基于遗传算法的快速目标匹配方法

为解决在测量图像目标识别中因采用模板匹配方法而产生庞大计算量的问题，将遗传算法应用到测量图像模板匹配中。根据测量图像的特点，利用匹配产生的相关数据变化规律，对标准遗传算法进行改进，提出一种测量图像快速匹配方法，可消除标准遗传算法的大量无效搜索。实验结果表明，该方法比标准遗传算法速度快、精度高。     

跨音速压气机非设计工况下动静叶相互作用的数值模拟

本文计算了某跨音速压气机的一级在非设计工况下动静叶干扰产生的非定常流动.计算以准三维的Navier-Stokes方程为模型,湍流模式采用Baldwin-Lomax代数模式.主控方程用高分辨率的MUSCL型Roe格式离散,离散方程用高效的LU-SSOR方法求解.本文提出了一种完全守恒的动、静叶交界面处理方法.周期性边界处理采用Rai的方案.根据计算结果,讨论了非设计工况下动静叶干扰的机理.     

基于递阶遗传算法的结构多损伤监测

基于递阶遗传算法(HGA)与结构优化思想,提出了一种针对欧拉-伯努利梁和二维板结构的多损伤监测方法.该方法利用递阶遗传算法的控制基因表示损伤的数量和位置,以参数基因表示损伤的程度,有效地避免了传统遗传算法(CGA)的早熟现象所造成的损伤误识别等问题.一个悬臂梁和悬臂方板结构模型的多损伤监测仿真计算表明该方法能够准确地监测一、二维结构中多个位置的损伤,而传统遗传算法难以识别二维结构中的多损伤情况.悬臂梁仿真算例中,该方法和传统遗传算法对多损伤程度的识别误差分别为0.144%和1.819%,所需的有限元计算次数该方法仅为传统遗传算法的16.4%.与传统遗传算法相比,递阶遗传算法明显提高了损伤识别方法的计算效率、精度和稳定性.      

基于控制论隐式约束的翼型跨音速减阻优化设计

采用基于梯度的优化方法来研究气动外形优化设计问题,其梯度的计算是通过求解伴随方程得到,与传统的差分法和遗传算法相比计算量大大减小.采用一种全新的隐式约束处理方法:约束自动地满足而且设计状态不改变,因而程序设计也相对简单高效.给出的算例也达到了预期的优化设计目标.     

基于递阶遗传算法的结构非接触形状控制

以PLZT光致伸缩层合梁非接触形状控制问题为研究对象,提出了一种结合结构拓扑优化与递阶遗传算法的控制方法.该方法以PLZT光致伸缩驱动器的拓扑分布和照射的光强值为设计变量,以PLZT光致伸缩层合梁的期望形状与控制形状的差值函数为适应度函数,应用结构拓扑优化、递阶遗传算法和有限元法,优化了PLZT光致伸缩驱动器的分布和所照射的光强值.与基于传统遗传算法的形状控制方法的计算结果进行了对比分析,该方法的进化速度提高了91%以上,所控制的结构形状与期望形状的误差较传统遗传算法降低了76%以上.      

基于代理模型方法的翼型优化设计

提出了基于代理模型的两步优化方法,用于翼型在黏性流场中气动外形的优化设计.第一步优化使用基于代理模型的遗传算法(GA)获得全局最优解的大致范围.以本征正交分解(POD)方法作为第一步优化中气动力计算的代理模型方法,降低遗传算法的计算量,并对其采样解的生成方法进行改进,提高了计算精度;第二步优化使用基于NavierSto...     

遗传算法在航空发动机非线性数学模型中的应用

收敛性是航空发动机非线性数学模型的重要指标。现有发动机平衡方程迭代解法还不能保证模型大范围收敛。以某涡扇发动机为对象,采用遗传算法求解发动机非线性数学模型,将模型中的发动机平衡方程求解转换为极小值优化问题,建立了遗传算法计算模型,重点分析了采用遗传算法求解的适应度函数设计方法。数值仿真结果表明,与牛顿-拉夫逊解法相比,采用遗传算法方法可实现模型大范围收敛。     

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.     

基于遗传模拟退火算法的机器人路径规划

探讨了利用遗传算法来进行机器人路径规划的方法,分析了可能产生的问题及其产生原因,并在此基础上提出利用遗传算法与模拟退火算法相结合的方法来解决机器人路径规划问题。仿真结果表明,这种遗传模拟退火算法切实可行,它能够有效地提高路径规划的计算速度和保证路径规划的质量。     

金属橡胶毛坯铺设路径规划

针对金属橡胶毛坯铺设工艺,提出了以背景网格为基础的优化模型,利用遗传算法建立了定位销设计和路径规划的优化方法,为毛坯铺设提供了理论依据.定位销数量由底面背景网格非零网格数确定,定位销排布由遗传算法计算得到.根据定位销优化设计结果,逐层对铺设路径进行规划,优化路径比经验路径所得毛坯更加均匀、密实,铺设层数越多,路径规划的优势越明显,铺设10层时,两毛坯目标函数b的值相差50%;单层路径数对毛坯的铺设质量影响不大;随着螺旋卷铺设长度的增加,不同单层路径数铺设的毛坯接触状态趋于一致.      

基于遗传算法的多振动台随机振动控制方法

 针对多振动台随机振动控制问题中求解补偿矩阵的广义逆算法,提出利用遗传算法对补偿矩阵的初值进行优化,解决了该类非线性、大范围极值求解问题。双振动台随机振动控制的仿真实验研究表明:将基于遗传算法的广义逆求解补偿矩阵方法引入随机振动控制过程,在同等精度条件下,计算时间大为缩短并改善了控制中共振峰处的奇异性,使广义逆算法在多振动台随机振动控制中的在线应用成为可能。     

声纳浮标阵目标搜索优化布放算法

为提高声纳浮标阵的目标搜索效率,文章首先建立目标运动模型和累积搜索概率的计算方法,然后提出了基于多点随机搜索、分区分支界定和遗传算法的浮标阵优化布放方法。仿真结果表明：这3种优化方法均优于传统布放方法,多点随机搜索算法性能最差但适合短时间制定布放策略;分区分支界定算法适合优化较少参数的浮标阵形,保证能找到最优点;对于较...     

多仓库下物流无人机协同配送方法

无人机以其快捷、低成本优势,在物流配送中可以实现高效的包裹配送,但也存在着运行时间短、载重不足等缺点。针对当前配送建模考虑因素不够全面的问题,构建了基于能耗变化、混合时间窗和同时取送货的多仓库物流无人机配送模型,以实现配送经济成本最低。与经典的多基地车辆路径问题相比,文中研究的问题没有限制无人机出发和返回的仓库,旨在最大限度地减少无人机的数量和所有无人机行驶的总距离。为进一步优化物流无人机配送成本,针对遗传算法(GeneticAlgorithm,GA)寻优能力较差的问题,引入大规模领域搜索算法(LargeNeighbor-hoodSearchAlgorithm,LNS)作为局部搜索算子,进而提出基于改进 GA(ImprovedGA,IGA)的物流无人机协同配送算法。经仿真测试以及 Solomn标准数据验证,该算法较传统 GA在降低配送成本方面成效明显。     

Detection of small objects in clutter using a GA-RBF neural network

Detection of small objects in a radar or satellite image is an important problem with many applications. Due to a recent discovery that sea clutter, the electromagnetic wave backscatter from a sea surface, is chaotic rather than purely random, computational intelligence techniques such as neural networks have been applied to reconstruct the chaotic dynamic of sea clutter. The reconstructed sea clutter dynamical system which usually takes the form of a nonlinear predictor does not only provide a model of the sea scattering phenomenon, but it can also be used to detect the existence of small targets such as fishing boats and small fragments of icebergs by observing abrupt changes in the prediction error. We applied a genetic algorithm (GA) to obtain an optimal reconstruction of sea clutter dynamic based on a radial basis function (RBF) neural network. This GA-RBF uses a hybrid approach that employes a GA to search for the optimum values of the following RBF parameters: centers, variance, and number of hidden nodes, and uses the least square method to determine the weights. It is shown here that if the functional form of an unknown nonlinear dynamical system can be represented exactly using an RBF net (i.e., no approximation error), this GA-RBF approach can reconstruct the exact dynamic from its time series measurements. In addition to the improved accuracy in modeling sea clutter dynamic, the GA-RBF is also shown to enhance the detectability of small objects embedded in the sea. Using real-life radar data that are collected in the east coast of Canada by two different radar systems: a ground-based radar and a satellite equipped with synthetic aperture radar (SAR), we show that the GA-RBF network is a reliable detector for small surface targets in various sea conditions and is practical for real-life search and rescue, navigation, and surveillance applications     

基于 GA算法的舰载机甲板布列方法

首先,分析了解决舰面布放调度问题的先决条件,包括舰面战位的设置,各战位间距离的测量计算,舰载机正常的出动流程分析,出动时间计算公式的设计;其次,将舰面布放调度问题转换为带有约束条件的多目标函数求最小解问题,并给出了数学模型;再次,给出了利用遗传算（~naicAlgorithm,GA）对问题求解的解决思路;最后,对算法50次独立运算的结果,分别从平均最短出动时间、平均最短移动距离、标准偏差以及算法的收敛性和精确性等方面进行分析,结果表明GA算法较为适合。     

随机集的概率假设密度粒子滤波

多目标跟踪问题中,当目标数已知时,可以用概率数据互联(PDA)或联合概率数据互联(JPDA)算法。而当目标数未知或随时间变化时,需要对不同目标数的跟踪进行比较。可以把目标集看作随机集进行讨论,目标数N是随机变量。随机集的跟踪通过有限集统计(FISST)理论来完成。文中讨论了用粒子滤波实现跟踪随机集的方法。实验表明,在杂波环境下,粒子滤波可以稳健跟踪目标状态和目标数。     

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。     

基于两步优化策略的结构网格负载平衡

国家数值风洞（NNW）工程旨在发展完全自主知识产权的计算流体力学（CFD）软件,结构网格负载平衡问题研究是该工程中的一个重要组成部分。本文发展了两步优化策略以求解结构化网格的负载平衡问题。第1步优化采用传统的贪婪算法,完成对大块网格的剖分和以进程计算时间为指标的网格块分配;第2步采用遗传算法（GA）,目标函数兼顾进程计算时间和通信时间,在第1步优化结果的基础上,对网格块在进程上的分配开展二次优化。为准确计算GA的目标函数,构建了一套计算时间和通信时间的建模方法,包括样本生成、模型建立和模型验证,整体方法具有一定的通用性。根据负载平衡问题以及两步优化策略的特点,对GA的编码、交叉、变异和种群初始化进行了研究,详细分析了交叉操作的递归问题及解决方法。算例验证说明建立的进程计算时间和通信时间模型具有较高的计算精度,能够用于GA的目标函数计算;两步优化策略能够在第1步优化的基础上进一步改善优化结果,从而减少CFD问题的整体计算时间,对于计算量巨大的工程问题具有较大的实用价值。     

Stationary non-Gaussian random vibration control: A review

This paper presents a review of the various methods for the stationary non-Gaussian random vibration control. Random vibration tests can be divided, according to the number of exciters, in single-shaker tests and multiple-shaker tests. In the stationary non-Gaussian random vibration test, the time and frequency domain characteristics of the responses should be controlled independently and simultaneously. Skewness and kurtosis are usually selected as the non-Gaussian time control references (targets) while power spectral density is the frequency domain control procedure before it recalls the concepts of non-Gaussianity. Then, the generation of a one frame stationary non-Gaussian random signal for both the single and multiple shakers are reviewed. The commonly used methods for the single non-Gaussian random signal generation in the random vibration test are memoryless nonlinear transformation, phase modification and Filtered Poisson process. For the multiple-shaker case, the sequential phase modification and memoryless nonlinear transformation are used to generate one frame coupled multi-channel non-Gaussian random signal. In order to obtain a stationary and consecutive dynamic input, the time domain randomization procedure is introduced with high computational efficiency and its influences on the skewness and kurtosis are analyzed. Finally, two existing problems in the non-Gaussian random vibration control are addressed.     

基于随机森林的风洞马赫数预测模型

在风洞试验中,马赫数的稳定性和快速性对风洞流场品质有着重要影响。为了实现马赫数的精确控制,必须对马赫数进行快速、准确的预测。风洞试验积累了大量数据,大数据集包含了更多的有益信息,为实现马赫数的精确预测提拱了可能性,但也增加了建模的复杂度。通常高度复杂的模型会加重其在实际使用时的计算负担。针对大数据集问题,本文将随机森林方法应用于风洞马赫数建模。随机森林是一种集成模型建模方法,它从3方面降低模型的复杂度:产生多个样本子集,减少了子模型的训练样本个数;具有并行集成结构,子模型可在不同的CPU上运行,提高了运行速度;以简单学习算法回归树作为基学习机,降低了子模型的复杂度。试验证明基于随机森林的马赫数预测模型能够有效利用试验积累的大数据,满足工程上预测速度及精度的要求。