改进遗传模拟退火算法的航迹规划方法研究

建立了基于真实地形数据和火力威胁区的航迹规划空间模型,结合具有概率突跳特性的模拟退火和群体并行搜索的遗传算法的特点,提出了一种改进遗传模拟退火算法的飞行器航迹规划方法。使用该算法对飞行器的攻击航迹在数字地图下进行了仿真验证,结果表明该方法是一种有效的航迹规划方法。     

基于Nash均衡与进化计算的协调航迹规划

在对策论框架下研究多无人飞行器的协调航迹规划问题,提出了一种基于Nash平衡和进化计算的航迹规划算法.协调航迹规划是一个多目标合作优化问题,也是一个非合作对策问题.飞行器编队的分布结构提供了一种隐性偏好信息,有助于找到飞行器编队的最优协调航迹和最优飞行代价分配.本文算法使用特定的航迹个体表示方法和进化算子,按照层次方法处理各种航迹约束.不同飞行器间的协同和竞争关系定义在航迹评价函数里.仿真结果验证了基于博弈论航迹规划算法的可行性和优越性.     

应用自适应遗传算法进行参考航迹规划

 确定参考航迹是利用分层规划思想进行航迹规划时首先要解决的问题。针对参考航迹规划算法中全局最优和信息处理量之间的矛盾, 采用自适应遗传算法进行参考航迹规划。算法对飞行方向进行编码构造个体, 并在此基础上设计交叉和变异算子; 在进化过程中采用自适应交叉概率和变异概率。仿真结果表明, 该方法大大降低了信息的记忆和处理量, 并提高了遗传算法的全局寻优能力, 为突防飞行器提供满足战术要求的参考航迹。     

基于改进Gauss伪谱法的高超声速飞行器航迹规划

针对使用传统Gauss伪谱法(GPM)求解航迹规划问题时计算复杂的问题,提出了基于两点间经纬度坐标变换的改进GPM高超声速飞行器滑翔段航迹规划方法。对经纬度坐标进行处理,以经纬度变换代替时域变换改进GPM,规划两点间的航迹。仿真结果表明,改进后的算法能够准确、高效地规划出一条合理的航迹,满足飞行约束条件。     

基于低可探测性的参考航迹规划

根据分层规划思想,确定参考航迹是进行航迹规划时首先要解决的问题。在充分考虑雷达探测的各种环境因素及飞行器RCS方位分布特性的基础上,将雷达对目标发现概率作为参考航迹的一个重要评价指标,基于自适应进化算法,采用新的遗传算子,最终生成综合考虑雷达威胁和飞行距离的参考航迹。结果表明,该航迹规划模型能根据对低可探测性和航程的不...     

飞行器航迹规划算法综述

首先给出了飞行器航迹规划的概念和问题描述对航迹规划算法中的轨迹优化、路径规划和基于类比的航迹规划进行了分类介绍，其次对多飞行器编队航迹规划的两种控制方式进行了简单说明．最后指出了航迹规划中需要进一步研究的问题。     

基于PH曲线的多无人飞行器协同航迹规划研究

随着无人飞行器智能化的发展,如何使其在动态环境下避开运动威胁,并能协同以规定的时间和角度进行攻击,从而顺利完成作战任务成为研究热点.基于Pythagorean Hodograph(PH)曲线进行在线航迹规划,提出了分布估计算法和差分进化算法相结合的方法进行航迹参数寻优,并给出了在线避障多无人飞行器协同航迹规划方法,仿真试验结果表明加入速度预测的多无人飞行器协同航迹规划方法的有效性.     

飞行器多任务在线实时航迹规划

 针对不确定环境中的飞行器多任务航迹规划问题展开研究,提出了一种基于飞行路线图的两阶段航迹规划框架,航迹规划分成学习和查询两个阶段,环境信息和飞行器约束条件分阶段体现。在该框架下,通过采用一种混合多任务动态航迹规划方法,分别在稀疏路线图上实时搜索初始航迹和在精细路线图上启发式搜索后备航迹,能够在具有预先未知威胁、可变飞行任务的战场环境中实时生成三维航迹。     

一种基于改进A*算法的三维航迹规划方法

采用了一种改进的网格A*算法进行了飞行器的三维航迹规划。将启发函数中的直线距离替换为折距,对其进行了改进。改进后的启发函数有效地减少了规划过程中扩展的节点数,从而减少了搜索时间,并且扩展节点时,只选择满足飞行器的飞行性能约束的邻点,减小了搜索空间。仿真结果表明,应用该规划方法,飞行器能够进行在线实时三维航迹规划。     

基于一种混合算法的巡航导弹参考航迹规划

通过分析A*算法,提出了适合与遗传算法(GA)进行混合的改进方案,针对遗传算法求解巡航导弹参考航迹规划问题,讨论了在初始群体构建和变异操作中引入改进A*算法的混合方法,从而得到参考航迹.仿真结果表明,该方法具有很强的快速规划能力,并能得到较优的结果,适合于大规模复杂环境中的参考航迹规划.     

特征选择的多准则融合差分遗传算法及其应用

为了全面评价特征子集的好坏,提高特征子集作为最佳子集的可靠性,以及更快找到最佳子集,提出了一种用于特征选择的多准则融合差分遗传算法。引入多个评价准则对特征子集进行评价,并对遗传算法的选择算子进行改进,有利于选出适应度高且具有重要特征的个体;同时,引入差分策略改进变异算子,提高种群多样性和算法搜索能力;最后通过仿真实验和滚动轴承实例验证了该方法的有效性。     

基于复合形遗传算法的K—means优化聚类方法

针对基本遗传算法所存在的缺点和不足,提出了一种改进的遗传算法--复合形遗传算法,并将其用于K-means优化聚类.把复合形法嵌入到遗传算法中,利用复合形法对遗传算法群体中的部分个体进行处理,来改善种群的质量,以加快最优解的搜索进程.该方法既有复合形法快速高效的特点,又有遗传算法全局性好的特点. 算例的结果表明,该方法用于改进K-means优化聚类是可行的与有效的.     

低排放燃烧室化学反应器网络模型的参数化

为了掌握低排放燃烧室的污染物排放情况,对其化学反应网络器(CRN)模型的参数化进行研究.对爬升工况下燃烧室CFD数值模拟结果进行分析,划分燃烧室的结构,得到燃烧室的CRN模型.再利用自编程软件对燃烧室的结构参数和进口参数进行参数化定义,并把参数化的CRN模型在不同工况下的模拟结果与试验结果分别比较.结果表明:在慢车工况下二者相差不大,在爬升工况下二者差异也在允许误差范围之内.验证了该模型可行性较好,该参数化CRN模型可用于预测低排放燃烧室的污染物排放量和出口温度.     

基于改进粒子群算法的航空发动机性能综合评价

针对基于单参数评估发动机性能能力不足的问题,研究了利用多参数综合评估发动机性能的方法;通过对某型发动机台架试车数据分析,确定了使用综合加权法评估发动机性能比算术加权平均法更具合理性;分别利用改进的遗传算法和粒子群优化算法计算多参数的权值,对比结果表明:使用改进的粒子群算法在计算精度和速度上均优于遗传算法。同时还计算了各翻修次数下发动机的性能指标。     

基于新型自适应遗传算法的混合可靠性优化模型

提出一种新型的自适应遗传算法。结合Logistic函数和余弦函数,对交叉、变异算子曲线进行非线性化处理,实现了交叉算子和变异算子的非线性自适应调整。用新算法求解测试函数,结果表明新算法能够提高收敛速度和精确度,有效地跳出局部收敛,避免早熟现象发生。并基于提出的新型自适应遗传算法,研究了截尾随机-模糊-区间变量的混合可靠性模型的优化问题,建立了以混合可靠性指标作为优化约束条件的混合可靠性优化模型。以某型飞机变速箱同步器系统的优化设计为例,验证了该模型在工程应用中的有效性。     

一种基于边缘特征的改进ORB算法

ORB算法运算速度快,抗旋转变换能力好,但对可见光和红外图像匹配效果较差,为解决该问题,提出了一种基于边缘特征的改进ORB算法。该算法首先针对传统canny算子需要人工设定阈值的缺点,采用基于改进最大类间方差（Otsu）的自适应canny算子对图像进行边缘检测,然后对边缘图像进行ORB特征检测与描述,最后在最近次临近粗匹配的基础上进行RANSAC算法精匹配,提高了算法正确率。实验结果表明,该算法对可见光与红外图像匹配具有较好的鲁棒性,正确匹配点数和正确匹配率均比ORB算法高,能推广使用到可见光和红外图像融合等领域。     

遗传寻优神经网络在平台温控系统建模中的应用

温度直接影响惯性仪表及惯性平台的使用精度,而高精度温控系统的设计依赖于准确的平台加温模型,针对平台系统中多种惯性仪表加温过程复杂度高,当前采用的阶跃响应辨识方法存在模型适应性差、精度不高等情况,且针对基于梯度下降的BP学习算法存在局部收敛的问题.采用基于遗传算法寻优的神经网络辨识的方法,对惯性仪表加温模型进行建模,试验验证通过遗传寻优后的BP神经网络学习算法,提高了网络的学习精度,进而提高了平台系统中惯性仪表加温过程数学模型的精度,模型适应性较高,为后续惯性仪表的加温控制方法的设计提供了必要的条件.     

一种求解武器--目标分配问题的新方法

提出了一种求解武器-目标分配问题的新方法.阐明了将武器-目标分配问题作为组合优化问题,采用遗传算法进行求解,并针对问题特点,给出了基于系统信息的启发式操作方法及适合的操作算子.仿真结果表明,此方法可以明显提高问题求解的速度及精度.     

遗传算法在试飞科目最优排序问题中的应用

以试飞科目间总的过渡耗油、耗时最省为性能指标，应用基于生物界自然选择机制和自然遗传机制的遗传算法，对试飞科目的最优排序问题进行了研究。介绍了遗传算法用于组合优化问题的基本原理和技术方法，根据试飞科目的最优排序问题的特点，构造了适当的适应度函数，对选择算子、交叉算子等进行了改进，充分利用了谝算法的工程性强、应用范围广等特点。仿真计算所得结果表明，应用遗传算法合理安排试飞科目次序，,可节省试飞耗油、耗时、减少试飞成本，提高试飞效率。     

训练空域动态规划问题数值模拟仿真算法研究

训练空域的动态规划对于提高空域利用率,提高部队训练效率,缓解军民用空矛盾具有重要意义。本文将空域的动态规划问题进行分阶段处理,通过寻求各个阶段的最优方案来使得总的占用时间最短。针对各个阶段的动态规划问题,在分析问题复杂性的基础上,构建了空域规划模型,提出了遗传-离散粒子群算法,通过融合遗传算法中的交叉与变异思想来改善DPSO算法摆脱局部最优解的能力,提高算法的收敛速度和精度。同时为保证种群的多样性,设计了可保证个体可行性的自适应交叉算子和变异算子。最后利用甘特图来表示整个空域规划过程。将改进后的遗传-粒子群算法用于算例,并与遗传算法比较,结果表明该算法获得的结果更优且收敛速度更快。