运载火箭自适应制导及在线轨迹重构方法研究

结合我国运载火箭发展，梳理了传统制导方法的工程应用历程;针对故障适应性和自主化需求，分析了基于在线轨迹规划的制导方法发展概况。基于伪谱离散和凸优化理论，提出一套适应不同目标轨道的弹道轨道联合在线重构算法框架，并利用在线重构设计一种运载火箭故障导致推力不足后的自适应制导算法，通过数值实验和嵌入式测试，验证了在线重构算法和自适应制导方法的正确性、有效性。     

基于粒子群算法的固体运载火箭上升段弹道优化设计研究

应用粒子群优化算法研究了固体运载火箭上升段弹道优化设计问题。设计了固体运载 火箭上升段飞行程序,构建了固体运载火箭弹道优化设计问题的粒子群算法,通过控制参数 改进和引入函数拉伸策略,对算法进行了改进。仿真计算结果表明,粒子群优化算法能有效 解决固体运载火箭弹道优化设计问题,优化方案末助推级液体推进剂消耗比原方案减少11.1 ％,算法收敛速度快,需设置参数少,易于工程实现。可为固体运载火箭弹道优化设计 提供理论参考。
     

改进PSO优化WNN的液体火箭发动机故障检测

提出一种改进粒子群优化的小波神经网络模型,将其应用于火箭发动机的故障检测研究.针对传统粒子群算法初期容易陷入局部最优的问题,改进粒子群算法的惯性权重和学习因子,采用逐渐递减的选取方式.进行动态调整后的粒子群算法有利于在初始迭代时寻找满足条件的局部最优值,在寻找到局部最优值之后能够快速地收敛逼近于全局最优值,提高运算效率...     

基于改进粒子群算法的红外灯阵自动优化设计

为提高航天器热试验用红外灯阵的设计效率、提升灯阵热流分布均匀性,提出一种基于粒子群算法的红外灯阵自动优化设计方法：建立红外灯单灯的热流分布数据库与灯阵位置参数的自动优化设计方法;并通过优化参数的重新选择和优化参数间约束条件的建立,改进传统的粒子群算法以提高设计效率。计算结果表明,相比遗传算法,使用改进粒子群算法进行灯阵优化设计用时缩减82%,而优化所得的热流分布均匀度仅低了0.77%。     

基于序列近似优化算法的固体运载火箭弹道设计

采用打靶法研究固体运载火箭弹道优化设计问题。针对打靶法中智能优化算法效率、优化问题中约束条件提法等方面的不足,引入序列近似优化算法,提出算法中径向基函数高斯核宽度的高效确定方法。数值仿真实验表明,提出的方法可在基本不带来计算量增加的前提下,显著提高代理模型精度,使序列近似优化算法得到改进,提高优化效率。设计固体运载火箭飞行程序。建立弹道优化设计问题数学模型,并将模型中相关等式约束合理转化为不等式约束,降低优化问题求解难度;基于改进后的序列近似优化算法完成某固体运载火箭弹道优化,原始计算模型调用308次之后便搜索到最优解,较传统智能优化算法显著提高了优化效率,优化方案末助推级液体推进剂消耗比原方案减少25.7%。     

基于优化多尺度排列熵和卷积神经网络的滚动轴承故障诊断方法

针对滚动轴承故障分类中特征信号微弱、信号非线性和多尺度特征难提取的问题，提出基于优化多尺度排列熵（MPE）和卷积神经网络（CNN）的滚动轴承故障诊断方法:通过改进自适应噪声完备集合经验模式分解（ICEEMDAN）对轴承信号进行分解和重构，实现信号降噪；通过粒子群算法（PSO）对MPE进行优化，提出PSO-MPE特征提取方法，参数优化后的MPE能够提取更为关键的特征信息；将所得的排列熵输入到CNN中进行故障分类以及降维可视化分析。以凯斯西储大学开放轴承数据库样本为测试对象，将文章所提出的ICEEMDAN-PSO-MPE-CNN方法与ICEEMDAN-PSO-MPE-RNN、CEEMDAN-SVM、ICEEMDAN-PSO-MPE-SVM等方法进行纵向和横向对比分析，结果表明改进方法的分类准确率和效率更高，在T-SNE可视化下的分类效果更明显，能够实现滚动轴承故障的高精度和高效率检测。     

运载火箭推力故障不确定性下轨迹可达包络分析

针对运载火箭突发推力故障且故障存在不确定性的轨迹设计问题,提出了一种基于状态转移张量法(STT)的故障火箭轨迹可达包络分析方法。首先,建立了推力故障火箭的运动模型,通过构建故障火箭轨迹重规划问题,基于序列二次规划法获得了不考虑故障不确定性的重规划轨迹; 其次,基于线性协方差对非线性系统的不确定性传播进行建模,并对模型进行线性化,在此基础上提出了基于SST的运载火箭轨迹可达包络分析方法; 最后,通过与多次蒙特卡洛仿真对比验证所提方法在运载火箭轨迹可达包络定量分析中的有效性。     

固体运载火箭多级组合优选多属性评价方法

为解决固体运载火箭多级组合设计时多指标、多属性、多方案导致的方案优选和评价耗时长、效率低的问题,提出一种基于信息熵概念和变权综合原理相结合的逼近于理想排序(TOPSIS)多属性评价方法,通过构造折衷型状态变权向量,建立固体运载火箭多级组合方案优选评价模型,并开展固体运载火箭多级动力组合评价、方案排序优选等研究工作。经实例分析表明,信息熵变权综合TOPSIS方法能够有效解决固体运载火箭多级组合方案评估、排序与优选问题,达到快速设计的目的,与传统优化方法相比,具有快速、灵活和高效的优点。     

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。     

空间机器人惯性参数辨识的粒子群优化新算法

提出了针对一类多自由度空间机器人卫星惯性参数在轨辨识的一种粒子群（PSO）优化新算法。通过粒子邻域限定的多样性保持、低效粒子随机重置和粒子误差的序列性评价,得到了比常规方法更好的结果,且具有无附加燃料消耗、线动量测量和特定的机器人路径规划等便利性优点。仿真算例表明,该改进方法具有较高的准确性与效率。     

BP神经网络用于火箭增压输送系统故障检测

增压输送系统是火箭产生推力的核心系统,其工作可靠性直接关系到运载火箭安全性.以某型号运载火箭第三级作为故障检测对象,将遥测数据抽样和预处理,降低数据规模和提高故障检测效率,模拟常见故障和偶发故障扩大故障数据规模,使得故障数据和正常数据均衡,通过添加归一化时间序列区分火箭工况.经处理后的遥测数据用于训练BP神经网络,故障...     

基于速度增量序列凸化的固体运载火箭制导算法

针对高低温偏差下固体发动机推力、耗尽时间和秒耗量散布大的问题，提出了一种以速度模值增量为自变量的固体运载火箭序列凸优化制导算法。该算法以速度增量替代传统的飞行时间为自变量建立动力学模型，采用序列凸优化算法求解多约束耗尽关机制导问题，并基于速度模值增量在线辨识高低温工况，修正内弹道模型。该方法相比以飞行时间为自变量的序列凸优化算法具有更高的制导精度和鲁棒性。最后，通过某型固体运载火箭高空飞行段制导数值仿真，验证了以速度增量为变量的序列凸优化算法和内弹道修正模型的有效性。     

考虑传感器故障检测能力的PHM系统传感器优化配置方法

传感器优化配置是航空航天设备PHM系统功能得以有效实现的基础和保证。针对目前传感器配置研究中未考虑传感器实际属性的问题,建立了考虑传感器故障检测能力的PHM系统传感器优化配置模型。首先分析了系统故障-传感器相关性矩阵的含义,将传感器的故障检测能力和相关性矩阵相结合,以概率形式描述了传感器对故障的检测性能。在此基础上根据系统的测试性指标要求建立传感器优化配置模型,并采用混沌二进制粒子群优化算法求解。仿真实例结果表明,本文建立的优化模型更加符合实际情况,配置结果更加准确和可靠。     

基于统计分析的有限元模型修正

响应面模型代替有限元模型进行修正便于与粒子群算法等优化算法结合,有利于提高修正效率和精度。文章用某雷达卫星的简化有限元模型计算基于正交设计的各水平参数下模态频率,用方差分析确定待修正参数并构造二次响应面模型,用最小二乘法确定多项式系数,以响应面计算结果与实测结果的差值构造适应度函数并用之引导含混沌搜索机制的改进粒子群算法对待修正参数的偏移量进行寻优,修正后参数代入原有限元模型得到修正模型。修正后模型不仅能以高精度复现测试频段内的模态频率,而且能以一定精度预测测试频段外频率,证实了修正方法的有效性。     

机器人在轨构建空间桁架结构的装配序列规划方法

针对机器人在轨构建空间桁架结构的装配序列规划问题,提出一种可同时求解装配单元装配序列与机器人运动的序列规划方法.首先设计了装配机器人并建立了动力学模型;其次,对机器人在整个装配过程中的运动进行了分类并分别给出了规划与控制方法;然后,建立了装配序列规划的评价指标并采用离散粒子群算法求解.最后,以常用空间桁架结构为例,通过...     

基于深度网络的太赫兹波束预判方法研究

针对太赫兹波波束较窄引起的伺服天线被动跟踪无法达到空间太赫兹通信链路性能要求的问题,提出了一种基于优化深度网络的太赫兹波束预判方法。首先通过分析方位、俯仰角误差大小随运行周期、外推初始时刻的变化,得到高轨对低轨卫星指向误差呈周期性发散的特征;然后采用粒子群算法优化长短时记忆网络参数,对未来时刻指向误差进行预测并修正,针对粒子群算法易陷入局部最优、全局搜索能力较差的问题,通过动态调整粒子群算法的惯性权重,以达到优化长短时记忆网络的目的。仿真结果表明：基于改进后粒子群算法优化的长短时记忆网络能够有效预测未来时刻指向误差,在同一链路场景中相比未改进网络平均绝对百分比误差降低13.08%。     

一种粒子群模糊支持向量机的航天器参量预测方法

针对航天器精确预测与健康管理的需求,将粒子群算法、模糊数学与支持向量机的优势相结合,提出了一种粒子群模糊支持向量机预测方法。针对某卫星南帆板输出电流参量的预测实例,设计了总平均绝对误差、总平均绝对百分比误差、总均方根误差三个预测结果评价指标,对不同步长情况下的预测结果进行了比较,证明了粒子群优化模糊支持向量机预测方法的有效性。通过对比粒子群优化模糊支持向量机模型、灰色粒子群神经网络优化模型、粒子群神经网络模型、灰色模型预测的总平均绝对百分比误差,结果证明粒子群优化模糊支持向量机的预测精度和效率较高,在航天器参量预测领域具有较好的应用前景。     

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。     

粒子群算法和蚁群算法的结合及其在组合优化中的应用

文章首次提出了一种用于求解组合优化问题的PAAA算法。该算法有效地结合了粒子群算法和蚁群算法的优点,先利用粒子群算法的随机性、快速性、全局性得到初始信息素分布(即粗搜索),再利用蚁群算法的并行性、正反馈性、求解精度高等优点求精确解(即细搜索)。将文中提出的算法用于经典TSP问题的求解,仿真结果表明PAAA算法兼有两种算法的优点,同时抛弃了各自的缺点。该算法在时间效率上优于蚁群算法,在求精效率上优于粒子群算法,是综合了两种算法长处的一种新的启发式算法,达到时间性能和优化性能上的双赢,获得了非常好的效果。     

基于粒子滤波的红外弱小多运动目标检测

针对低信噪比条件下红外图像序列中的多个弱小运动目标检测问题,提出了一种基于粒子滤波的多目标检测前跟踪方法.首先分析了红外图像的状态及观测模型,然后将弱小运动目标的检测转化为贝叶斯滤波框架下的检测前跟踪,并利用多个粒子滤波器予以实现.为了评估该算法的有效性,采用人工合成的红外图像序列对其进行测试,结果说明该算法可同时处理低信噪比条件下的多个弱小运动目标,检测和跟踪性能良好.