置估计精度、辐射强度估计精度和目标个数估计正确率。     

基于简化粒子群优化的卷积混叠盲源分离算法

针对现有的卷积混叠盲源分离算法存在的算法复杂和分离精度低等问题,提出一种新的基于简化粒子群优化的卷积混叠盲源分离算法。算法将不同时间点分离信号的互累积量消失作为分离准则,将信号的四阶互累积量作为目标函数,采用简化粒子群优化算法代替基本粒子群算法对目标函数进行全局优化,解决了基本粒子群算法容易陷入局部极值的问题。Matlab仿真结果表明,新算法可以有效实现对卷积混叠信号的盲源分离。对比基本粒子群算法,新算法分离精度更高、收敛速度更快。     

基于分层人工鱼群的相干极化-DOA联合估计

智能优化算法是解决多维非线性优化问题、提高计算效率的有力工具。本文针对相干辐射源极化-空间角联合估计中计算量巨大的工程难题，以广义子空间拟合约束公式为代价函数，提出一种分层人工鱼群算法。该算法基于分层协同策略将鱼群分为底层和顶层，底层以人工鱼群算法进行全局搜索以保证种群多样性，顶层以粒子群算法进行局部搜索以加快收敛速度。仿真结果证明：分层人工鱼群算法能大幅降低广义子空间拟合的计算量，尤其是在较多目标的情况下。算法可有效提高计算效率，同时可提供优于传统人工鱼群算法的估计精度。     

Particle swarm optimization applied to impulsive orbital transfers

The particle swarm optimization (PSO) technique is a population-based stochastic method developed in recent years and successfully applied in several fields of research. It mimics the unpredictable motion of bird flocks while searching for food, with the intent of determining the optimal values of the unknown parameters of the problem under consideration. At the end of the process, the best particle (i.e. the best solution with reference to the objective function) is expected to contain the globally optimal values of the unknown parameters. The central idea underlying the method is contained in the formula for velocity updating. This formula includes three terms with stochastic weights. This research applies the particle swarm optimization algorithm to the problem of optimizing impulsive orbital transfers. More specifically, the following problems are considered and solved with the PSO algorithm: (i) determination of the globally optimal two- and three-impulse transfer trajectories between two coplanar circular orbits; (ii) determination of the optimal transfer between two coplanar, elliptic orbits with arbitrary orientation; (iii) determination of the optimal two-impulse transfer between two circular, non-coplanar orbits; (iv) determination of the globally optimal two-impulse transfer between two non-coplanar elliptic orbits. Despite its intuitiveness and simplicity, the particle swarm optimization method proves to be capable of effectively solving the orbital transfer problems of interest with great numerical accuracy.     

基于信噪比优化的中段传感器预指派模型

结合中低轨中段弹道目标连续跟踪这一特殊应用背景,从跟踪相机交接的再捕获确认到稳定跟踪的全程角度出发,提出了一种基于信噪比和跟踪精度联合优化的新的传感器预指派模型。并采用通过对粒子降维处理和位置矢量更新的实值粒子群优化算法,对所提模型的性能进行分析和比较。仿真实验表明,该模型的调度性能较之前的优化目标函数及二进制粒子群优化算法,更贴近导弹中段飞行情况的实际且性能有所改进,因而是一种更高效的调度模型。     

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%。     

欠驱动刚性航天器姿态的非完整运动规划粒子群算法

研究欠驱动刚性航天器姿态的非完整运动规划问题。众所周知航天器利用三个动量飞轮可以控制其姿态和任意定位，当其中一轮失效，航天器动力学方程表现为不可控。在系统角动量为零的情况下，系统的姿态控制问题可转化为无漂移系统的运动规划问题。基于粒子群优化技术设计了欠驱动刚性航天器姿态的非完整运动规划算法。通过数值仿真，并和遗传算法进行了比较，结果表明该方法对欠驱动航天器姿态运动规划是有效的。     

基于增量调制的ICCP地磁匹配序列生成方法

为解决地磁匹配算法中匹配点的选取和匹配序列长度的设置问题，提出一种迭代最近等值线(ICCP)算法的地磁匹配序列生成方法。首先，分析了采样定理、地磁图分辨率、磁场起伏特征和磁传感器测量精度等对匹配序列采样间隔的约束，以及匹配序列长度与误匹配的关系；然后，在此基础上利用增量调制原理实现了匹配点的选取；最后，建立了本文方法参数优化的目标函数，并利用二进制粒子群优化（BPSO）算法对匹配序列的长度和增量调制的量阶进行寻优，使ICCP算法在保证匹配精度的前提下能够缩短匹配时间。仿真结果证明所提方法具有良好的环境适应性，对ICCP算法的精度和实时性都有明显改善。     

空间机器人抓捕目标星碰撞前构型优化

空间双臂机器人抓捕目标星会导致碰撞,针对碰撞引起机器人系统基座姿态变化的问题,提出一种基于粒子群算法的碰撞前构型优化方法。该方法首先给出了碰撞前和碰撞后的动力学模型,然后根据冲量-动量方程推导出碰撞阶段动力学方程,最后提出基于粒子群算法的最优碰撞前构型规划数值方法,使碰撞对机器人系统角动量的影响尽量小。通过计算校验了该方法的有效性,找到了用于空间机器人抓捕目标星的较理想的碰撞前构型。     

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。     

基于改进PSO-WNN的高频地波雷达 电离层杂波抑制方法

高频地波雷达的海上目标探测能力与电离层杂波的抑制效果息息相关,而电离层杂波的复杂性与变化多样性又为抑制带来了难题。为实现电离层杂波的抑制,分析了电离层杂波的混沌特性,在此基础上提出一种基于改进粒子群算法优化小波神经网络的抑制方法,解决了粒子群算法易早熟和易陷入局部最优的缺点;提出一种自适应概率变异的策略,丰富了种群多样性,使得整个迭代过程中粒子群能够跳出当前最优,寻得全局最优。实测实验表明,基于改进粒子群算法优化的小波神经网络（PSO-WNN）能够基本预测电离层杂波的数值,进行电离层杂波的抑制,有效改善了信噪比,对电离层杂波的抑制研究具有重要意义。