基于冲突解脱的碰撞风险研究

自由飞行是解决航路拥挤问题的一种有效方式,因此在自由飞行环境下对飞行碰撞风险进行研究显得尤为重要。分析了在自由飞行空域中实施飞行冲突解脱策略后的转弯航路碰撞风险;考虑了所需通信、导航和监视性能以及飞行速度偏差,建立了基于冲突解脱的碰撞风险评估模型。通过算例分析了冲突解脱角度、水平间隔与飞行碰撞风险之间的关系,结果表明碰撞风险评估模型能很好地对自由飞行空域中实施冲突解脱后的碰撞风险进行评估,验证了模型的可行性。     

基于一种免疫遗传算法的自由飞行冲突解脱

自由飞行是解决航线拥挤的有效方法,但同时增加了空中交通管理的难度.免疫遗传算法是根据生物免疫原理提出的改进遗传算法,该算法主要体现了生物免疫机制中的免疫操作,与遗传算法相比,能较好地防治"早熟"和减少参数选取对结果的影响,优化效率高.将一种免疫遗传算法应用于自由飞行的冲突解脱问题,与标准遗传算法进行比较,取得了较好的优化效果.     

自由飞行下基于IPS算法的碰撞风险研究

自由飞行是解决空域拥挤问题的一种有效飞行模式。随着通信、导航、监视（ CNS ）技术的不断进步和自由飞行理论的不断完善,自由飞行将会使飞机由被动指挥向自选最优路径转变,能够明显提高空域的容量和飞行的效率。在评估自由飞行环境下飞机运行的安全性时,需要行之有效的碰撞风险评估方法。首先考虑通信、导航、监视（CNS）性能对飞机定位误差的影响,在执行飞行冲突解脱命令过程中引入相互作用粒子系统（IPS）,提出一种自由飞行下飞机碰撞风险评估算法,最后结合目标安全水平寻找最优最小安全间距。算例表明,算法能够快速有效计算自由飞行下飞机间碰撞风险,具有可行性。     

基于粒子群算法的导弹飞行控制系统设计

针对反坦克导弹鲁棒飞行控制系统设计问题,提出了一种基于粒子群算法的鲁棒飞行控制律设计方法.在使用μ综合方法设计反坦克导弹控制律时,采用粒子群算法优化鲁棒性能加权函数,解决了加权函数难以选择的问题.仿真结果表明,采用粒子群算法的μ综合方法设计的反坦克导弹飞行控制律具有较强的鲁棒性和更好的指令跟踪能力.     

基于有向元胞自动机的空中导航和冲突解脱算法

针对在ADS-B空域监视系统下,利用有向元胞自动机模型模拟空域,研究了飞机自主导航和飞行冲突解脱的问题。在考虑了飞机的飞行性能、最小安全间隔及飞行速度等限制条件下,建立了空域的网格模型。利用ADS-B技术,建立了有向元胞自动机运动规则,确定了有向元胞自动机的最佳运动方向,构建了飞机空中导航和空域冲突解决的算法。通过对避开空中限制区和3架飞机空中冲突解脱的仿真,给出了空中的导航路径。仿真结果表明,该算法是可行的。     

一种改进粒子群算法及其在飞控系统中的应用

针对标准粒子群优化算法过早地陷人局部最优问题,提出了一种改进的粒子群优化算法,引人基于均匀设计区域选取的变异算子和改进的自适应权重来提高种群多样性和粒子群搜索效率,并应用于某飞行控制系统的优化调参.通过该方法,不但可以降低结果过早陷人局部最优的可能性,而且还提高了飞行控制系统优化调参的效果,仿真实验验证了该设计方法的有...     

飞行冲突检测与调配的方法研究

随着空中交通流量的增加，中国空中交通系统面临着越来越严重的空域拥挤。飞行冲突变得日益严重，解决飞行冲突和潜在冲突的有效方法是改变飞机航向和高度。提出了水平检测和距离法检测飞行冲突的方法，总结了检测程序，给出了解决冲突的方法，推导了相应的算法，量化了检测指标。     

基于析取关系直接变换的冲突解脱方法

针对自由飞行条件下的飞行冲突解脱问题,提出了一种基于析取关系直接变换的联立求解方法(DDTSA)。首先在不引入额外辅助变量的情况下,将基于析取关系的安全边界条件变换成易于联立求解的约束条件,使问题的变量和方程个数大幅度减少,从而降低问题的求解难度。然后为保证求解的精度和稳定性,采用基于Radau配置点的拉格朗日插值多项式对微分代数方程组进行离散化处理,继而求解离散化得到的非线性规划问题。最后分别对2架、3架以及4架飞机的冲突解脱问题进行仿真,仿真结果表明与相关文献中的方法相比,该方法具有更高的计算效率并且能够得到更优的结果。     

飞行冲突下改航模型和算法研究

为解决飞行冲突下的改航问题,将不具备优先权的飞机看成是沿预定航路动态移动的威胁体,其保护区即看作该威胁体的威胁区域,建立改进的威胁概率模型——两机冲突概率模型,以确定其临界圆。在考虑改航偏离预定航路飞行代价的基础上,建立了改进的改航模型。针对三种飞行冲突分别给出了相应的改航最优路径规划分析。基于最短航程设计了相应的启发式算法,并对两种场景进行算例仿真。仿真结果表明,该模型和算法是有效可行的,可以很好地处理这类改航问题,为飞行冲突下的飞机规划出相对安全经济的改航路径,以及时解脱飞行冲突。     

飞机飞行控制系统参数多目标优化设计研究

针对传统飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且与飞行品质要求缺乏相关性,物理意义不明确等缺点,提出了一种基于改进粒子群算法的飞行控制律多目标优化设计方法。算法模拟鸟类捕食过程,使得种群随着"食物"的发现和消耗,聚集为数量和构成动态调整多个子群,且子群粒子速度也随之进行自适应变异,从而有利于维持种群的多样性,有效抑制早熟收敛现象发生。最后,使用改进的粒子群优化算法对某型飞机纵向控制律设计进行数值仿真,结果显示,算法有效提高控制律优化调参效率,结果满足期望的飞行品质要求。     

小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

恶劣天气条件下航路网络修复优化

针对恶劣天气条件下可用空域资源不足导致的航班大面积延误问题,基于复杂网络修复理论和交通流分配理论,借鉴交通网络设计思想提出了一种航路网络修复优化策略。首先,建立了航路网络修复场景,基于气象信息生成了恶劣天气飞行受限区。然后,建立了上层模型以修复成本最低为目标函数、下层模型为多约束交通流分配模型的双层规划修复模型,应用改进粒子群算法对模型整体进行求解,结合K最短路径算法对下层模型进行求解。最后,提出局部和全局两类指标对航路网络修复效果进行评估。基于典型航路网络,以两类基础修复策略为对比方法,同时对比了实际运行结果,研究了不同修复策略的修复效果和适用性。仿真结果表明：航路网络修复优化策略既能弥补原有拓扑结构修复策略的结构受限不足,又能解决拓扑结构调整修复策略带来的巨额协调费用问题,能够保证在对正常运行航班干扰最小的同时,以最小的修复成本使所有受影响的航班都恢复正常运行,对于减缓航路拥堵和航班延误有极大的意义。     

基于分布式粒子群算法的翼型优化设计

采用求解N-S方程作为优化算法中的CFD分析方法,基于标准粒子群优化算法(PSO),将其与遗传算法中的选择机制相结合,形成了一种改进的基于自然选择的粒子群算法(SELPSO),以提高算法的求解精度和改善算法的全局收敛性。为改善串行粒子群算法效率低,耗机时等缺点,文中将分布式计算引入到优化设计过程中,实现了基于分布式粒子群算法的翼型设计优化系统,设计实践表明,文中发展的优化算法对优化设计系统质量和效率都有着大幅度的提高,在工程中具有很好的实用价值。     

基于粒子群优化算法的飞机维修计划编制优化

针对国内航空公司的维修生产管理,分析了维修计划的编制流程,建立了相应的整数规划数学模型,该模型采用维修停场损失、维修加班费用和维修外包费用的和作为目标函数,可用于混合机型机队的定检维修计划的制定。同时分析研究了粒子群优化算法,并采用该算法对模型进行求解。数据仿真结果表明,建立的模型和求解算法切实可行。     

基于改进PSO的飞行控制律参数多目标优化方法

针对传统飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且与飞行品质要求缺乏相关性,以及物理意义不明确等缺点,提出了一种基于改进粒子群算法的飞行控制律多目标优化设计方法。该算法模拟鸟类捕食过程,使得种群随着"食物"的发现和消耗,聚集为数量和构成动态调整多个子群,且子群粒子速度也随之进行自适应变异。从而,有利于维持种群的多样性,有效抑制早熟收敛现象发生。最后,还使用改进的粒子群优化算法对某型飞机横侧向控制律设计进行了数值仿真,结果显示该算法有效提高控制律优化调参效率,可满足期望的飞行品质要求。     

改进粒子群优化算法在亚轨道飞行器固液混合发动机设计中的应用

针对粒子群优化算法在求解多维复杂优化问题时容易陷入局部最优的缺点,提出了动态目标粒子群优化算法,通过分析寻优过程中粒子与个体最优位置和全局最优位置之间存在的位置关系,建立了新的速度更新公式.最后,应用该算法对某型号亚轨道飞行器固液混合发动机进行了优化设计.仿真结果表明,改进算法搜索能力强、收敛速度快,能有效解决此类问题,可为亚轨道飞行器的发动机优化设计提供理论参考.      

基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。     

APSO算法在语音信号盲源分离中的研究

将自适应粒子群优化（Adaptive Praticle Swarm Optimization）算法运用到语音信号的盲源分离中,以峰度为目标函数,通过自适应调整惯性因子,克服了收敛速度和分离效果之间的矛盾,最终实现盲源分离。该算法避免了传统的优化算法自然梯度法稳定性差、易于陷入局部最优的不足。通过比较仿真结果和性能指标可以看出,APSO算法提高了收敛速度,改善了分离性能,表明了该算法在实现语音信号盲源分离中性能的优越性。     

基于自适应Kalman滤波的改进PSO算法

针对基于Kalman滤波的PSO算法在设计与应用过程中存在的不足,提出了基于自适应Kalman滤波的改进PSO算法。利用粒子群状态空间Markov链模型,建立粒子群系统状态方程;采用粒子的速度和位置作为观测量,构建观测方程;引入记忆衰减因子动态调整Kalman滤波模型参数及噪声方差阵,降低模型误差,提高粒子的位置估计精度。仿真实验表明:改进的PSO算法无论在优化精度、收敛速度,还是在稳定性方面都有很大的改进和提高,这就有效避免了粒子的"早熟"收敛问题;尤其在处理复杂多峰问题上,改进算法表现出很明显的优越性。