基于混合细菌觅食算法的多无人机任务分配研究

多无人机协同任务分配问题是多无人机协同控制的关键.本文首先深入分析多无人机任务分配问题的特点,建立了扩展的混合整数线性规划(MILP)任务分配模型.其次,通过分析细菌觅食优化算法和粒子群优化算法的优缺点,提出一种具有较强全局搜索能力且收敛速度快的混合细菌觅食优化算法.最后将该算法应用于多无人机协同任务分配中并进行了仿真...     

复杂不确定性下多无人机的抗扰时变编队控制

针对存在不确定非线性动态和外部时变干扰的多无人机系统的时变编队问题,提出了基于扩张状态观测器(ESO)的抗扰编队控制方法。首先建立了分布式ESO来估计多无人机系统的不确定性,基于ESO的输出提出了抗扰编队控制律,并提出一套算法来对控制律进行参数选定。然后,通过分析得到基于该控制律下,多无人机系统实现抗扰时变编队所需要的充要条件,并最终严格证明了在满足编队充要条件和基于提出的控制律下,多无人机系统可以稳定实现抗扰时变编队。最后仿真结果表明理论方法的有效性。     

领航主机约束化的多四旋翼无人机编队航迹优化方法

针对多四旋翼无人机编队队形保持不变情况下的航迹优化问题，在飞行过程中以图论方法为基础将四旋翼无人机编队看作一个虚拟刚体，将编队中的跟随无人机看作领航四旋翼无人机的约束来处理，优化过程中仅考虑领航四旋翼无人机的最大转弯半径约束、队形变换时间约束及转换而来的约束，并将编队飞行所需能量最小作为优化目标，求解多四旋翼无人机编队定时到达目标的航迹优化问题，然后基于Gauss伪谱法对领航四旋翼无人机进行航迹优化，将其转化成一个非线性规划问题。仿真结果表明，利用本文提出的算法可以获得一条平滑飞行航迹，满足定时到达目的地约束、多无人机性能约束和环境约束要求；所获得的航迹能安全绕过障碍物，提高了无人机编队的生存能力，有一定的工程应用价值。     

卫星数传调度问题的速度可控粒子群优化算法

针对卫星数传调度这一类复杂的约束组合优化问题,提出了一种速度方向和尺度可控的粒子群优化求解算法。为克服粒子群算法的早熟问题,该算法引入了速度更新的方向控制规则和尺度控制规则用于增加群体的多样性,并根据两种控制规则,提出了种群粒子的速度迭代策略,实现了算法运行过程中粒子间吸引和排斥过程的动态调整,同时保证了算法的收敛速度。设计了卫星数传调度问题的编码和解码方式,并证明了该编码方式下最优可行解的存在性。通过仿真实例验证了算法的有效性,并分析了算法控制参数对优化结果的影响。     

一种基于EPSO的航天器交会轨迹优化方法

研究了航天器在固定时间内燃料最省的多脉冲交会问题,提出了一种基于种群熵粒子群优化 (Population Entropy based Particle Swarm Optimization,EPSO)算法的交会轨迹优化设计方法。采用线性化C\|W方程描述航天器的相对运动,以能耗最优为控制目标,得到了基于连续推力的最优转移轨迹,用于确定脉冲点的位置。考虑工程实用性,采用多脉冲控制方法,利用脉冲点的位置参数建立了以脉冲点时间间隔为决策变量的优化目标函数,并用EPSO算法进行求解。在EPSO中,种群熵描述粒子在搜索空间中位置分布的混乱程度,并通过上一代的种群熵确定下一代的搜索空间,从而减少搜索空间的浪费,提高了算法的搜索速度和收敛精度。仿真结果表明,算法本身具有良好的优化性能,适用于航天器轨迹优化。     

基于混合量子粒子群优化算法的三维航迹规划

针对粒子群优化算法(PSO)存在的早熟收敛问题,通过将种群的繁殖机制引入量子粒子群优化算法(QPSO),提出了一种混合量子粒子群优化算法(HQPSO),将该算法应用于无人飞行器的三维航迹规划。同时,运用统计学方法,通过仿真实验比较了HQPSO算法与QPSO算法以及带动态变化惯性权系数的PSO算法的性能。仿真实验结果表明,HQPSO不但比QPSO和PSO具有更强的全局搜索能力,而且比QPSO和PSO具有更快的收敛速度。     

基于简化粒子群优化的卷积混叠盲源分离算法

针对现有的卷积混叠盲源分离算法存在的算法复杂和分离精度低等问题,提出一种新的基于简化粒子群优化的卷积混叠盲源分离算法。算法将不同时间点分离信号的互累积量消失作为分离准则,将信号的四阶互累积量作为目标函数,采用简化粒子群优化算法代替基本粒子群算法对目标函数进行全局优化,解决了基本粒子群算法容易陷入局部极值的问题。Matlab仿真结果表明,新算法可以有效实现对卷积混叠信号的盲源分离。对比基本粒子群算法,新算法分离精度更高、收敛速度更快。     

凸优化算法在有人/无人机协同系统航迹规划中的应用

为更好地发挥多智能体在空战中的优势,以凸优化理论为基础,提出一种有人/无人机协同系统的航迹规划方法。首先,分析协同系统的体系结构和控制流程,建立系统的运动模型。其次,根据协同系统中有人机与无人机的任务特点,分别设计航迹规划器与编队规划器,并在编队规划器中引入协同时空约束条件,进而对两规划器模型进行近似与凸化,利用凸优化算法进行求解。最后,通过对比仿真,验证所提方法的可行性。结果表明,凸优化算法能有效求解航迹规划器与编队规划器的优化模型,并且通过协同时空约束,能有效提高系统的飞行安全性及航迹变换的灵活性。     

基于改进混沌粒子群算法的发射波束控零

建立天线方向图综合控零模型,构造了一种适合方向图多指标优化的非线性目标函数。针对粒子群算法的快速收敛及全局最优的强搜索特点,应用混沌系统的遍历性和强随机性对算法进行改进,形成混沌粒子群算法,将其应用于发射波束方向图控制,实现了任意指定零陷深度要求的方向图控制。仿真结果验证了改进算法的优越性。     

基于粒子群算法的多波位高度估计方法

为解决雷达斜视模式下对目标区域的高度估计问题,提出了一种基于粒子群算法的多波位高度估计方法。利用粒子群优化算法建立约束条件和目标函数,通过多次迭代使目标函数趋于一个最优值,同时得到高度的最优解。利用粒子群优化算法求解多波位测高方程组可减小方程组近似处理误差。此外,利用粒子群优化算法可随时更改波位数目,增强了该测高方法使用的灵活性,有效提高了高度估计精度。通过理论仿真和实测数据仿真分析,验证了粒子群优化算法在求解多波位测高方程组时的有效性。结果表明:该方法具有较高的高度估计精度。     

多阶段高斯伪谱法在编队最优控制中的应用

针对编队协同攻击时间最优控制问题,首先通过分析编队协同攻击作战过程,将编队协同攻击任务划分为编队形成、编队保持和协同攻击三个阶段。在简化控制延迟与效率的基础上,建立三阶段通用的空间运动方程。然后结合各阶段的任务特点,综合考虑弹间防碰、期望队形参数、交班误差、导弹自身控制限制,及攻击目标精度等因素,建立各阶段的最优控制模型。基于高斯伪谱法,提出编队形成-保持-攻击一体化的时间最优控制算法。通过大量仿真,在合理选择勒让德-高斯（LG）节点的前提下,利用该方法可快速得到优化的控制指令,弹道及约束性能的仿真结果显示,编队协同攻击全过程可满足任务需求及相应约束限制,校验了算法的可行性。     

基于非连续点火的变射面空间“M”形弹道设计及优化

为有效提高导弹的突防能力和禁避飞区规避能力,提出在一级段偏离传统射面,后面级再修正射面以命中目标的变射面空间"M"形弹道。设计了基于级间非连续点火的导弹纵横向适应性飞行程序模型,并采用免疫粒子群与内点牛顿相结合的串联混合优化算法对弹道进行了优化。仿真结果表明,提出的变射面弹道能有效增大主动段飞行时间,压缩被动段射程,提高导弹的中段机动能力。优化算法收敛速度快,精度高。     

编队构形保持模型预测控制方法研究

针对多星编队构形保持问题,提出了一种基于模型预测控制的编队构形保持协同控制算法。首先,给出了线性化的、基于相对轨道根数的编队相对运动方程,基于此方程,提出了优化确定多星编队系统构形修正相对运动中心和各个卫星目标修正量的线性规划数学模型。然后,在建立离散化状态方程和测量方程的基础上,提出了满足多种约束条件的求解构形保持控制律的混合整数线性规划数学模型。于是,可通过求解上述两个数学规划模型,得到基于模型预测控制的构形保持协同控制算法。最后通过数学仿真验证了算法的有效性和优越性。     

分布式卫星编队飞行队形保持协同控制

针对分布式卫星编队飞行队形保持控制问题提出一种分布式协同控制算法,并给出该协同控制算法与编队卫星星间信息传递拓扑结构之间的关系。该协同控制算法以模型预测控制为基础,利用分布式编队卫星的自然特性以及编队卫星之间的信息传递拓扑结构,采用分布式的算法结构,设计分布式的模型预测协同控制算法。该控制算法是一种在线滚动优化控制算法,同时能够较好地解决存在状态约束、控制输入约束等情形下的各种控制问题。最后通过数值仿真验证了结果的有效性。仿真结果表明,当编队卫星星间信息传递拓扑结构中存在生成树时,提出的分布式协同控制算法能够有效地应用到编队卫星队形保持控制问题上来。     

运载火箭自适应增广控制参数优化整定方法

针对参数众多的自适应增广控制(Adaptive Augmenting Control, AAC)技术,提出了两种基于优化算法的参数整定方法,实现了对AAC控制器参数的合理设计。第1种方法是使用粒子群算法,通过设计合理的适应度函数,使得优化得到的参数在标称状态下尽量不影响系统,在有干扰的情况下提升系统的抗扰动能力。第2种方法是重新定义高低通滤波器,减少优化参数数量,使用遗传算法得到优化的参数可以加快计算速度。仿真结果验证了使用优化算法得到的参数的合理性。与PD控制系统相比,AAC控制能够提升抗干扰能力;与滑模控制系统相比,能够看到相同精度下AAC控制的控制指令更加平滑。将第2种方法中得到的参数与使用粒子群算法对比,使用遗传算法得到的参数具有更优的性能。     

充液挠性航天器姿态机动控制的多目标优化

针对充液挠性航天器姿态快速机动、快速稳定的控制要求,为减小姿态机动对挠性附件振动和液体晃动的激发,设计了一种基于正弦型加加速度的姿态机动路径规划方法。为进一步提高姿态控制性能,提出了一种基于云多目标粒子群算法的姿态控制器参数和机动路径参数联合优化方法。以最小化充液挠性航天器三轴姿态达到指定指向精度的时间以及三轴姿态稳定度,构建多目标优化模型,并应用云多目标粒子群算法求取姿态控制器参数和机动路径参数的Pareto最优解。仿真结果表明:采用多目标联合优化算法得到的控制器与路径参数,能够有效减小液体晃动和挠性附件振动,显著提高充液挠性航天器大角度姿态机动的快速性和稳定性。     

改进粒子群算法优化SVM参数的遥感图像分类

文章使用支持向量机(SVM)分类算法,结合当下应用较为广泛的智能优化算法,对SVM的参数进行优化选取,以期能够提高遥感图像的分类精度。针对粒子群算法(PSO)优化SVM分类器参数时,存在着容易早熟收敛、分类精度相对较低、容易陷入局部最优解的问题,提出了一种以自适应权重粒子群算法(SAPSO)为基础,引入遗传算法交叉算子的混合优化算法(SAPSO-GA),利用这种改进的算法优化SVM参数对遥感图像进行分类。文章以一景Quick Bird卫星遥感影像为例,对影像进行图像融合等预处理,然后分别使用PSO-SVM算法和SAPSO-GA-SVM算法进行土地利用分类,比较分析两种算法的分类精度,结果表明,改进的算法提高了粒子群算法的搜索性能,能够寻找更佳SVM分类器参数,获得较高的分类精度。     

基于粒子群优化支持向量机的测控设备校准间隔预测

针对计量保证方案中仪器校准间隔的预测问题,提出了基于粒子群优化支持向量机的预测方法。综合运用了粒子群优化算法对支持向量机的参数进行全局并行寻优的能力和SVM强大的非线性映射功能,具有很高的预测精度。实例验证表明,该方法具有较好的预测效果。     

变权TOPSIS评价的导弹总体参数粒子群优化设计方法

为解决传统单目标优化方法难以满足导弹总体参数多目标优化的需求,以及多学科设计优化方法复杂而难于在导弹概念设计阶段使用的问题。提出了一种基于变权TOPSIS(逼近于理想排序)评价和粒子群算法融合的多属性综合优化设计方法。以标准粒子群优化算法为基础,运用变权综合原理构建变权状态变量,结合TOPSIS评价方法计算每组粒子(总体参数方案)的可行欧氏距离,以欧氏距离作为综合评价目标开展了导弹总体参数优化设计研究工作。经实例分析表明,基于变权TOPSIS的粒子群优化设计方法能够有效解决导弹概念设计阶段总体设计多参数、多属性综合优化问题,与传统设计方法相比,具有概念清晰、方法灵活、实现高效的优点。     

基于蜂群与A*混合算法的三维多无人机协同

研究了一种基于蜂群与A~*混合算法的三维多机航迹规划方法。理论和仿真研究表明该混合算法较单独的A~*算法更易躲避威胁,整体路径更优;其次,基于该混合算法探讨了多无人机三维路径协同规划下的自适应时间协同。通过判断多无人机到达时间范围,多机自适应时间协同状态为同时到达、时序到达或者无法协同重新航迹规划。针对时序到达情况采用了到达时间差迭代选择,相比于固定到达时间差的时序到达,迭代过程加大了无人机满足时序到达的可能性,增强了多机协同打击能力。