空间绳系机器人逼近目标协调控制方法

 为了节省空间绳系机器人的末端执行装置在逼近目标卫星过程中推力器所使用的燃料,本文提出一种利用推力器、反作用轮及空间系绳的协调控制方法。首先利用二次型最优控制器(LQR)算法计算出末端执行装置逼近目标所需的理想轨道控制力,然后利用模拟退火算法将所需轨道控制力优化分配到推力器及空间系绳,同时利用时间延迟算法通过反作用轮补偿空间系绳产生的姿态干扰力矩。仿真结果表明,利用该协调控制方法能显著节省末端执行装置上推力器的燃料消耗,有效抑制空间系绳协调控制力产生的姿态干扰,使末端执行装置保持相对稳定的姿态。     

对称平面稀疏阵列阵形优化方法研究

针对在固定阵元数目、最小阵元间距以及最大孔径条件下平面稀疏阵列阵形优化的问题,对阵元数目为256的平面稀疏阵列分别采用模拟退火算法和粒子群优化算法进行优化仿真,分析比较了模拟退火算法和粒子群算法在平面稀疏阵列阵形优化中的应用效果。仿真结果表明,经过模拟退火算法和粒子群优化算法优化后的平面稀疏阵列均能够抑制副瓣电平,并能够在一定的空域范围内实现波束扫描;相对于粒子群优化算法,模拟退化算法计算方法简单;在相同的迭代次数下,经模拟退火算法优化后的平面稀疏阵列比经粒子群算法优化后的平面稀疏阵列更能够有效地抑制副瓣。     

基于模拟退火算法与响应面模型的三维气动优化设计方法

提出了一套适用于高耗时三维气动设计问题的优化设计体系.其主要思想是采用改进拉丁超立方体试验设计选取样本点,应用自行开发的三维粘性流场求解程序进行流场计算建立数据库,采用二次响应面方法建立近似模型,再应用高效模拟退火算法进行全局寻优.以NASA rotor57为对象,在详细进行流场计算基础上采用所提出的优化体系对其进行了三维积叠优化设计.在对流量、效率加以严格约束的条件下,总压比可提高1.8%,对流场结构进行了分析.优化结果表明本优化方法省时,适于三维气动设计的特点.     

基于混合多目标粒子群算法的飞行器气动布局设计

 为了提高多目标优化算法求解非劣解集的效率,在多目标粒子群算法的基本框架中引入了Pareto过滤算子、小生境技术和模拟退火算法,建立了全新的混合多目标粒子群算法。该算法具有运算收敛快,所得非劣解集分布均匀、广泛的特点。将其应用于求解以升阻比和效用体积最大化为目标的再入式高超声速飞行器气动布局多目标优化设计模型,将计算结果与原始多目标粒子群算法的计算结果进行对比,体现出本文提出的混合多目标粒子群算法能够更加有效地求解复杂多目标优化设计问题的非劣解集,从而为多目标决策提供有力的支持。     

改进的模拟退火算法在翼型设计中的应用

通过研究模拟退火算法的机理和应用,对标准模拟退火算法进行了改进,并应用到翼型气动优化中。改进算法与标准算法相比,在耗费机时基本一致的情况下,优化了初始翼型NACA0012,使其设计点的阻力分别减小了30.16%和32.95%。由此可见,模拟退火算法在翼型气动优化设计中具有实用性和有效性,并且改进算法的优化效果更理想。     

航天器反作用轮扰动建模及参数辨识

为预测反作用轮微振动对航天器产生的影响,提出了一种改进的扰动模型.由于共振造成的扰动放大是反作用轮扰动对卫星姿态精度的最重要影响,改进模型通过引入放大系数体现结构固有频率对扰动的影响.鉴于改进模型的非线性特性,应用模拟退火遗传算法对改进模型进行了参数辨识.设计刚性六分量力测试平台对反作用轮扰动进行测试,并利用实测数据对改进模型及参数辨识结果进行验证.验证结果表明:改进模型准确地反映了反作用轮的扰动特点,模拟退火遗传算法可以提高参数辨识的精度.     

地面管制阶段航空器等待策略研究

地面等待策略是空中交通流量管理的主要组成部分,有利于节约飞行成本,提高安全水平。建立了空中交通多目标地面等待策略的整数线性规划模型,模型包括所有航班的总等待时间最短和总等待费用最小两个优化指标,约束条件考虑了指定空域容量的限制和各航班等待时段上限的限制。考虑到该优化问题求解的计算复杂度,应用基于自然法则的模拟退火随机搜索优化算法来解决该问题。数值模拟算例表明了所建立数学模型的正确性和算法的可行性和有效性。     

一种基于模拟退火的支持向量机超参数优化算法

基于统计学习理论的支持向量机技术以探求小样本情况下如何获得更好的机器学习规律而见长,与基于经验风险最小化原则的机器学习方法相比能够获得更佳的泛化能力,相关超参数的选择对其分类或回归性能有较大影响.针对径向基核支持向量机超参数优化问题,提出了一种改进的基于模拟退火算法的高效多目标优化算法,并详细讨论了优化寻优过程中搜索空间、初始可行解、初温和最优目标函数的设计方法.通过在多个标准数据集上的测试验证,证实了本文所提算法的可行性和有效性.     

基于自适应模拟退火遗传算法的最优Lambert转移

主要研究了航天器采用Lambert二脉冲变轨的优化问题。对于初始位置、目标位置和转移时间都不固定的Lambert二脉冲转移,由于多变量以及方程本身的复杂性,采用传统的优化方法效率低甚至无法求解.采用了自适应遗传算法(AGA),寻求多变量的最优解.同时结合模拟退火算法,得到了自适应模拟退火遗传算法(ASAGA),该算法既具有全局搜索能力,又改善了一般遗传算法的局部寻优能力.通过仿真,比较了遗传算法和自适应模拟退火遗传算法的寻优结果,表明两者寻求最优转移的有效性,以及自适应模拟退火算法具有更强的寻优能力.      

基于模拟退火算法预测储层参数

讨论了如何将地震资料、测井信息和先验地质知识有机地结合起来预测储层参数，以便揭示储层内部细节和纵横向变化特征。通过将模拟退火算法与人工神经网络相结合，能够解决非线性全局优化问题，勾画出地震信息和储层参数之间的复杂关系，为储层特征描述和储层横向预测提供提供直观、可靠的地层参数剖面一孔隙度、砂泥质百分含量、含水饱和度及渗透率等剖面。