基于任务聚类的多星观测调度方法

星上传感器侧摆次数有限,在卫星观测调度时进行任务聚类可以节省资源,提高观测效率.提出了动态聚类调度算法(DCSA)来解决多星多轨道圈次的观测调度问题,DCSA把聚类和调度动态结合起来,并使用模拟退火算法搜索全局最优解;分析了在满足分辨率需求前提下多任务聚类的约束条件,并对聚类任务的侧摆角度和时间窗口进行合理优化;根据任...     

一种高效高精度的气动弹性结构优化方法

气动弹性结构优化技术主要包括约束求解和优化算法两个方面的内容。针对常用的基于低阶面元法的静气动弹性分析方法计算效率高但精度低的特点,建立了一种高效高精度的基于高阶面元法的静气动弹性分析方法。针对当前气动弹性结构优化技术使用单一优化算法导致搜索精度低、收敛速度慢等特点,将遗传算法和分形算法进行结合,发展了一种遗传/分形混合算法。针对气动弹性结构优化计算时间长、设备要求高等特点,引入了Kriging代理模型方法来加快优化速度,减少时间和设备的耗费。最后以某大展弦比客机机翼为算例,采用基于高阶面元法的静气动弹性分析方法求解约束响应样本,用Kriging代理模型方法对约束响应进行模型构建和预测,并将Kriging代理模型和遗传/分形混合优化算法进行结合,构建了一种高效高精度的静气动弹性结构优化方法。优化分析结果表明,Kriging代理模型在静气动弹性响应预测上具有很高的精度,平均误差均在5%以下,副翼效率预测的平均误差甚至低于1%;遗传/分形混合算法相比于单一的遗传算法具有更快的收敛速度和更强的全局寻优能力。     

基于空间自适应剖分的 Lightcuts多光源聚类算法

针对Lightcuts算法在面对大规模复杂光源时计算效率较低的问题,提出了一种基于空间自适应剖分的Lightcuts多光源聚类算法。该算法采用二叉树森林代替传统Lightcuts算法中的二叉树,并提出自适应的视景体划分方法对三维场景进行剖分,通过构建包含"簇-光源"对的列表,快速剔除与当前渲染点无关的光源,同时利用空间聚类的相似性减少"光源割"搜索过程中的重复计算。实验结果表明,与传统方法相比,文章提出的算法在"光源割"计算阶段能够将搜索步数平均减少30.71%~42.09%,绘制时间平均缩短28.35%~34.84%,有效地加快了Lightcuts算法的计算速度,提高了多光源三维场景的绘制效率。     

混合生物生长自适应搜索遗传算法在形状优化中的应用

利用自适应搜索遗传算法和生物生长算法的特点,提出一种新的优化方法—混合生物生长自适应搜索遗传算法。该算法即可充分利用前两种算法的优点,又可弥补二者的不足。为了验证该算法的合理性和正确性,对经典算例三杆桁架结构进行了优化,并将新算法进一步应用于具有复杂结构的三维离心叶轮优化设计中,结果表明混合算法较遗传算法收敛速度快,且可得到形状优化最优解。     

基于PSO-GA优化的TOP-HAT形态学滤波器及其应用

针对机栽红外图像中运动弱小点目标检测的难题,提出了一种基于PSO-GA训练参数的形态学滤波器.以粒子群优化算法(Particle Swarm Optimization,PSO)为主线,按PSO算法中标准的速度和位置更新,遗传算法(Genetic Algorithm,GA)采用新的区间离散化编码和自适应的主次式交叉与变异算子,将遗传算法与粒子群优化算法的自动更新特征结合在一起,通过优化搜索全局空间获得形态学滤波器的最优参数,进而确保优化的形态学滤波器具有良好的滤波性及时效性.通过对低信噪比红外图像(SNR约为2)的测试,检测概率可以达到98％以上,与利用神经网络(Neural Network,NN)训练结构元素后的Top-Hat形态学滤波器相比提高了2％ ～3％.与GA算法相对,训练算法效能提高20％,提高了搜索最佳值的能力.     

基于簇特征加权的航空发动机状态监视方法

提出了基于簇特征加权模糊C-均值聚类算法(FWFCM)的航空发动机状态监视模型,该模型主要分为离线学习和在线监视两个部分,离线学习模块计算出模型参数输出到在线监视模块,在线监视模块根据模型参数对实时数据进行分类,实时数据又输入到离线学习模块中参与更新模型参数.结果表明:相比基于数据加权策略的模糊聚类算法(DWFCM)以及经典模糊C-均值聚类算法(FCM),该方法平均离线状态识别率和在线状态识别率分别提高了5.233%和8.358%.实验证明此方法性能好且有很好的鲁棒性和泛化能力,对于不确定性的航空发动机在线状态监视有较好的应用价值.      

基于DMOM算法的航空发动机性能寻优控制

提出一种分散迁移优化算法(DMOM),可实现多峰值优化问题的全局最优解搜索.该算法通过随机选择参考粒子,不断迁移搜索自身所处区域峰值点,再通过分散操作排除局部最优点,重新生成新个体,可快速搜索到全局最优区域.将DMOM应用于航空发动机性能寻优控制仿真,结果表明:在最小油耗和最低涡轮温度模式下, DMOM的寻优速度相比遗传算法(GA)和粒子群算法(PSO)提高了2倍以上;同时DMOM的优化精度相比自组织迁移算法(SOMA)提高了60%以上,相比可行性序列二次规划(FSQP)算法提高了20%以上.验证了DMOM相比其他优化算法有更强的跳出局部最优的能力,在航空发动机最小油耗和最低涡轮温度这类多峰值寻优问题中具有明显的优势.      

基于模糊核均值聚类优化的光流测速方法CSCD

光流算法作为一种载体速度测量方法,易受光照变化、物体相对移动影响,最终导致速度信息获取不准确。为了提高载体运动速度解算精度,提出了一种基于模糊核均值聚类算法优化的金字塔Lucas-Kanade光流测速方法(FKCM-金字塔LK)。该方法首先通过金字塔LK光流算法得到稀疏光流,然后使用模糊核均值聚类算法对稀疏光流数据进行聚类处理,最终建立光流与实验平台运动参数之间的关系,并得到准确的速度信息。实验结果表明,提出的基于模糊核均值聚类算法优化的金字塔LK光流测速方法不仅可以有效地减少物体相对移动对光流测速的影响,而且与现有其他光流测速方法相比,速度测量精度得到显著提高。     

区域航班备降建模与优化

为了保障飞行安全,加速疏导空中交通流,对备降航班进行合理的分配,建立了以航班备降总代价最小为目标的广义指派模型。针对航班备降问题的离散特性,设计了蜜源位置的离散编码策略,并采用邻域置换方法来搜索新蜜源;为避免算法出现过早收敛,采用基于排序的蜜源选择策略维持种群的多样性,进而提出一种改进的人工蜂群算法。仿真结果表明,与实际调度结果相比,通过使用改进人工蜂群算法,备降总时间减少了13.9 min,即总成本降低了7.35%;与其他智能优化算法相比,具有较快的收敛速度和较高的求解精度。     

航空发动机传感器解析余度模型的建立方法

为了使用解析余度模型对传感器故障进行诊断,提出了1种基于K-均值聚类与改进微分进化算法优化的极端学习机(IDE-ELM)的发动机传感器解析余度模型建立方法。为避免求解ELM算法时H矩阵奇异,采用K-均值聚类对试验数据进行聚类处理,然后从每类数据中选取1组数据组成训练样本用于训练;利用IDE算法优化ELM的输入层权值和偏置,提高ELM的泛化能力。利用飞行试验数据进行了仿真验证。结果表明:基于K-均值聚类和IDE-ELM设计的传感器解析余度模型具有较高的精度,可用于FADEC系统双通道传感器的故障诊断。     

基于DSAS算法的直升机贴地飞行在线航迹规划

通过改进优化传统A*算法,利用动态稀疏A*搜索(DSAS)算法在线设计了直升机贴地飞行轨迹.该算法采用逆向搜索方式规划航迹,在遇到新生探测威胁时,只需局部调整受到影响的航迹,减少了重新规划的范围,提高了搜索效率.此外,在生成节点时考虑了直升机性能及飞行约束,优化了搜索范围;并且根据影响贴地飞行航迹性能的各种因素,设计了航迹代价计算方法;利用层次分析法结合专家分析计算得到最优代价权值.仿真结果表明,该方法在线设计的飞行轨迹能够较全面地满足避障、贴地功能,相比稀疏A*搜索(SAS)算法节省了计算时间.     

基于HTGVNS算法的卡车与无人机协同配送方法

在现代物流中,针对最后一公里配送中的成本高昂、耗时长、道路不易通行等难题,首次引入卡车与无人机协同配送模式,并以总配送时间最小化为目标,建立混合整数规划模型(MIP)。提出一种新的混合禁忌可变邻域搜索算法(HTGVNS)进行求解。算法利用旅行商问题(TSP)求解器和系统性邻域变化的探索能力求解卡车路径,将客户分配给无人机形成聚类,再使用禁忌搜索过程来优化无人机路径。通过求解不同规模算例验证了所建模型的可行性和算法的有效性。结果表明卡车与无人机协同配送模式能有效地减少配送时间,提高配送效率。     

航空制造企业虚拟单元敏捷制造研究

利用零件聚类和工艺聚类两种聚类相结合的方法对零件加工流程进行模块化分解,形成制造系统的流程模块库。而针对实施过程中的共享资源的问题,可将单元外的加工转化为单元内的加工,使单元恢复封闭性和独立性;或者保留共享资源采用时间切片、优化排序算法来协调各单元的需求矛盾。     

基于脉冲交错的数字阵列雷达任务优化调度算法

针对数字阵列雷达搜索、跟踪和成像任务的资源调度问题,提出一种数字阵列雷达(DAR)任务的优化调度算法。该算法以脉冲交错技术为基础,在对目标搜索与跟踪的同时,利用基于压缩感知的稀疏孔径认知逆合成孔径雷达(ISAR)成像方法对部分精密跟踪目标成像,并采用观测时间动态调整策略以提高雷达系统的自适应能力。仿真结果表明,与传统雷达资源调度算法相比,该算法可以将成像任务考虑到优化调度模型中并合理分配资源,实现雷达多任务并行的调度,获得更高的资源利用率与期望的成像质量。     

基于ABC-RBF神经网络的飞机燃油流量监测与故障诊断

为了检测飞机发动机的性能及故障,利用神经网络建立了燃油流量的预测模型,将人工蜂群（ABC）算法结合预测需求 在3维进行拓展,分别优化基于径向基函数（RBF）的神经网络泛化值和中心值,与经典RBF神经网络、K均值聚类算法等相比,3维拓展后的ABC算法对RBF神经网络进行的“反馈式更新”拥有更好的预测效果,其计算平均差值及预测误差更小,所需时间更短。随机选取短航程、中航程、长航程航班数据分别进行验证,结果表明：选择油门杆角度、飞行高度、马赫数、大气总温、发动机转速等参数能够反映发动机运行工况,预测效果理想;采用ABC算法对RBF神经网络进行优化后模型的更新能力较强,能够获得更高的预测精度,降低计算平均差值;通过航班故障数据验证了利用神经网络进行故障诊断的方法具有较大的实际应用价值。     

一种自适应随机优化算法

提出了一种新的基于群体搜索的随机优化算法。该算法的基本思想是：１） 像遗传算法那样,采用二进制串来表示问题的尝试解;２） 解串中每个二进制位的取值,由一可改变的概率分布控制;３）根据群体中最佳解串与最差解串编码结构上的差异,对相关的概率分布进行修改。文中给出的模拟实例,显示了新算法在求解函数全局优化问题中的有效性     

支持差异化服务的航空信息网络切片策略

针对航空集群各作战任务对网络性能需求的差异，研究了灵活耦合任务需求的航空信息网络切片问题。按照任务特性定义网络切片类型及性能特征，以任务资源需求为约束构建切片性能最优化整数规划模型，将网络切片构建问题分解为平台资源聚类和链路资源聚类2个步骤，提出了基于粒子群的平台资源聚类算法和基于感知节点的链路资源聚类算法。平台资源聚类阶段通过基于聚类因子排序的粒子群聚类算法进行迭代求解；链路资源聚类阶段，以各网络切片性能和链路负载率为优化目标，在平台资源聚类的基础上完成链路资源聚类。研究结果表明：所提算法构建的航空信息网络切片可满足不同任务对平台资源以及网络传输能力的需求，平台资源利用率和链路负载率显著改善。     

用自适应蚁群算法求解集中网站的WEB搜索优化策略

如何提高web信息搜索的效率,改善搜索的性能,是信息检索领域一个重要的研究课题。首先利用自适应蚁群算法求得针对特定类别的最小集中网站集,再通过网页聚类,找到能获得最完全而准确信息的网页序列,从而提高web搜索的速度和准确率。     

混合遗传算法在航天器最优交会中的应用

推导了航天器双冲量交会时的优化模型,以此为基础构造了最优交会的燃料-时间混合优化指标,并针对基本遗传算法局部搜索能力不强的问题,提出一种将最速下降法与遗传算法相结合的混合遗传算法,其中下降搜索的优化方向利用每一代中最劣个体所包含的优化信息获得。数值计算表明,该混合算法可加速算法的收敛,具有良好的优化性能和函数适应能力。最后,对共面圆轨道双冲量交会情况进行了仿真计算,仿真结果表明混合遗传算法的设计是成功的。     

基于模块度的复杂网络社团结构聚类新算法

针对传统的分裂聚类算法删除连边会影响节点划分的问题,结合K-means算法的思想并加以改进,提出了一种以邻居节点为聚类备选集,所有社团中心节点同时聚类的同步聚类算法。该算法根据节点中心度和最短路变化率确定社团中心节点集,然后以中心节点为社团中心,以邻居节点为聚类备选集合进行聚类,完成社团的划分。将算法应用到Zachary网络中并与GN算法、Top Leader算法进行比较,仿真结果表明该算法对网络有较好的划分。