基于聚类PSO算法的舰载机舰面多路径动态规划

对舰载机舰面多路径动态规划问题,提出了基于聚类粒子群(PSO,Particle Swarm Optimization)算法进行解决的方法.首先建立了舰载机舰面多路径动态规划问题数学模型;其次,在建立航母舰面环境模型、舰载机“凸壳”模型、碰撞检测模型的基础上,利用聚类PSO算法进行问题求解;最后,通过编制程序对该解决方法予以实现.仿真结果表明利用聚类PSO算法所求解的结果比较精确,且计算效率也符合实际要求.因此基于聚类PSO算法对舰载机舰面多路径动态规划问题进行求解是可行的.     

应用改进果蝇优化算法的月面巡视器路径规划

文章针对果蝇优化算法易陷入局部最优的问题,对果蝇算法中的味道浓度判定值进行改进,并将其用于月球探测巡视器的动态路径规划。为验证算法的有效性,将改进果蝇优化算法与粒子群优化算法的路径规划寻优特性进行了仿真对比分析,结果表明改进果蝇优化算法具有良好的实时性,并有效解决了算法易陷入局部最优的问题。考虑到月球探测巡视器在沿规划路径进行月面巡视的过程中,有可能遇到未知障碍物的情况,提出了动态环境下月球巡视器遇到未知静态障碍物的避障策略。     

基于改进粒子群优化算法的巡航导弹航路规划

粒子群优化(PSO, Particle Swarm Optimization)算法是继遗传算法、蚁群算法之后的又一种新的群体智能算法,经常用于复杂问题的求解.由于其迭代公式是面向连续空间的,因此更适合解决非网格拓扑的航路规划问题.标准的粒子群优化算法在寻优的过程中容易出现早熟现象,针对这种现象,提出了一种改进的粒子群优化算法.改进算法根据相应的代价函数选择精英粒子和较差粒子,对较差粒子采用了带有动能补偿的速度更新策略,从而避免了寻优过程中的早熟现象;在单个粒子的运动方面引入了最差粒子的失败经验,让群体中粒子有效避开最差解.仿真表明:改进算法在航路规划的应用中具有更强的搜索能力,获得的航路代价在进化代数相同的前提下更小.      

Dirichlet混合样本的EM算法与动态聚类算法比较

Dirichlet分布是一类包含正参数向量的连续多元概率分布,在比例结构问题中具有广泛的应用。针对Dirichlet混合样本的聚类问题,进行了最大期望（EM）算法和动态聚类算法研究。首先,推导其数学过程,并给出算法迭代步骤。然后,利用数字仿真实验,比较了EM算法与动态聚类算法两种机器学习算法在Dirichlet混合样本中的聚类效果。最后,计算对数似然函数值、程序运行时间、收敛迭代次数、聚类正确率、真正率（TPR）和假正率（FPR）6个评价指标。仿真实验结果表明,EM算法聚类正确率更高但是运算效率相对较低,而动态聚类算法运算效率较高但是损失了部分聚类正确率。因此,实际应用中建议综合权衡聚类正确率与运算效率的相对需求后,再选取合适算法进行Dirichlet混合样本聚类。      

一种改进的多目标粒子群优化算法

为了增强多目标粒子群优化算法的收敛性与多样性,提出一种改进的多目标粒子群算法.采用Kent映射对种群进行初始化,并将目标空间均匀划分为若干扇形区域;基于一种新的多样性和收敛性判定标准,选取合适的收敛性最优解和多样性最优解,并提出一种改进的粒子群更新公式进行全局搜索;采用聚类算法对外部种群与坐标轴夹角进行分析,维护外部种群.通过标准测试函数的仿真实验,与多目标优化算法基本MOPSO(Multi-objective Particle Swarm Optimization Algorithm)和NSGA-II(Nondominated Sorting Genetic Algorithm II)进行对比,结果表明了该改进算法的有效性.     

基于快速模拟退火的组合聚类算法

应用模拟退火算法解决组合聚类问题有两方面,一是有效利用基础聚类作为先验信息,以获得尽可能好的组合聚类结果;二是降低模拟退火过程的随机性,提高算法收敛速度。针对这2个问题,提出了基于投票的快速模拟退火（BV-RSA）模型。该模型利用基础聚类对样本划分的完全或部分一致性作为启发信息,构建超点集合和超点投票箱,由超点取代其代表的样本子集参与退火过程,超点运动方向在投票箱范围内随机选择,降低了超点运动随机性,加速了组合聚类过程。数据集实验表明,BV-RSA模型在聚类精度和鲁棒性方面表现良好。      

基于粒子群算法的航天器姿态机动路径规划

研究航天器在星载设备受多种几何约束情况下,大角度姿态机动时的姿态路径规划问题.采用罗德里格斯参数描述姿态,将姿态机动路径规划问题转化为点机器人的三维路径规划问题.基于粒子群优化技术设计了航天器复杂约束下大角度姿态机动的路径规划算法.数值仿真结果表明,该方法对于复杂约束下航天器姿态机动的运动规划是有效的.     

基于DM-DSC的舰载机着舰自动复飞控制算法

针对理想复飞轨迹已知条件下的舰载机自动复飞控制问题,提出一种基于偏差模型的动态面控制（DM-DSC）算法。基于Radau伪谱法给出了舰载机着舰的最优复飞轨迹;根据得到的最优复飞轨迹及其所对应的控制方案,分别给出了速度子系统和高度子系统的偏差控制模型和反演（Backstepping）控制器,并通过引入动态面结构来获得虚拟控制量的微分信号,避免了Backstepping控制律求解过程中的“微分膨胀”问题;考虑到气动参数的不确定性及舰尾流场的干扰,采用线性扩张状态观测器（LESO）对控制模型中的干扰项进行估计和补偿,并设计抗饱和辅助系统来抑制控制饱和的不利影响;最后,基于Lyapunov方法证明闭环系统信号的有界性。仿真结果表明：所提算法具有良好的控制性能。     

基于核方法的聚类算法及其应用

在分析核方法的核心概念基础上,提出了一种基于核方法的聚类算法.通常,传统聚类算法只在数据特征差异较大时才有效,当数据特征差异较小时,很难取得较好的聚类效果.引入核函数,将原始数据由数据空间映射到特征空间,在特征空间中进行聚类.核函数的非线性映射使得原始数据的特征更完整地显现出来,从而能够更客观准确地聚类.与传统聚类方法相比,该方法聚类结果更客观有效.以16组实际数据为例,将该方法应用于数据分类研究中,聚类结果表明了该方法的可行性和有效性,从而为数据分类提供了一种新的可行方法.      

基于阈值的激光雷达K均值聚类算法

针对同一距离不同目标的激光雷达全波形回波数据聚类准确率低的问题,在分析K均值聚类算法原理的基础上,提出了一种基于阈值的K均值聚类算法。首先,利用强度信息对距离信息进行标定,使用强度信息作为特征进行聚类以区分同距离的不同目标。然后,利用阈值限定聚类中心间的最小距离,提高聚类准确率。最后,搭建了扫描验证平台进行平移和旋转成像,对算法有效性进行验证。通过不同颜色目标和模拟道路回波数据聚类实验表明,在不同阈值的情况下,提出的基于阈值的K均值聚类算法的聚类准确率均在90%以上,相比于无阈值的K均值聚类算法准确率提升10%以上,能够有效进行目标聚类和模拟道路提取。      

面向卫星多目标重复观测任务的分层聚类规划

针对敏捷卫星多目标重复观测任务规划面临的可行任务执行序列集合规模庞大困难,提出了一种任务执行序列时间解耦的分层聚类任务规划方法。该方法以规划过程中的可观测窗口和任务执行窗口为聚类对象,通过单次可观测窗口聚类和多次任务执行窗口聚类将任务集合按任务窗口属性分解为一系列时间解耦的小规模集合,在两次任务执行窗口聚类间使用基于贪婪优化的搜索算法对聚类生成的小规模任务集合分别进行集合内任务规划,最后将各集合的任务规划结果合并后得到所有任务的执行序列。仿真结果表明,该分层聚类方法可有效降低全局优化复杂度,消解不同优先级观测任务的冲突,提高任务规划质量,能够在不降低目标点观测完成率的前提下对有多个观测机会的目标点进行重复观测,且算法稳定性好,能在数秒内得出规划结果,适用于星上自主任务规划。     

基于构形平面的冗余机械臂轨迹规划方法

针对冗余机械臂在空间轨迹规划过程中构形多样但不唯一的问题,提出了一种快速求解冗余机械臂在空间轨迹规划过程中的最优构形的方法。受机械臂关节约束和空间障碍的限制,冗余机械臂的轨迹规划是一个复杂的过程。而为了保证机械臂运动的平稳性,冗余机械臂工作构形由多个机械臂关节轴线依次连接形成的构形平面组成。从构形平面入手,利用空间几何的方法,对冗余机器人进行空间轨迹规划,通过空间矢量引导、避障路径的比较,快速找到空间优化的路径,实现多目标轨迹规划方法。该方法用于一个7自由度冗余机械臂,结果表明该技术能够快速直观解决路径规划问题,不依赖具体的机械臂工作构形,适用于更多自由度的冗余机械臂。      

舰载机牵引系统路径规划方法

舰载机在任务繁忙和障碍密集的飞行甲板上运动,为了降低舰载机的能耗和增加发动机使用寿命,一般由牵引车牵引舰载机运动,舰载机和牵引车构成牵引系统。为了提高牵引系统出行任务的安全高效性,提出了一种甲板环境下的牵引系统路径规划方法。建立了路径规划的数学模型,该模型包括牵引系统运动学模型和机动能力约束,任务目标函数和任务约束模型,以及障碍物规避模型。结合上述模型,基于几何学理论和Dijkstra算法设计了最优路径的搜索方法。以尼米兹级航母飞行甲板为例,进行了牵引系统的路径规划和跟踪控制仿真,结果表明了模型的合理性和方法的有效性。      

舰载机动态调运系统的运行模型

为了科学预测舰载机在载机军舰上的调运过程,基于系统动力学理论,以舰载机在飞行甲板、机库、升降机之间转运与飞行后再次出动准备的流程为基础,建立舰载机动态调运复杂时变系统的存量流量图与数学模型,并以俄罗斯载机军舰的舰载机调运系统为背景,进行舰载机再次出动时挂弹、非挂弹两种方案的舰载机动态调运过程的实例验证.研究结果表明:该运行模型能够进行舰载机动态调运系统各个环节的预测,可为载机军舰上舰载机调运部门调运方案的制定提供理论依据与技术基础.     

基于粒子群优化的光伏阵列最大功率点跟踪法研究

光伏阵列在局部阴影条件下,出现反向雪崩效应,导致输出功率出现多个局部极大值点,此时常规的最大功率点跟踪（MPPT）失效。基于比较完善的光伏电池遮挡模型,对光伏阵列进行建模,验证其输出功率的多峰特性。提出一种基于粒子群优化算法（PSO）的多峰最大功率点跟踪方法,并积累粒子个体搜索经验,提高跟踪速度。仿真表明,当外界条件变化时,此方法可以快速跟踪光伏模块的最大功率,从而有效地利用能源。     

基于Gram-Schmidt变换的有监督变量聚类

为进一步研究回归模型中高维数据的降维方法,提出基于Gram-Schmidt变换的新的有监督变量聚类（SCV-GS）方法。该方法未采用以潜变量为聚类中心的层次聚类,而是借用变量扫描思想,依次挑出对响应变量有重要贡献的关键变量,并将其作为聚类中心。SCV-GS方法基于Gram-Schmidt变换,对变量之间的高度相关性进行批量处理,并得到聚类结果;同时,结合偏最小二乘思想,提出新的同一性度量,并以此来选取最佳聚合参数。SCV-GS不仅可以快速得到变量聚类结果,而且可识别出对响应变量的解释及预测起关键作用的变量类。仿真表明该聚类方法运算速度显著提升,而且所得潜变量对应的回归系数的估计结果与对照方法表现一致;实例分析表明该方法具有更好的解释性和预测能力。      

动态环境中的无人机路径规划方法

为了解决动态环境中的路径规划问题,提出了一种引入时间轴的方法.在构型空间的基础上引入时间轴,将构型空间扩展为构型-时间空间,在构型-时间空间中可以表示动态障碍物所有时刻的位置.在路径生成阶段,提出了一种改进的蚁群算法,将方向信息作为启发信息引入蚁群算法中,使蚂蚁在初始搜索路径时更有针对性.仿真结果表明:构型-时间空间可以解决动态环境的表示问题,改进蚁群算法可以更快地收敛到全局最优解.