一种改进的果蝇优化算法及其在气动优化设计中的应用

果蝇优化算法(FOA)是一种新的群体智能优化算法,具有良好的全局收敛特性。为进一步提高FOA的寻优性能,将其引入到气动优化设计中,发展形成了改进的果蝇优化算法(IFOA)。IFOA通过引入惯性权重函数动态调整搜索步长,有效实现了算法全局搜索和局部搜索之间的动态平衡,提高了算法整体搜索效率和寻优精度;对于多维优化问题,IFOA每次搜索仅随机扰动其中一个决策变量,并在每个迭代步内将所有优秀果蝇个体(可行解)结合产生一个全新的果蝇个体进行一次搜索,大大加快了算法的收敛速度。函数测试结果表明,IFOA显著提高了FOA的寻优性能。将IFOA应用到气动优化设计中,翼型反设计和单/多目标优化设计的算例表明,IFOA是一种简单高效的优化方法,可广泛应用于气动优化设计。     

基于序列凸优化的多约束轨迹快速优化

针对传统再入轨迹优化方法收敛速度慢、对初值敏感程度高等局限性,提出一种基于序列凸优化的再入轨迹快速求解方法。该方法以倾侧角的变化率作为控制量,为抑制数值优化过程中的锯齿化现象,采用B样条曲线离散控制量,同时增加额外虚拟控制量,通过一种回溯直线搜索的方法,提高算法的稳定性、快速性和寻优结果的光滑性。最后,以美国某可重复使用飞行器的再入任务为例,验证了基于序列凸优化的再入轨迹优化方法的快速性及准确性。     

一种适用于捷联探测器的空间目标搜索算法

针对空间目标的搜索问题,提出了一种适用于捷联探测器的目标搜索算法。无论探测器是否能够获取目标方位的先验信息,该算法都能够使得搜索轨迹覆盖探测球面,确保目标的成功捕获。该算法分析了目标与探测器间相对运动以及姿态控制精度等因素对搜索轨迹的影响,给出了螺旋搜索轨迹重叠区域与相对运动角速度、姿态控制精度间的约束关系。对于算法生成的目标搜索轨迹,采用单轴定向姿态控制的方式给出了探测球面上搜索轨迹与姿态控制误差信号间的转换方法。最后通过典型情况下的仿真算例对算法进行了验证,仿真结果表明,无论是否具备目标方位先验信息,该算法都能够有效发现目标。     

机器人操作机的建模及避障研究

介绍了机器人智能路径规划系统-RIPPS.该系统可用作机器人离线编程工具.系统由几何建模,运动学建模及路径规划三部分构成.用户利用其几何建模功能建立分布着障碍物体的机器人工作环境,通过输入参数利用机器人运动学建模功能来定义机器人操作机.系统的路径规划器根据指定的机器人起始位姿及目标位姿产生准优化路径,首先将障碍物体变换到位姿空间中,再在位姿空间中进行路径搜索.作者已在SGI/4D70工作站上进行了有效的仿真研究,下一步工作是在商业化机器人上实现该规划系统.     

基于BAS_RVM的APU涡轮剩余寿命预测

提出一种优化相关向量机的寿命预测方法,并用于对辅助动力系统（Auxiliary power unit, APU）涡轮的剩余寿命预测。首先,提出了改进的核函数,兼顾效率和精度,用天牛须搜索（Beetle antennae search, BAS）算法对相关向量机的核参数进行优化,建立寿命预测模型;然后,对历史数据进行分析,提取排气温度（Exhaust gas temperature,EGT）并进行修正、降噪,用多项式回归建立了EGT的涡轮性能退化模式库;最后,实例验证表明,文中算法在APU涡轮剩余寿命预测上与传统相关向量机相比效率提高40%,精度提高20%,通过敏感性分析确定了最佳的初始步长和输入维度。     

基于图卷积网络的卷积神经网络耗时预测算法

通过可学习的预测算法获取卷积神经网络(CNN)在硬件上的推理耗时越来越受到研究者的关注。现有耗时预测算法主要面临2个问题：卷积神经网络设计空间采样复杂度高,数据采集成本高;无法准确预测硬件编译器的算子融合技术对推理耗时的影响。为了解决上述问题,提出了一种基于图卷积网络(GCN)的耗时预测算法,将整体网络耗时看作多节点耗时补偿的累加,并利用图卷积对结构算子融合产生的耗时影响进行建模。同时,提出一种新型差分训练方案,减少采样空间规模,提高算法的泛化能力。在HISI3559硬件平台上对MB-C连续空间采样模型的耗时预测实验表明：所提算法可将耗时估计的平均相对误差从传统算法的302%降低到5.3%。另外,通过将传统耗时预测算法替换成所提算法进行耗时评估,可以使网络结构搜索算法搜索到耗时更加接近目标的高精度网络。     

行星软着陆GPS有模型强化学习制导方法

由于距离地球较远、测控延时误差较大、飞行环境十分复杂且难以提前预测，行星软着陆的自主制导技术目前存在水平位置估计困难、导航参考信息匮乏、复杂地形着陆困难等挑战。针对行星软着陆存在的困难和挑战，提出了基于引导策略搜索算法的有模型强化学习制导方法，实现了着陆器在初始状态受到扰动时，无需重新规划，仍能在满足约束条件的情况下降落在指定位置。该方法将迭代线性二次调节器作为控制器，产生初始轨迹；其次，使用多层神经网络拟合制导策略；最后，利用控制器监督策略学习，进而收敛产生可行策略。针对行星表面软着陆的仿真验证结果显示该算法仅通过几次循环，即可以实现初始状态变化的快速软着陆。一方面表明了基于有模型强化学习的数据高效利用率，另一方面也证明了强化学习方法在深空探测领域中具有广阔的应用前景。     

自主空战技术中的机动决策:进展与展望

自主空战（AAC）是指飞机依靠机载等相关设备，自主进行战场感知、决策及控制，以执飞空战的技术，其核心是机动决策模块。针对该模块的研究，调研了国内外的现有方法，并按照有关方法的核心内涵，将其分为基于数学求解、机器搜索、以及数据驱动3类分别简要概述；针对每一类方法列出了具有代表性的示例技术，并讨论了其优缺点。指出了自主空战决策的研究应立足现有相关方法及技术基础，同时积极吸纳机器学习、人工智能等新兴技术，合理利用各类方法的优点，取长补短，实现自主空战决策的长足发展；有关于该研究设想的关键科学问题及其潜在解决方案也在文中进行了初步讨论。希冀基于针对自主空战决策研究框架及实现方法的概念性讨论，促进其技术发展，推广相关思路在有关国家安全、国民经济建设等领域的应用，以满足国家重大需求和工程实践。     

未知区域无人机协同搜索方法及效率分析

随着无人机技术的广泛使用,利用多架次无人机集群的自主协同控制,对某片区域进行覆盖侦察和目标搜索成为该领域的热点和难点问题。本文基于Voronoi图构型的多无人机区域覆盖模型实现了对未知区域的搜索覆盖面积和搜索时间的优化部署,基于概率地图信息更新融合的协同搜索策略实现了无人机自主协同控制,最后利用Matlab平台仿真并比较了不同情况下无人机集群搜索的效率。     

一种IRST双机协同被动探测机动目标定位新方法

针对红外搜索跟踪系统（IRST）双机协同被动探测定位作战使用中，机动目标建模与实际运动失配造成定位误差偏大的问题，研究了一种基于曲线模型的自适应滤波新方法。该方法改进了传统方法根据方向角估计转弯率以及基于帧间插分线加速度估计切向加速度的思路，将转弯率及线加速度联合作为状态变量进行了状态扩维，并推导了扩维后的过程噪声协方差表达式，在缓解传统两层滤波结构带来的计算量大问题外，也提高了切向加速度的估计精度。另外基于反正切函数的值域，结合方向角在四象限间的转移关系，优化了方向角的设计。通过IRST双机协同仿真实例，验证了所提方法对机动目标的适应性更强、目标定位精度更高。