基于动态因子的粒子群算法在航路规划中的应用

粒子群优化PSO(Particle Swarm Optimization)因其实现容易、精度高、调整参数少、收敛速度快等优点而在解决优化问题中得到了广泛的应用。分析了惯性权值及加速度因子对粒子群算法优化性能的影响,进而提出改进粒子群算法的方法:线性或非线性动态调整惯性因子,从而有效地提高算法的搜索能力;进行了仿真实验,仿真结果表明改进后的算法在全局搜优的速率与精度方面均有明显提高。     

航空发动机数控系统综合仿真平台设计

综合现有软硬件资源,采用模块化方法设计了航空发动机数字电子控制系统综合仿真平台,其框架主要包括发动机模型系统、传感器信号模拟与处理、控制器快速原型等子系统.发动机模型系统采用集成仿真环境调用液压执行装置和发动机数学模型库方式设计;快速原型系统采用Matlab/Simulink环境下将控制程序封装成S-Function的方法设计;软件设计重点描述了混合编程与定时器编程技术.以某双轴涡扇发动机为应用对象,进行控制系统数字仿真、半物理模拟试验和台架试车,在相同控制参数下,仿真试验与台架试车结果相似,表明所设计综合仿真平台具有工程应用价值.      

可行SLP法在发动机在线优化中的应用

研究了航空发动机在线优化算法问题。基于序列可行方向法,提出了一种用于解决一般非线性优化问题改进的序列线性规划(SLP)在线优化算法——可行下降序列线性规划(FSLP)方法。其显著特点是通过适当的步长修正算法,在保证目标函数下降的同时,确保解的可行性。根据对偶理论证明了其核心算法的收敛性,对步长修正原理进行了数学分析,并详细介绍了算法实现途径。基于上述优化算法,以某型双转子涡扇发动机最大推力模式为仿真算例,验证了该算法在解决航空发动机在线优化问题时,相比传统的序列优化方法,在提高优化算法解的可行性方面效果更好。     

考虑燃料均衡的卫星编队队形重构技术

在卫星编队队形重构过程中,如何在实现编队整体燃料消耗较少的同时使得各子卫星燃料消耗均衡,能够有效地提高卫星编队整体的寿命。提出了一种基于虚拟中心位置可变的卫星编队队形重构新方法。该方法以虚拟中心位置为寻优变量,以首末脉冲时刻可优化的双脉冲规划作为单星轨道机动策略,将编队队形重构问题转化为混合0-1数学规划问题。仿真结果表明,该优化算法在实现整体燃料次优的同时,兼顾了各星当前的燃料剩余水平,实现了各子卫星的燃料均衡。     

地球同步轨道卫星群在轨加注任务规划

以地球同步轨道卫星群为研究对象,开展“多对多”在轨加注任务规划问题研究。首先建立了任务规划的数学模型,该任务规划属于多目标规划问题,求解过程中需要解决TSP问题。其次,给出了该规划问题的求解方法及流程,采用遗传算法进行求解并设计了相应的遗传算子。最后,选取了14颗地球同步轨道卫星作为目标星进行求解,并在小角度近似条件下对计算结果进行了分析,计算结果验证了算法的有效性。     

多语言混合编程的民用飞机航材预测与配置平台

合理采购并在多个航站之间合理配置航材数量对于民用飞机的经济运行十分重要,而航材预测与配置研究形成的理论算法内容相对复杂。为推动这些算法程序能够有效投入工程应用,基于 Java 语言,并整合Matlab、Python 语言编写的算法程序,开发多语言混合编程的民用飞机航材预测与配置平台。首先,介绍平台中集成的航材预测与配置的支持向量机算法和边际分析算法,并叙述混合编程的实现方式;然后,阐述平台设计的详细内容,并对混合编程的实现方式及不同程序语言间参数类型的转换方法进行说明;最后,运用实际工程数据对平台的功能进行使用测试。结果表明：平台的人机界面友好、操作简便,较好地实现了航材预测与航材配置功能,能够为相关理论算法通过平台技术满足工程需要提供借鉴和思路。     

基于多信号流图与分支定界算法的故障诊断

针对实时在线故障诊断问题,提出了一种基于多信号流图和分支定界算法的故障诊断方法。通过建立多信号流图模型生成相关矩阵作为诊断知识,进而由相关矩阵以及观测向量产生冲突集,使最小诊断集的求解过程映射为整数规划问题;采用分支定界算法,通过对冲突集的分支、定界以及剪支得到故障诊断的最优解,从而避免了穷举问题造成的搜索"爆炸"。以某型机载燃油系统为对象对本文提出的算法进行了验证。结果表明:本文算法与常用的多信号流图诊断推理算法TEAMS-RT相比,算法速度相当,故障定位精度更高,很好地涵盖单故障以及多故障组合,可以胜任大规模复杂系统的故障诊断。      

机器学习在流动控制领域的应用及发展趋势

流动控制作为流体力学中的重要跨学科领域,一直是科学研究和工程应用关注的焦点之一。由于流动系统具有强非线性等复杂特征,对流动的控制尤其是闭环控制,一直颇富挑战性。近年来机器学习的迅速发展为许多学科带来了新的方法、新的视角和新的观点,对于流动控制领域亦是如此。通过回顾现阶段三类基于机器学习的流动控制方法,为主动流动控制领域的研究者展示机器学习在流动控制中应用的整体概况,进而勾勒出本领域的发展趋势。     

平流层飞艇环境适应性评价模型

阐述了平流层特别是20km高度左右平流层的环境特点,分析了各种环境因素对长期在此空域中驻留飞行的平流层飞艇性能的影响,在此基础上,建立了平流层飞艇环境适应性评价指标体系。并针对其各评价指标的物理意义不同且数量级相差较大的特点提出了基于物理规划和层次分析法相结合的综合评价模型。算例和分析结论表明:抗风速度余量和产生消耗能量比在平流层飞艇对其飞行环境的适应能力评价中占有重要比重,应成为飞艇总体方案设计和论证时的重点关注指标。     

Adaptive path planning for unmanned aerial vehicles based on bi-level programming and variable planning time interval

This paper presents an adaptive path planner for unmanned aerial vehicles (UAVs) to adapt a real-time path search procedure to variations and fluctuations of UAVs’ relevant performances, with respect to sensory capability, maneuverability, and flight velocity limit. On the basis of a novel adaptability-involved problem statement, bi-level programming (BLP) and variable planning step techniques are introduced to model the necessary path planning components and then an adaptive path planner is developed for the purpose of adaptation and optimization. Additionally, both probabilistic-risk-based obstacle avoidance and performance limits are described as path search constraints to guarantee path safety and navigability. A discrete-search-based path planning solution, embedded with four optimization strategies, is especially designed for the planner to efficiently generate optimal flight paths in complex operational spaces, within which different surface-to-air missiles (SAMs) are deployed. Simulation results in challenging and stochastic scenarios firstly demonstrate the effectiveness and efficiency of the proposed planner, and then verify its great adaptability and relative stability when planning optimal paths for a UAV with changing or fluctuating performances.