基于遗传算法的空空导弹消耗规律神经网络预测方法

针对弹药预测问题,介绍了基于遗传算法的BP神经网络的相关原理及理论,研究了基于遗传算法的空空导弹消耗量BP神经网络预测方法,弥补了传统的BP神经网络法在弹药预测方面存在许多缺点,采用遗传算法求得影响弹药消耗各因素的权值及阈值,具有较高的准确性;同时,优化过程是对神经网络算法的权值及阈值进行优化,由适应度函数计算出染色体的适应度值,再经过选择、交叉及复制等操作,得到适应度最高的个体。对历次空战空空导弹消耗量数据进行归一化处理,将处理结果带入传统BP测,得到预测结果并对比分析,预测结果显示了遗传算法优化的有效性,避免了传统BP算法局部性强的缺点,预测结果较优化前较大提升,验证了改进算法的有效性和先进性。     

深度置信网络在发动机气路部件性能衰退故障诊断中的应用研究

为提高发动机转动部件性能衰退故障诊断精度,针对传统的浅层网络和支持向量机(SVM)方法在诊断时存在泛化能力欠缺、易产生局部最优解等问题,引入近年来在模式识别领域取得巨大突破,模拟人脑多层结构的深度置信网络(DBN)进行发动机部件性能衰退故障的诊断。为改进深度置信网络性能,提出一种在无监督和有监督训练阶段都可自适应调整权值的改进算法(ad_DBN)。以涡扇发动机为对象,将两种DBN算法与BP,RBF和SVM方法从诊断精度、计算时间、抗噪能力三方面进行综合比较分析。结果表明DBN算法诊断精度明显优于反向传播(BP)神经网络,径向基(RBF)神经网络和支持向量机(SVM)方法,得益于权值的自适应调整,ad_DBN诊断的平均精度高达97.84%,其抗噪声能力也明显优于其他算法,能够提高故障诊断的有效性和可靠性。     

基于改进Canny的激光主动成像图像边缘检测算法研究

针对传统Canny边缘检测算法存在的不足,结合激光主动成像末制导的实际特点,提出了一种改进的Canny边缘检测算法.该算法在Canny边缘检测算法的基础上,采用同态滤波和提升小波变换级联的方法代替传统的高斯滤波器;采用3×3邻域的权值梯度计算方法代替原有的2×2邻域差分运算;采用Otsu自适应阈值计算方法,使算法可根据图像自身特点选择最合适的阈值.实验证明:该算法提升了传统Canny算子的抗干扰能力和鲁棒性,能够较好地保存边缘信息,准确检测出激光主动成像图像的边缘,具有较强的自适应性.     

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。     

用一种改进的蚁群聚类算法进行网络入侵检测

针对蚁群聚类算法在聚类结果中出现部分数据划分不够准确的问题,提出蚁群聚类改进算法。对已有蚁群聚类算法的结果簇做调整,从而得到更好的聚类结果。使用KDD Cup1999入侵检测数据集所作的实验结果表明,聚类效果改进明显,入侵检测率有所提高。     

基于GWO-BP神经网络的攻击区解算方法

为解决运用传统BP神经网络求解空空导弹攻击区时误差较大的问题,提出了一种基于灰狼优化算法的BP神经网络攻击区求解算法(GWO-BP)。首先分析了影响空空导弹攻击区的主要因素,确定了BP神经网络的初始输入值;然后运用灰狼算法对网络的初始权值和阈值进行优化;最后运用优化后的权值和阈值搭建BP神经网络,并输入训练集对网络进行训练。仿真结果表明,相比未经优化的传统算法,GWO-BP算法求解误差更小,提高了攻击区解算的准确性。     

基于改进的FCM和信息熵修正的航迹融合算法

在局部航迹信息质量不均衡条件下,选择所有局部航迹进行航迹融合的算法会造成系统航迹质量下降。为了提高跟踪性能,提出了一种基于改进的模糊C均值(FCM)和信息熵修正的航迹融合算法。通过交互式多模型(IMM)滤波后的航迹信息对聚类数据做“质量”修正,改进后的FCM算法对局部航迹进行聚类分析,利用信息熵和隶属度对局部航迹进行选择和融合,达到修正聚类中心和提高系统航迹质量的效果。仿真结果表明：当多个传感器跟踪机动目标时,在传感器的观测精度发生变化和存在量测丢失的情况下,该算法的跟踪性能优于已知的航迹融合算法。     

改进的 YOLOv4在飞机蒙皮损伤检测中的应用

针对飞机蒙皮检测中存在的小目标检测欠佳、漏检等问题,提出了 1种基于增强特征融合和 ATSS的 YO. LOv4飞机蒙皮图像目标检测算法。首先,增加用于目标预测的大尺度浅层特征层,以提高模型对小目标的检测效果;其次,增加特征融合网络层数,通过浅层与深层特征层的深度融合,丰富多尺度特征图中的特征信息;然后,通过 K-means++聚类算法对数据集的真实框聚类,获得更具代表性的先验框尺寸,以提高预测框对目标的定位准确度;最后,引入 ATSS对 YOLOv4的样本选择策略进行优化,通过自适应获取最优的 IoU阈值,实现正负样本自动划分,提升模型的检测性能。实验表明,在增加少量计算成本的情况下,算法的检测性能得到有效提升,mAP提升 7.7%,检 测的准确率达到 80%以上。     

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。     

中继卫星跟踪航天器的轨迹分段优化算法研究

研究了中继卫星跟踪用户航天器的轨迹分段优化计算方法。首先根据位置矢量计算出理论跟踪轨迹,其次根据指向角连续变化的要求确定了单变量最小二乘拟合方法。在此基础上提出了基于动态拟合误差阈值的中继卫星跟踪轨迹分段优化方法。该方法首先确定在初始拟合误差阈值下跟踪轨迹的最优分段数目,然后将拟合误差阈值减小一个修正量,在新的误差阈值约束下重新计算各段的分段时长和分段数目,通过不断减小误差阈值进行循环计算,直到新的分段数目大于最优分段数目时完成计算。由于采用了逐步减小拟合误差阈值的动态阈值计算方法,使得各段的最大拟合误差得到了减小,并且达到了各段拟合误差的一致。该算法有效地提高了中继卫星程序跟踪中全程轨迹的计算精度,获得了良好的应用效果。     

填充函数法在发动机加力最小油耗模式控制中的应用

主要研究了航空发动机性能寻优控制(PSC)算法问题。提出一种用于解决非线性约束优化问题的基于填充函数方法(FFM)的实时优化控制策略。通过构造填充函数,该算法可以在优化计算过程中能够不断跳出局部最优点,使得算法本身具备了全局寻优能力。详细介绍了其算法主要内容与实现途径,基于上述的填充函数优化算法,以某型涡扇发动机加力最小油耗优化控制模式为仿真算例,验证了该算法在解决航空发动机性能寻优控制问题时,相比传统的序列线性规划方法在全局寻优方面具有更好的效果。     

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。     

一种基于生物趋化的改进粒子群算法

针对标准粒子群算法进行多极点函数优化时易导致早熟收敛及陷入局部最优的问题,把生物趋化原理引入到粒子群优化算法中,改变传统粒子群优化算法只存在吸引操作而没有排斥操作的单向性,提出一种保持种群多样性的改进算法,并对其关键参数的选择进行了研究。仿真实验结果表明,与传统粒子群优化算法相比,基于生物趋化的粒子群算法对于处理复杂的多峰函数或优化问题,可显著提高算法的全局寻优性能。     

改进型蚁群算法的全局路径规划仿真研究

针对传统蚁群算法收敛较慢的问题,提出了一种在复杂环境下全局路径规划的改进型蚁群算法。利用链接图法建立了路径规划的空间模型;借鉴狼群分配原则对信息素进行更新;在缩小搜索区域,提高搜索效率的过程中,引入了启发式概率公式和启发函数;通过参数自适应调整策略,进一步对最优解进行了优化。将基于Dijkstra算法的初始路径规划和改进后蚁群算法的规划结果进行了仿真对比,结果表明,改进后蚁群算法的全局优化性能较好,具有一定的有效性和可行性。     

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.     

基于改进人工蜂群算法的多值属性系统故障诊断策略

针对实际工程应用中常见的多值属性系统故障诊断策略问题,在传统人工蜂群算法(Artificial Bee ColonyAlgorithm,简称 ABC算法)的基础上,提出改进蜂群算法用于多值属性系统的测试序列寻优。首先,在蜂群算法中重新定义多值 D矩阵和五元组的含义;其次,引入方向信息概率矩阵,设置状态转移规则和矩阵元素更新策略;最后,采用导弹舵系统实例说明算法的实现过程和有效性。最终测试序列寻优结果表明:与传统的多值 Rollout算法相比,文中所提算法能得到较好的诊断策略结果,具有一定的应用价值。     

An optimization model of parameter matching for aircraft catapult launch

To efficiently and fully utilize aircraft carrier resources, an optimization model is presented to deal with parameter matching between aircraft and carrier in the process of aircraft catapult launch. Based on carrier aircraft longitudinal dynamic equations and theorem of kinetic energy in catapult launch course, the work characteristics of different forces are learned and a theory model of parameter matching is deduced. In view of the uncertainty of the model parameters of the theory model and the low matching accuracy of the approximate model, an optimization model of parameter matching is introduced in line with the structure of theory model and the approximate model and is generated by the proposed immune genetic algorithm. Compared with the original genetic algorithm and immune algorithm, the proposed algorithm has better calculation accuracy and convergence. The calculation results show that the optimization model occupies certain application value of engineering estimation from the comparison with the relevant literature data and has higher precision than the approximate models. The validity of the proposed approach is verified with numerical case study on a carrier based aircraft.     

试车数据驱动的涡轴发动机起动过程模型辨识

针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明:得到的辨识模型输出参数,如燃气发生器转速n_g、输出轴转速n_r和涡轮后温度T₄都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。     

基于变精度遗传算法的翼型快速优化设计方法

低碳环保的电动飞机在要求较高升阻比的同时,需要尽量降低成本、缩短研制周期。但高精度的数值模拟时间代价很大,因此针对电动飞机翼型设计中初始翼型较难选取、优化速度较慢的问题,提出了一种基于变精度遗传算法的翼型多点快速优化方法。以常用的 Hicks-Henne 型函数为基础,改进了其对翼型后缘描述不精确的问题。在数值模拟阶段,介绍了一种快速气动参数计算软件XFOIL,并分析了该软件的适用性与局限。之后给出了使用XFOIL 与 Matlab 进行联合求解的方法,在无人干预的情况下完全实现了翼型设计与优化的自动化,提高了设计效率。在翼型优化阶段,为保持较高的精度和寻优效率,设计了翼型参数的实数编码方法。针对传统遗传优化算法了改进,设计了染色体变精度杂交方法以及动态惩罚方法。最后,给出了基于遗传算法的多点优化方案,以及翼型多目标快速优化一体化设计方案。仿真分成两部分进行,首先改进的 Hicks-Henne 型函数能够有效实现参数化翼型的后缘夹角改变。通过与 NSGA-II 方法的优化结果对比,本文的方法在一定迭代次数范围内获得的升阻比更高,失速特性更加缓和,特别是在综合提高翼型优化效率方面表现较好。仿真结果表明,该方法能够快速获得多种工况下具有较高升阻比的翼型,也可以作为进一步优化的初始翼型,能提高翼型优化效率。