改进人工蜂群算法及其轴流压气机优化应用

为了探索更优的全局优化算法并将其应用于轴流压气机气动优化上，将标准人工蜂群（ABC）算法中采蜜蜂和观察蜂探索新蜜源的方式进行改进，从而更好地利用总体蜜源的探索信息，得到改进人工蜂群（IABC）算法。经基准函数测试表明，改进算法既能提升全局寻优能力，又能加快收敛速度。采用IABC算法和经过校核的CFD数值方法搭建优化平台，对单级跨声速轴流压气机Stage35进行优化。优化变量为动叶和静叶径向6个截面的弯、掠、前缘重弯值和尾缘重弯值，以流量和压比相对变化保持在0.5%以内为约束条件，以提高绝热效率为优化目标。结果表明：在设计转速下，优化后设计点绝热效率提升0.83%，全工况范围内平均绝热效率提升2.0%，同时喘振裕度提升1.0%，验证了IABC算法在轴流压气机优化中的有效性。     

基于深度混合模型评分推荐

从用户-项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。     

一种利用ILSP的同步DS-CDMA信号快速盲解扩算法

针对同步DS-CDMA信号的盲解扩问题，本文提出了一种基于迭代最小二乘投影算法(ILSP)的快速盲解扩算法。本算法首先通过对截获信号的协方差矩阵进行特征分解，估计出由各用户扩频序列张成的信号子空间，然后结合扩频码序列的有限符号集特性，利用ILSP算法消除由特征分解产生的酉矩阵模糊问题，得到扩频序列的精确估计，最后利用估计得到的扩频序列对截获信号解扩得到信息码序列，完成DS-CDMA信号的盲解扩。仿真结果表明本算法在低信噪比条件下具有良好的盲解扩性能，且相较传统算法本文提出算法大大降低了计算复杂度 。     

基于STM32F429的全向运动平台的运动控制

全向运动平台系统是可以实现人体在各个方位行走的2D运动平台。针对实现人体在全向运动平台稳定行走的运动控制,采用加入观测器的一阶控制算法对平台运动控制进行探究。先通过MATLAB软件进行算法的仿真,验证方法的可行性；再通过现场测试,验证控制算法的有效性。最终试验表明,加入观测器的一阶控制算法可对全向运动平台实现有效的运动控制。此运动控制策略的探究为全向运动平台的运动控制提供了一种可行的控制思路和方案。     

危险天气下航班等待与改航的实时集成优化

为了提高航班准点率,降低危险天气对航班飞行的影响,同时考虑等待策略和改航策略,进行实时空中交通流量管理的研究。以改航起始点至改航结束点间的总航行时长最短为目标,安全可行性、技术可行性为约束,建立了数学模型,并设计了两阶段求解算法,先基于遗传算法优化等待时长和改航路径,再基于"化曲为直"和"二分法"的思想调整改航路径,得到了最佳等待时长和改航路径。仿真结果表明,该算法得到的实时优化结果优于几何切线法;相比静态改航,更能提高空域利用率;相比单独考虑等待策略,总航行时长降低了17.04%;相比单独考虑改航策略,总航行时长降低了3.98%;验证了危险天气下航班等待时长与改航路径实时集成优化在实时空中交通流量管理中的有效性。     

基于DDPG算法的无人机集群追击任务

无人机的集群化应用技术是近年来的研究热点，随着无人机自主智能的不断提高，无人机集群技术必将成为未来无人机发展的主要趋势之一。针对无人机集群协同执行对敌方来袭目标的追击任务，构建了典型的任务场景，基于深度确定性策略梯度网络（DDPG）算法，设计了一种引导型回报函数有效解决了深度强化学习在长周期任务下的稀疏回报问题，通过引入基于滑动平均值的软更新策略减少了DDPG算法中Eval网络和Target网络在训练过程中的参数震荡，提高了算法的训练效率。仿真结果表明，训练完成后的无人机集群能够较好地执行对敌方来袭目标的追击任务，任务成功率达到95%。可以说无人机集群技术作为一种全新概念的作战模式在军事领域具有潜在的应用价值，人工智能算法在无人机集群的自主决策智能化发展方向上具有一定的应用前景。     

考虑局部遮挡的太阳能无人机能源控制

针对太阳能无人机在飞行状态下可能出现的太阳能电池局部遮挡情况，开展相应的太阳能电池最大功率点追踪算法和能源控制研究。通过将发光亮度引入相对吸引力计算过程对萤火虫算法进行改进，实现了局部阴影情况下太阳能电池最大功率点的高效追踪。以此为基础，设计了考虑局部遮挡情况下太阳能无人机的太阳能电池/蓄电池混合能源状态机控制规则。以"蒲公英I"无人机为例，建立了太阳能电池阵列模型，开展了考虑局部遮挡情况下太阳能电池最大功率点追踪仿真实验；基于"蒲公英I"飞行剖面，开展了考虑局部遮挡情况的混合能源控制仿真试验。研究结果表明：改进的萤火虫算法可以实现在局部阴影情况下太阳能电池最大功率点的有效跟踪，与萤火虫算法相比收敛时间更短、且功率波动幅度更小；采用改进萤火虫算法和状态机能源管理策略，在考虑局部遮挡的飞行状态下可以实现太阳能电池/蓄电池之间的合理功率分配与控制。     

基于代理模型全局优化的自适应参数化方法

对于翼型气动隐身设计问题，设计变量的配置对设计结果影响很大，而简单地增加设计变量不能保证得到理想的结果。提出一种适用于代理模型全局优化的自适应参数化方法：利用全局敏感性分析方法——基本效应法，得到设计空间关于目标函数的敏感区域信息，并以此为根据增加设计变量；利用节点插入算法将低维样本在高维空间内进行重构，避免了重新取样的工作量。相对于传统固定设计空间维度方法，自适应参数化方法在设计空间的敏感区域扩展维度，能够更加精准地描述外形并反映目标的变化趋势。通过飞翼布局翼型的气动隐身优化算例，证实自适应参数化方法可以大幅提高优化设计质量和效率。     

基于NB-IoT技术和GA-BP神经网络的车位预测系统

围绕有效整合城市停车资源,提高现有车位存量利用率的需求,构建了一种基于NB-IoT技术的车位预测系统。该系统采用NB-IoT技术进行信息采集与传输实现车位信息的共享;考虑到车位状态信息实时变化的特性,用历史车位占用数据来建立车位预测模型,推测出未来短时内车位变化趋势。为了提高车位预测的精度,采用遗传算法(Genetic algorithm,GA)优化反向传播(Back propagtion,BP)神经网络建立GA-BP神经网络车位预测模型。以某地下停车场历史数据为例进行仿真实验,研究结果表明:车位预测模型预测值与实际值相近且趋势保持一致,能够有效准确的预测车位状态变化,具有较高的精度。     

最小数据丢失量的地月中继卫星任务调度研究

月球背面的探测器必须依靠地月中继卫星进行数据传输与通信。地月中继任务包括实时性任务和延迟容忍类任务，如数传任务。当探测器等待传输的数据量超出用户存储容量时，延迟容忍类任务会由于探测器本地存储资源不足和地月中继卫星天线资源受限而无法完成，导致任务数据丢失，所以需要设计一种合理的地月中继任务调度策略，提高地月中继卫星的资源利用率，减少数据的丢失。对地月中继卫星任务调度进行了研究，在分析地月中继卫星数传任务的特点及用户的存储限制的基础上，以最小化数据丢失量为优化目标，建立了地月中继卫星任务调度模型，并设计了一种基于离散烟花算法（DFWA）的地月中继卫星任务调度算法。仿真数据分析表明，基于离散烟花算法的地月中继卫星任务调度算法在求解结果上优于遗传算法，是一种合理、有效的调度方法。