基于遗传粒子群算法的模拟电路测试点选择

针对模拟电路测试点选择的特点,提出利用遗传粒子群算法与整数编码故障字典相结合的方法进行测试点选择。首先根据各测试点的数据建立整数编码故障字典,然后利用遗传粒子群算法选取最优测试点。将该方法应用于实际模拟滤波器的测试点选择,结果表明：利用该方法很容易求出模拟电路的全局最优测试点。     

离散型粒子群算法求解民航飞机排班问题

本文首先介绍了民航飞机排班问题,给出了飞机排班问题的基本数学模型。然后介绍了离散型粒子群算法的基本原理和在组合优化问题方面的应用,并通过相应参数的匹配选择将离散型粒子群算法引入到民航飞机排班问题。     

分布式协同进化MDO算法及其在导弹设计中应用

 针对现有基于梯度的多学科设计优化 (MDO)算法不适用于具有离散和整数设计变量、设计空间非凸或不连通的多学科设计优化问题,以及倾向于收敛到接近初始点的局部最优点的缺点,为充分发挥进化算法的优越性,根据协同进化与 MDO在本质上的相似性,采用分布式协同进化机制进行 MDO算法研究。提出了分布式协同进化 MDO算法,并将该算法应用于导弹的气动 /发动机 /控制一体化优化设计。     

基于微粒群算法的复合控制逻辑参数优化方法

针对复合控制中采用PSR调制器控制发动机开关机的控制逻辑参数选择问题,基于微粒群算法提出了一种控制逻辑参数优化方法。该方法以提高复合控制性能为目标,将复合控制的控制逻辑参数选择问题转化为对以复合控制性能为指标的多目标优化问题。在此基础上,将微粒群算法应用于该优化问题的求解,提出了一种基于微粒群算法的PSR调制型复合控制逻辑参数优化方法,并设计了算法流程图。仿真结果表明,采用该设计方法对参数优化后,复合控制总体性能有明显提升。     

基于混沌变量的航空发动机模糊神经网络控制

针对模糊神经网络控制器中模糊规则的设计和神经网络权值的确定存在困难这个问题,提出了混沌优化控制方案,将混沌优化算法应用到航空发动机模糊神经网络控制中,利用混沌优化算法对模糊神经网络的参数进行优化。仿真结果表明,设计的模糊神经网络控制器具有良好的性能。      

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.      

求解高超声速飞行器平衡状态的GA-SQP算法

 针对含有不稳定模态的高超声速飞行器平衡状态的求解问题,提出了遗传算法-序列二次规划(GA-SQP)混合优化求解算法.该算法基于GA,根据时间乘以误差绝对值积分(ITAE)性能指标,采用混沌搜索和淘汰机制,将配平问题转化为代价函数最小值的求解问题.此外,在局部搜索中引入SQP策略,分步求解升降舵偏角和油门设置,以及迎角初始值.通过建立基于Simulink的动态模型进行仿真,结果表明,该算法能够精确地收敛到平衡点,并具有较好的稳定性,而且与初始值无关.该算法为一类复杂非线性系统平衡状态的求解问题提供了一种实用有效的解决方法.     

基于混沌粒子群优化算法的压气机盘低循环疲劳

压气机轮盘低循环疲劳寿命受很多随机参数的影响,具有很大的分散性,因此,对压气机盘低循环疲劳寿命进行稳健性设计具有重要的意义.在对疲劳寿命概率分析的基础上,结合RBF神经网络与混沌粒子群优化算法,利用混沌粒子群优化的动态收缩搜索区域的搜索特性,通过对随机参数进行优化进行压气机轮盘低循环疲劳寿命稳健性优化设计,使得疲劳寿命对参数的敏感度降低,概率区间减小,计算结果验证了该方法在工程应用中的可行性.     

非线性最优解在气动参数辨识中的应用

由于采用最大似然算法进行了扭动参数辨识通常存在着局极值问题，为了寻求非线性全局最优解，提高估计精度，介绍了以混沌优化算法作为搜索工具。与最大似然处算法相结合，求解非凸优化问题全局最优解的方法，算例表明，该方法是有效可行的，并且估计精度也较高。     

基于离散粒子群优化算法的直升机减速器齿轮故障特征选择

粒子群优化算法自提出以来,由于其容易理解、易于实现,所以发展很快,在很多领域得到了应用。本文针对机械故障特征选择问题,提出基于离散粒子群优化(PSO)算法的特征选择方法,并在直升机减速器齿轮故障诊断中进行了应用。实验结果表明,离散PSO算法可以快速、有效的求得优化特征集,是求解故障特征选择问题的一个较好方法。      

基于改进粒子群算法辨识Volterra级数的目标机动轨迹预测

目标机动轨迹预测是空战态势感知和目标威胁评估的重要前提。针对传统目标机动轨迹预测模型复杂度大、预测精度低等问题，结合目标机动轨迹时间序列的混沌特性，提出一种基于相空间重构理论和Volterra泛函级数的目标机动轨迹预测模型。该模型首先采用0-1检测法验证了目标机动轨迹时间序列具有混沌特性；其次，利用C-C法确定嵌入维数和时间延迟，对目标机动轨迹时间序列进行了相空间重构；然后，引入Volterra泛函级数预测模型，为了克服高阶Volterra核函数求解复杂的难题，提出一种混沌变异自适应粒子群算法，构建一种基于改进粒子群算法辨识的Volterra级数预测模型，并将其应用于目标机动轨迹预测；最后，将所提算法与卡尔曼滤波算法以及机器学习算法进行单步和多步预测对比，同时将改进粒子群算法与其他智能算法进行性能比较。仿真结果表明：所提预测模型具有良好的单步和多步预测性能，改进的粒子群算法具有参数辨识精度高、收敛速度快的优点。     

基于改进启发式蚁群算法的无人机自主航迹规划

无人机自主航迹规划是未来无人机作战使用的关键技术难题。针对传统航迹规划方法存在的求解效率不高、实时性较差、容易陷入局部最优等缺点,提出一种基于改进启发式蚁群算法的无人机航迹规划。算法前期使用Dijkstra 算法进行初始化航迹,引入启发式信息,提高搜索效率;采用Logistic 混沌映射初始化信息素,增加解的多样性,提高算法收敛速度;算法中、后期采用多航迹选择策略和模拟退火机制,提高全局搜索能力,避免因收敛速度过快,陷入局部最优解。对该算法进行仿真分析,结果表明：在存在威胁和障碍的复杂环境中,本文的改进蚁群算法与标准蚁群算法相比,能够有效规划出一条从起点到终点的航迹,并且寻优精度更高,收敛速度更快,具有一定应用价值。     

基于改进ORB-GMS-SPHP算法的快速图像拼接方法

针对传统图像拼接算法存在拼接速度慢、图像拼接有色差等问题，提出了一种基于ORB-GMS-SPHP算法的大视场多图像拼接方法。该方法首先利用高斯函数构建尺度空间，将高斯尺度空间划分为多个网格，在每个网格内借助FAST算法提取尺度空间特征点，使用BRIEF算法提取描述符并匹配，得到更加均匀分布的特征点；然后使用运动网格统计算法筛选匹配点；最后采用SPHP算法融合图像重叠区域，从而得到完整的拼接图像。将改进的ORB-GMS-SPHP算法与现有的传统特征点匹配算法在特征点匹配精度和特征点匹配速度进行对比与评价，验证了该方法特征点匹配速度快、精度高，并且可以保留更多的正确匹配点的特点。将该拼接方法与传统拼接方法在拼接速度、图像配准均方误差RMSE以及视觉主观判断拼接色差进行对比与评价，验证了该拼接方法具有较快的拼接速度、更高的拼接精度和无明显色差。该方法在2 736像素×3 648像素图像中,特征点匹配时间降低至6.463 s，图像配准精度RMSE降低至3.87。实验证明该方法特征点匹配速度快、精度高,且拼接精度高、无明显色差。     

单光子激光雷达数据去噪与滤波算法

单光子激光雷达获取的点云数据存在大量噪声,这给数据的处理带来了挑战。基于局部距离统计提出了改进的点云去噪算法,对单光子激光雷达点云原始数据进行去噪。然后基于统计分析方法改进了点云滤波算法,对去噪后的点云数据进行滤波处理。利用新提出的算法与传统算法去噪和滤波后得到的点云进行比较,并与传统激光雷达的数字地形模型(DTM)数据进行对比。计算得到MABEL地面点云相对于传统激光雷达高程的均方根误差RMSE为2.98m,相关系数R^2为0.9938。进一步对地面点云插值得到剖面数字高程模型(DEM)数据,其相对于传统激光雷达高程的均方根误差RMSE为2.85m,相关系数R^2为0.9931。实验结果显示,提出的单光子激光雷达点云去噪和滤波算法优于传统算法,与传统激光雷达DTM数据具有较好的相关性,能够精确的恢复地形信息。     

基于遗传算法的协作优化方法研究

多学科设计优化技术是国内外迅速发展的一门学科,而协作优化方法是多学科设计优化技术中最常用的一种有效的分布式并行优化方法.然而,标准的协作优化方法很难收敛到系统的最优解,而且对初始点的选择非常敏感,不同的初始点可能收敛到不同的解.遗传算法是一种成熟的智能寻优算法,具有很强的全局搜索能力.本文正是为提高协作优化的可靠性和鲁棒性,将遗传算法引入协作优化框架,并且对传统遗传算法进行相应的改进以适用于协作优化框架.算例证明本文提出的基于遗传算法的协作优化方法行之有效,消除了标准协作优化可能收敛不到系统最优解及对初始点敏感的缺陷.     

基于免疫聚类分析的特征提取及其在发动机故障诊断中的应用

以提高航空发动机故障诊断的快速性和准确性为目的，基于人工免疫理论中的克隆选择算法，结合聚类分析方法，提出了基于免疫聚类分析的故障特征提取方法。该方法通过删除对分类无关的特征以及压缩类间相关特征，得到最有利于分类的子特征集，提高了分类器的分类性能。并且该算法具有本质上的并行性、计算效率高和聚类能力强等优点。多类支持向量机的分类实验表明，经过基于免疫聚类分析提取的特征对发动机的故障具有更好的识别能力，为发动机的状态监测与故障诊断提供了依据。     

Satellite range scheduling with the priority constraint: An improved genetic algorithm using a station ID encoding method

Satellite range scheduling with the priority constraint is one of the most important problems in the field of satellite operation.This paper proposes a station coding based genetic algorithm to solve this problem,which adopts a new chromosome encoding method that arranges tasks according to the ground station ID.The new encoding method contributes to reducing the complexity in conflict checking and resolving,and helps to improve the ability to find optimal resolutions.Three different selection operators are designed to match the new encoding strategy,namely random selection,greedy selection,and roulette selection.To demonstrate the benefits of the improved genetic algorithm,a basic genetic algorithm is designed in which two cross operators are presented,a single-point crossover and a multi-point crossover.For the purpose of algorithm test and analysis,a problem-generating program is designed,which can simulate problems by modeling features encountered in real-world problems.Based on the problem generator,computational results and analysis are made and illustrated for the scheduling of multiple ground stations.     

高高空长航时无人机翼型优化设计研究

针对高高空长航时无人机的特点和使用要求,开展了高高空长航时无人机翼型的优化设计研究.为了提高采用遗传算法的气动优化设计的效率,将分布式计算与遗传算法相结合,形成了基于遗传算法和分布式计算的气动优化设计方法,并将该方法与基于反设计概念的工程方法相结合进行了高高空长航时无人机翼型的气动优化设计.设计实践表明,该方法是可行的,设计出的翼型是能够满足工程需要的.     

基于遗传算法的航空发动机状态变量模型建立方法

提出了一种采用遗传算法建立用于航空发动机控制系统设计的小偏差状态变量模型的方法,即根据发动机稳态工作点处的线性化数学模型的动态响应应该与该稳态工作点处的非线性数学模型动态响应一致的原则来构造遗传算法的适应度函数,通过优化算法,得出系统的状态变量模型。该方法不受系统模态及模型阶次的限制。应用该方法建立某型涡扇发动机的小偏差状态变量模型,具有较高的建模精度,根据该状态变量模型设计鲁棒控制器取得了良好的控制效果,从而验证了该方法的有效性。      

用强耦合RANS方法模拟旋翼悬停流场

在旋转坐标系下,将Spalart-Allmaras(S-A)一方程湍流模型和Reynolds-averaged NavierStokes(RANS)方程耦合成一个新的RANS方程,并发展了基于多块重叠网格的强耦合RANS求解方法,用于直升机旋翼悬停流场的数值模拟.为了提高计算效率,针对多重网格方法在多块重叠网格上实施的困难,提出了一种基于重叠网格的多重网格实施方法.通过对Caradonna-Tung(C-T)和ONERA 7A旋翼悬停算例验证了发展的强耦合RANS方法和基于重叠网格的多重网格实施方法的有效性.研究结果表明:发展的基于重叠网格的多重网格方法有较高的计算效率,3层网格的加速比约为7.7;强耦合RANS法的计算精度明显高于传统的松耦合RANS方法,特别是在与阻力相关性能参数的预测中,强耦合RANS方法的预测结果更加精确.