一种基于改进遗传算法的WDM光网络路由分配优化

论文给出了一种改进的遗传算法,通过使用一种可变长度的染色体编码表示,设计适合WDM光网络中路由优化问题的交叉和变异操作,使算法可以有效地搜索假设空间解决了WDM光网络中路由最优的情况下所占用的波长数亦是最优的问题。仿真模拟结果表明了该算法具有快速有效的特点,能较好地适用于WDM光网络的路由优化分配问题。     

考虑成像质量的敏捷卫星任务调度模型与算法

针对敏捷卫星任务调度中成像质量受观测时间影响的特点,构建考虑观测时间因素的约束满足模型,提出一种将离散差分进化与变邻域搜索相结合的求解算法(DDE-VNS)。首先,描述敏捷卫星任务调度时间约束;其次,考虑观测时间对成像质量的影响、任务间姿态转换时间约束、星上存储与能量约束等因素构建了敏捷卫星任务调度的约束满足模型;再次,设计离散差分进化的变异、交叉和选择算子,采用变邻域搜索对每次迭代的最优解进行局部搜索以寻找更好的邻域解,并给出了算法的实现流程。仿真结果表明,利用该模型可获得收益值较高的调度方案,且该算法在收敛速度更有优势。     

基于ABC-BP神经网络的航空发动机滑油金属含量预测

为有效监测发动机滑油状态,本文建立基于ABC-BP神经网络的滑油金属含量预测模型。在参数的初始化阶段,人工蜂群的适应度为BP神经网络的误差函数,神经网络的阈值和权值选定为适应度最优的一组参数。通过实验仿真对民航实际数据进行研究,实验表明模型预测效果理想,为实现健康管理和故障预测奠定基础。     

进化神经网络在复合材料格栅结构设计中的应用

根据Kolmogorov多层神经网络映射存在定理,利用进化神经网络来实现结构设计参数(输入)与结构响应参数(输出)的全局非线性映射关系,以此来代替实际结构优化过程中存在的大量有限元计算,从而提高优化效率。以遗传算法为优化求解器,神经网络屈曲稳定性响应面为主要约束,对复合材料格栅加筋结构的优化问题进行了分析研究。算例表明,在相同(有限元)样本数据的情况下,进化神经网络通过自适应调节网络结构和权值,可获得比BP神经网络更高精度的映射模型,具有很强的泛化能力。该方法可为解决大型复合材料结构优化设计提供一条高效途径。     

基于HHGA-RBF神经网络的复合材料结构脱层损伤监测研究

针对应用于结构健康监测中的径向基函数神经网络(RBFNN)算法和训练中存在的一些问题,提出一种将递阶遗传算法和最小二乘法相结合,用于优化径向基神经网络的结构和参数的新算法,遗传过程中采用自适应的交叉和变异概率有效地加快了遗传收敛速度和避免早熟现象的出现。搭建了复合材料结构健康监测实验系统,并将实验模态分析结果归一化后送入训练好的ＲＢＦ神经网络进行预测,实现了对复合材料梁的脱层损伤定位和损伤程度的辨识仿真。结果表明基于混合递阶遗传算法的径向基神经网络(HHGAkRBF)收敛速度快,鲁棒性好,精度高。     

基于实数编码自适应遗传算法的整周模糊度快速解算

针对整周模糊度解算中实时性不强的问题,提出了一种基于实数编码的自适应遗传算法。首先利用卡尔曼滤波求解整周模糊度的浮点解,然后采用排序和多次(逆)双乔里斯基分解对浮点解及其协方差阵进行降相关处理,降低整周模糊度各分量之间的相关性,最后利用已知基线确定模糊度搜索空间,基于实数编码,将自适应遗传算法应用在整周模糊度的搜索解算过程中,求得整周模糊度的最优解。仿真结果表明,本文算法与Lambda算法相比,耗时更少;与简单遗传算法相比,具有更强的收敛能力,是一种高效的整周模糊度快速解算方法。     

敏捷成像卫星调度的改进量子遗传算法

针对敏捷成像卫星调度问题中解空间大,选择任务的搜索空间和确定任务观测时间的搜索空间分别是离散域和连续域的难题。建立了多种决策变量混合的敏捷成像卫星调度模型,提出一种改进的量子遗传算法对其求解,改进的量子遗传算法采用二进制与实数杂合的编码方式,降低染色体的基因位编码数目,提高了搜索效率,有效适应了敏捷成像卫星调度问题中离散与连续混合的解空间;以杂合编码为基础,设计对应的观测函数将敏捷成像卫星调度问题的解映射到相位空间,从而将量子优化机制引入敏捷成像卫星调度问题中,利用量子遗传算法在相位空间搜索的特性解决敏捷成像卫星解空间大、解空间离散与连续并存的问题。最后,通过不同规模的仿真校验对算法的调度效果进行测试和分析。结果表明,所提改进的量子遗传算法在收敛速度和方案收益方面都有较好的表现,能够满足敏捷成像卫星调度的需要。     

基于进化策略结合BP神经网络的景象匹配算法研究

基于进化策略结合BP神经网络方法对景象匹配算法进行研究，以实现导弹武器系统匹配概率的提高和定位精度的改进。提出并实现了一种高效的基于进化策略结合BP神经网络的景象匹配算法。实验表明该方法的收敛性能及学习速度优于标准BP神经网络算法，具有寻优的全局性、精确性。     

基于多目标进化算法的卫星通信星座优化设计

将基于Pareto最优解的多目标进化算法引入星座设计中,提出了一种改进的Pareto最优解多目标进化算法,并应用于带有星间链路的卫星移动通信系统星座优化设计,计算结果表明算法的有效性。     

信号采集卫星系统星地资源快速调度优化方法

针对信号采集卫星系统中,采集目标的优先级和携带的信息量在星地资源调度过程中不断随时间变化的特点,提出了一种基于二次映射编码的动态调度差分演化算法（QMDSDE）。算法将采集目标的优先级和携带的信息量进行加权,作为采集的收益。在迭代求解时,根据卫星可见时间窗口的周期性特点设置固定的检测频率,以当前时刻所有目标收益的平均值和敏感系数的乘积作为检测环境变化的阈值。当检测算子的值大于阈值时,算法通过前向预测模型动态调整搜索方向,寻找问题的实时Pareto最优解。算法采用二次映射编码消除星地资源组合中的无效解,降低了算法的搜索空间,提高了算法的求解速度。经仿真校验,该方法在信号采集过程中,可以得到收益较好的星地资源调度方案,且具备较快的收敛速度。     

基于自适应差分进化和BP网络的罗盘误差补偿

To improve the acuuracy of heading angle measured by electronic compass, a new error compensation method is proposed based on adaptive differential evolution algorithm and BP neural network. In the method, the 3 layer BP neural network is used to model heading angle error, and adaptive differential evolution algorithm is adopted to train the weights of network, thus obtaining a more exact error model, and compensating the heading angle error measured by electronic compass. Compared with other compensation methods such as 8 position least squares, BP neural network, differential evolution algorithm for optimizing BP neural network, and so on, its error compensation accuracy is significantly improved, the method has strong global optimization ability, great convergence rate, good stability, and so on. The experimental results show that after compensation, the error range of heading angle is decreased from -16°~30.7° to -0.22° ~0.2°, which satisfies the needs of higher accuracy navigation systems.     

一种改进的BP网络系统辨识算法的研究

本文提出了一种降低网络灵敏度的BP网络改进算法,即在网络的误差反向传播信号线上增加一个协调器, 该协调器控制各层权值的修正,大大提高了网络的学习速率。通过对具体网络的仿真,证明了该算法的可行性。     

基于BP算法的模糊神经网络研究

提出了一种基于模糊集合与前馈神经网络结合的神经网络。这种模糊神经网络（ＦＮＮ）在处理模糊特征时，能较好地反映出输入值和输出值的隶属度关系。应用经典的ＢＰ算法对网络进行训练，为了加快网络的学习过程，我们介绍了一种调整权值和阈值的学习方法，并且采用了Ｃ语言编制软件，实验结果表明，ＦＮＮ技术是一种新颖、有效的方法，能促进智能神经网络的发展。     

基于BP神经网络的磁悬浮飞轮控制

针对磁悬浮飞轮控制对鲁棒性、低功耗及不平衡振动抑制等要求,提出BP神经网络直接控制方法。设计了两层结构BP神经网络控制器,基于磁轴承电磁力方程推导网络权值更新算法,实现了神经网络的在线训练。仿真表明,控制器权值更新算法对环境变化适应能力强,训练成功率高;BP神经网络控制器具有起浮迅速、抗干扰能力强、功耗低等性能,并具备不平衡振动抑制能力。结果表明BP神经网络控制器满足磁悬浮飞轮控制要求,具有可行性和有效性。     

基于BP神经网络组合导航融合算法

文章针对卡尔曼滤波算法的缺陷,建立了组合导航系统模型,提出了基于BP神经网络修正卡尔曼量噪权值的自适应卡尔曼滤波法,对量测噪声统计特性进行了自适应调整,并与传统卡尔曼算法进行计算机仿真比较。结果表明,基于BP神经网络的卡尔曼滤波器在一定程度上抑制了数据的发散,提高了导航精度。     

BTT导弹神经网络直接逆控制算法的FPGA实现研究

针对BTT导弹控制系统中导弹模型的非线性和强耦合的特点,应用逆7系统和神经网络相结合的方法建立了导弹的逆模型.并以俯仰通道为例,设计了逆控制算法的BP神经网络结构,采用Verilog HDL编写了BP神经网络各个功能模块,并将其在FPGA上实现.通过神经网络逆控制算法在FPGA硬件实现和通用计算机上软件实现的对比,表明...     

基于神经网络和证据理论的火箭发动机故障诊断

针对运载火箭动力系统故障的复杂特性和故障模式的不确定性,提出了基于神经网络和证据理论的火箭发动机故障诊断。首先以火箭视加速度和角速度作为网络输入,故障类型矩阵作为网络输出,通过BP神经网络和RBF(径向基函数)神经网络进行故障诊断;之后通过D-S证据理论融合神经网络结果;最后通过滚动时域估计方法对火箭飞行状态特征量估计。仿真结果表明诊断准确率达到99%以上,表明提出的方法对于火箭发动机故障诊断具有较高的准确性和实用性。     

基于神经网络的导弹姿态控制系统故障诊断

本文提出了一种多层前向神经网络快速误差向后传播学习算法ＦＢＰ（ＦａｓｔｅｒｒｏｒＢａｃｋＰｒｏｐａｇａｔｉｏｎＬｅａｒｎｉｎｇＡｌｇｏｒｉｔｈｍ），通过某导弹姿态控制系统故障诊断的仿真研究，验证了ＢＰ（误差后向传播学习算法）和ＦＢＰ用于导弹姿态控制系统故障诊断的有效性，ＦＢＰ学习算法较之ＢＰ学习算法学习速度的快速性     

基于递归模糊神经网络的鲁棒BP算法研究

讨论了一种基于递归模糊神经网络的鲁棒BP算法的实现。该算法采用极大似然法修正传统BP算法的指标函数 ,利用M估计器和自举算法在线估计样本的误差分布 ,适合于动态非线性系统的辨识 ,逼近精度高 ,收敛速度快 ,在小噪声扰动时处于稳定 ,对过失误差有很强的鲁棒性。仿真结果证明了该算法的有效性     

基于BP神经网络的自主定轨自适应Kalman滤波算法

针对Sage Husa自适应滤波方法存在的窗函数开窗大小选择问题,提出一种基于BP神经网络学习估计系统协方差矩阵的自适应Kalman滤波算法。该算法以Kalman滤波预测残差向量作为网络输入,通过网络分段离线学习确定预测残差向量与预测残差协方差矩阵间的非线性关系,自适应地估计Kalman滤波系统协方差矩阵。将其应用到自主定轨系统,仿真结果表明利用本文算法自主定轨60天星座平均URE误差小于1.9米,且能够快速跟踪到系统噪声的突变,较Kalman滤波方法和Sage Husa自适应滤波方法具有更好的性能。