基于粒子滤波算法的载机着舰甲板运动预测

舰载机在着舰过程中对甲板运动的跟踪存在相位差,需要采用预报技术将甲板的运动信息提前加入到舰载机自动着舰控制系统中：文章利用粒子滤波算法,提出了载舰甲板运动的在线预估方法,及时准确地反映出各种甲板运动形式的实质。对典型海况下甲板的俯仰运动、垂直起伏运动和偏航运动进行预报仿真,仿真结果对比表明基于粒子滤波算法得到的预估结果...     

基于统计学特征的密集型气液雾化随机模型优化方法研究

在高气液动量比的空气雾化流场中，液滴和液丝从液核剥离的过程具有高自由度、分布密集的特点，传统理论模型难以对其准确预测。本文对结合大涡模拟方法的随机雾化模型进行优化，在初始雾化过程，提出使用液滴统计平均温度来表征液滴碰撞统计学特性的改进方法。液滴的统计平均温度分别采用气液相对动能模型的粒子追踪法和亚网格动能模型的粒子追踪法。研究表明，使用改进的气液雾化随机模型预测密集型空气雾化流场，大幅改善了传统雾化随机模型在初始雾化区域过预测的缺陷，平均动能的相对误差为15.5%，平均索特尔直径的相对误差为7.2%，与未改进前的模拟结果相比，误差降低了41.1%和15.0%。此外，本文还探究了喷雾张角模型对雾化流场预测结果的影响，分别将实验所得经验公式法、相界面气液动量平衡所得模拟法与亚网格动能模型的粒子追踪法结合。结果表明喷雾张角经验公式预测结果更为准确，在平均索特尔直径预测方面准确性提高了17.3%。     

双层梯度蜂窝吸波结构优化设计

设计了一种带蒙皮和金属底板的双层梯度蜂窝吸波结构，并利用Hashin-Shtrikman（HS）模型获得其等效电磁参数。在此基础上，以反射率低于-10dB带宽最大为优化目标，利用保收敛粒子群优化算法（Guarantee Convergence Particle Swarm Optimization，GCPSO）对四种不同排序方案的双层梯度蜂窝吸波结构进行优化设计。结果表明，入射电磁波的角度和极化方式以及吸波材料的选择、排序和厚度对双层梯度蜂窝结构的吸波性能有很大的影响；不同入射角度下TM极化时的吸波特性明显优于TE极化，在入射角为60^°时最为明显；对比四种方案优化结果显示，case 1方案由于选用损耗角较小的吸波材料充当透波层，分布于蒙皮下面，而选用损耗角较大的吸波材料作吸收层，并置于吸波结构底层，因而具有最大的优化目标函数，吸波效果最佳，且蜂窝高度仅为具有相同吸波效果的case 3方案的49.44%。因此，选择case 1方案作为本文最终优化结果。     

基于改进粒子滤波的多传感器融合空间目标跟踪

为了跟踪空间目标,构建了基于局部粒子滤波器的多传感器融合方法估计空间目标状态。粒子滤波重要采样过程中,设计了基于融合估计的重要密度函数减少粒子贫化问题,并设计基于 McDE(Memetic compact Differ. ential Evolution)重采样策略,通过对粒子的变异与选择等进化操作来解决粒子退化问题。理论推导与仿真结果皆证明方法的有效性。     

基于PSO-BP神经网络的固冲发动机推力估计器设计

为了对固体火箭冲压发动机的推力进行直接控制，提出了基于PSO（粒子群优化算法）优化BP（back propagation）神经网络的固体火箭冲压发动机推力估计方法。采用SPSO（标准PSO）和三种不同的BBPSO（骨干PSO）寻优神经网络权值，而后以最优权值进行BP网络训练，对其进行精调，如此便可获取推力和燃气流量、飞行马赫数以及飞行高度之间的非线性关系，从而完成推力估计器的设计。利用240组训练集数据对网络进行训练，并用180组测试集数据对网络进行验证。仿真结果表明：在SPSO、BBExp（exploiting BBPSO）、ABPSO^*（modified adaptive BBPSO）和SNPSO（simplified pruning strategy based BBPSO）等四种不同的PSO中，基于SNPSO优化BP神经网络实现推力估计器设计是最为便捷有效的方法，不仅形式简单，而且对于测试集数据而言，其能够将推力相对误差控制在5%以内。