基于自适应径向基网络的舰船RCS统计特征识别方法

文章采用舰船RCS频域起伏序列的均值、标准差为识别特征向量,利用提出的基于样本密度的自适应径向基网络,进行舰船分类识别研究。自适应径向基网络采用改进的自适应PSO方法估计样本密度最优邻域半径,实现径向基网络中心的自适应选择。改进的自适应PSO方法采用能反映样本聚类特点的BWP指标为适应度评价函数,采用快慢结合的高斯自适应惯性权重调节策略,提高了最优样本密度邻域半径的搜索速度和精度。实验结果表明,自适应径向基网络能自适应获得径向基网络最优识别率对应的RBF中心及其位置分布,减少了对建模人员经验的依赖,提高了反舰导弹对舰船类型的识别分类能力。     

基于S-PSO分类算法的故障诊断方法

将监控数据的已知状态作为先验类别标签,构造出新的有监督的粒子群优化(S-PSO)分类算法,并对设备进行故障诊断。为提高故障诊断的准确率,降低随机性对分类算法的影响,提出了新的基于动态邻域的自适应探测更新(ADU-DN)的干预更新策略来拓展粒子搜索整个解空间的能力,引导粒子自适应地跳出局部最优区域,确保获得全局最优解;同时设计出基于最小类内距离、最大类间距离和训练样本最大分类精度的适应度函数,使得输出的最优类别中心兼顾了这3个因素,增强了分类算法在故障诊断中的通用性和容错性,提高了测试样本的分类精度。S-PSO分类算法有效克服了聚类算法只考虑数据间相似性特征、不考虑数据蕴含的物理意义以及不能很好指导样本分类的缺陷。对GE90发动机孔探图像纹理特征分类进行了对比研究,研究数据表明:S-PSO分类算法表现出了较强的鲁棒性,在故障诊断中的分类精度高于支持向量机(SVM)和常用神经网络模型。     

基于遗传算法的航空发动机部件特性修正

研究了航空发动机部件特性修正技术,提出了一种基于变适应度函数的模型优化算法,以达到减小总体建模误差,提高模型精度的目的.在稳态模型的基础上,对引气系数、总压恢复系数和各部件的特性进行了修正,使修正后的模型输出与实验数据相一致.采用改进遗传算法,对交叉率和变异率进行了非线性自适应调整,并根据误差大小调整适应度加权系数,避免算法陷入局部最优,同时减小最大建模误差.仿真结果表明,修正后各实验参数平均误差从2.420 8%减小到0.321 7%,模型满足稳态误差小于2%的要求.      

高层建筑二维风致响应实测中测点的优化布置方法

对高层建筑二维风致响应实测中测点的优化布置方法进行了研究.研究了在二维风致响应条件下测点优化布置的适应度函数,并且应用最优化计算方法来寻找的测点最优或接近优化布置.还通过一个高层建筑风致响应测试的实例,说明了具体的应用方法,实际计算表明用该方法布置测点所测得的结构风致响应结果有相当高的精度.     

基于遗传算法的护理机器人逆运动学求解方法

护理机器人结构复杂、耦合度高且机械臂不满足PIEPER准则,标准遗传算法难以精准地对其逆运动学进行求解,以至于机器人手臂末端位姿误差较大。针对标准遗传算法求解过程中早熟和局部搜索能力差的问题,采用等分区间替代随机命令产生的初始种群个体,划分5个小区间以提高种群个体的分散程度和搜索效率;在适应度函数中引入可变权因子,将位置误差的变化值作为可变权因子的变量,进化过程中可变权因子在0.5~1.0之间变化,且实时有效分配位置和姿态误差权重,确保解的收敛。通过仿真和实验验证,结果表明:改进后的遗传算法能够大幅提升收敛精度和速度,并且可以同时实现对位置和姿态的精确控制,极大地减小了机器人手臂的位姿误差。      

基于粒子群优化的航路规划算法研究与仿真

文章将粒子群优化方法应用于飞机低空突防航路规划技术研究,提出了利用一组正弦波曲线来构造一个粒子,并在适应度函数设计巾加入处罚函数,使该方法得到的飞行航线严格经过起始点和目标点,而且满足飞机的机动性能要求,以及起始航向角与目标进入角的要求。仿真结果表明,所用方法简便可行,粒子能较快地收敛于全局最佳航路。     

可靠性设计咨询专家系统

提出了重要度、适应度和损失度的概念,并将他们用于该专家系统的推理机中,介绍了该专家系统的特点,主要功能和以飞机起落架收放系统为对象的可靠性设计咨询专家系统原型的研究成果。实例的运行结果表明,该专家系统的开发是成功的,所采用的思路、概念、方法是正确的,得到有关设计集团的好评。     

航空发动机PID控制参数优化的改进遗传算法

提出一种基于参考模型特征指标的P ID控制参数寻优算法。采用遗传算法(GA)优化某型涡扇发动机P ID控制参数,以理想二阶系统作为参考模型,将其与实际闭环系统输出差值平方的时间积分作为系统的适应度函数。设计过程中只需选择二阶系统的自然频率和阻尼比就能准确地实现期望的动态和稳态性能。与传统的基于系统性能指标加权的适应度函数相比,新的适应度函数计算方法避免了加权系数与系统响应形式没有明确对应关系的缺陷。新方法所选参数物理意义明确,算法简单,易于实现。     

一种基于遗传算法的RSC码盲识别方法

针对目前递归系统卷积(RSC)码盲识别算法容错性差、计算量大的问题,提出了基于遗传算法的RSC多项式参数盲识别算法。首先根据RSC码特殊的编码结构,构建了基于遗传算法的识别模型,将结果向量的码重作为适应度函数,然后推导出了不同误码率条件下平均码重的理论值,实现了算法中最优门限的获得。该算法容错性能较好,并且最大计算量只与初始种群的规模、遗传代数的上限以及输出路数成正比。最后仿真验证表明,理论推导的码重分布情况能够与仿真结果较好地吻合,并且在误码率高达0.06的情况下,各种寄存器个数下的RSC码参数识别率接近于0.9。