一种改进的微粒群优化算法

标准微粒群优化(PSO)算法是一种群体智能算法,它容易陷入局部极值点,进化后期收敛速度慢且精度较差,而且参数的选择对算法的优劣影响很大。针对这些缺点,首先提出了一种在位置进化方程中引进动态参数的方法,改进了标准微粒群算法收敛速度;然后通过在速度、位置进化方程中同时引进动态参数来提高算法收敛速度和收敛率。经J．D．Schaffer函数和LevyNo．5函数对改进算法的测试表明,相比于标准微粒群算法,该方法的收敛速度和平均收敛率均有大幅度提高。     

基于VGWO算法的风力机二阶积分滑模转矩控制器设计（英文）

提出了一种基于变速灰狼优化算法(Variable speed grey wolf optimization,VGWO)的二阶积分滑模(Sec?ond?order integral sliding mode control,SOISMC)鲁棒控制策略。该策略的目的是实现风力机的最大风能捕获,提高风力机的发电量。首先,根据风力机的不确定性模型,设计了一种收敛速度快、鲁棒性强且能有效抑制抖振的二阶积分滑模转矩控制器,保证了转矩控制器能够有效地跟踪参考转速。其次,考虑到灰狼优化算法(Grey wolf optimization,GWO)具有较强的局部搜索能力和粒子群优化算法(Particle swarm optimization,PSO)具有较快的收敛速度和较强的全局搜索能力,将PSO的速度分量引入GWO中,使改进的VGWO具有较快的收敛速度、较高的求解精度和较强的全局搜索能力。然后,利用VGWO对风力机转矩控制器的参数进行优化。最后,在Simulink/SimPowerSystem平台上进行了仿真,结果表明了该策略在存在外部干扰和模型不确定性情况下的有效性。     

基于改进微粒群算法的无人机姿态控制参数智能整定(英文)

提出了基于改进微粒群算法的无人机姿态控制器参数智能整定方法.标准微粒群算法在搜索后期由于群体缺乏多样性而容易出现收敛停滞现象,为此提出了一种改进的微粒群算法.标准微粒群算法中的微粒速度是根据惯性运动、群体历史最优位置和自身历史最优位置来调节的.改进微粒群算法中的微粒除了保持惯性运动外,仅向当前群体中任意更优个体的状态学习,而且惯性权重系数是随机数.改进方案减少了算法不确定参数,简化了微粒学习机制,且增强了群体多样性.本文构建了无人机姿态控制系统,将改进微粒群算法用于四个控制参数的寻优整定.仿真结果表明,改进微粒群算法比一般微粒群算法具有更强的全局搜索能力,故获得更优的无人机姿态控制参数.     

复合材料层合板屈曲优化设计的模拟退火算法应用

利用复合材料可设计性的特点对层合板结构进行优化设计具有重要意义。本文给出了一种基于模拟退火算法作为全局优化方法的复合材料层合板屈曲优化设计方法。以面内受压层合板的临界屈曲载荷最大化为目标函数,以层板各铺层方向角为离散设计变量,采用整数符号方法进行编码。对标准模拟退火算法进行改进,通过引入升温过程获得合适的初始温度,并在优化过程中记忆到当前所得到的最优值,避免概率接受方法造成的最优解丢失。编写了应用程序,对算例在不同载荷条件下进行了优化设计,并研究了模拟退火算法关键控制参数对优化结果的影响。结果表明,模拟退火算法可以应用于复合材料层板铺层顺序优化问题,且通过改进算法和控制关键参数可以有效提高算法收敛性能。     

静不稳定倾斜转弯导弹飞控系统的设计与分析

本文给出了烦斜转弯(BTT)导弹简化的数学模型,研究了BTT导弹大攻角,强耦合和非线性的特点,分析了航向静不稳定弹体的气动特性,应用经典控制理论,提出了这类导弹飞控系统的设计方法和设计目标。在设计初期,暂不考虑交叉耦合作用,三通道独立设计,同时通过侧滑角反馈使航向静稳定。本文通过协调控制技术减小三通道的交叉耦合作用,提出了三种协调控制方法。最后,本文以某型BTT-90导弹为对象,给出了整个飞控系统的设计过程,进行了非线性数字仿真。仿真结果表明,设计达到了预期的目标。     

导弹吊挂寿命可靠性分析的自动化实现

导弹吊挂结构的尺寸参数繁多,而结构形式基本固定。为了提高导弹吊挂有限元分析效率并便于对结构进行寿命可靠性分析,开发了导弹吊挂结构疲劳寿命可靠性分析平台。平台采用Visual Basic语言编写,借助PCL(Patran Command Language)对有限元软件进行二次开发,实现了吊挂结构静强度及疲劳寿命分析的参数化;将六种可靠性分析方法进行计算机编程,实现了吊挂结构可靠性及灵敏度分析的自动化。分析结果表明,仿真分析结果真实有效,可为导弹吊挂的结构优化设计提供技术支持。     

主动队列管理中内模控制系统设计

P I控制器常用于主动队列管理中,但参数整定上的试凑法具有盲目性,算法的瞬态性能也不够理想。本文针对TCP网络系统的时滞特性,设计基于内模补偿控制器,提出了基于幅值与相位稳定裕度的控制参数整定方法。仿真实验表明,与P I算法相比较,该方法设计的控制器的稳定性与鲁棒性有显著的提高。     

天线罩地面热试验—模拟气动加热的公式控法

导弹以超音速飞行时,结构外表面的温度可达几百度,因此在正式飞行前,一定要做模拟飞行时表面温度的地面热试验。这种试验可以采用三种方法来进行。一是温度控,即是用飞行时结构表面的真实温度T_1曲线作为地面热试验的控制参数。二是热流控,即是用飞行时结构表面所接受的热流q曲线作为地面热试验的控制参数。三是公式控,即是用飞行时结构表面处的绝热壁温T_(AW)曲线和对流换热系数α曲线作为地面热试验的控制参数(T_1、q、T_(AW)和α通过外热源计算可以得到)。温度控简单、方便、容易实现,对物性参数稳定、受热后不分层的材料适用。热流控对物性参数稳定、具有烧蚀性的材料适用。公式控对物性参数不稳定、受热后易分层的材料适用。但此方法调试复杂、不易实现。天线罩的材料是玻璃钢,它的物性参数是温度的函数、不稳定、受热时易分层,采用公式控进行地面热试验较合适,从而使试验成功。     

多层设计参数的叶型气动优化

针对叶片型面的设计问题,提出一种基于遗传优化算法的多层参数化方法.这种方法类似多层网格法原理,利用Bézier曲线的递推算法进行各层之间的设计变量转化,使得优化迭代过程中,下层群体中得以保存上层的优秀个体.根据遗传算法固有的并行特性构建了局域网并行优化平台,并对基本遗传算法进行了改进,从而大大缩短优化时间、提高优化效率.最后设计了曲线逼近和叶型优化的算例,结果显示多层参数化方法能明显加速收敛,在个体数较少时,效果更为明显.     

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。     

多旋翼无人机飞行控制自动调参技术

目前,多旋翼无人机控制器设计问题中存在着大量的依靠经验的调参工作。为了使调参简单而又可靠,本文基于控制器参数与控制系统性能响应存在的对应关系,提出了自动调参思想。在满足控制器各项性能指标的前提下,利用粒子群算法(Particle swarm optimization,PSO)提炼出优化目标和约束条件。对被控对象进行建模并搭建非线性模型。然后,利用工程实践方法估算出参数范围,并利用粒子群快速优化特点自动寻找在约束条件下符合性能指标的控制器参数。最后,通过Matlab/Simulink对模型进行仿真验证。仿真结果分析表明,PSD可快速准确地对飞行控制进行自动调参。     

Warehouse Environment Parameter Monitoring System and Sensor Error Correction Model Based on PSO-BP

The warehouse environment parameter monitoring system is designed to avoid the networking and high cost of traditional monitoring system.A sensor error correction model which combines particle swarm optimization(PSO)with back propagation(BP)neural network algorithm is established to reduce nonlinear characteristics and improve test accuracy of the system.Simulation and experiments indicate that the PSO-BP neural network algorithm has advantages of fast convergence rate and high diagnostic accuracy.The monitoring system can provide higher measurement precision,lower power consume,stable network data communication and fault diagnoses function.The system has been applied to monitoring environment parameter of warehouse,special vehicles and ships,etc.     

协同多目标攻击空战决策的启发式粒子群优化算法

利用协同多目标攻击战术的特定知识,并结合粒子群算法,提出了一种用于空战决策的启发式粒子群算法。该算法利用粒子群算法对解空间探索能力强,容易跳出局部最优陷井及启发式算法局部搜索能力强的优点,快速、高效地对全局最优值进行搜索。该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验结果表明。本文算法对最优空战决策方案的搜索性能明显优于普通粒子群算法及其他两种遗传算法。     

PARAMETRIC OPTIMIZATION AND STRUCTURAL DESIGN OF NLS

INTRODUCTIONIn general,nitrogen launching system[1,2 ] iscomprised of nitrogen cylinder,launching mecha-nism,framework and electrical system,withcompressed Nitrogen as launching energy re-sources.A physical and mathematical model isdeveloped for describing the relations betweenthe detached time and the force,volume,pres-sure,flow,displacement,velocity,acceleration ofnitrogen cylinder and launching mechanism.Thekey technique of NL S is to control detached pa-rameters by changing the press…     

一种新的基于粒子群算法的聚类方法

建立了聚类分析问题的数学优化模型,提出了一种新的粒子群算法解决聚类问题。对基本粒子群优化算法作了改进,思路是将K-均值方法的结果作为一个粒子和利用新的分类中心调整粒子位置。对Iris植物样本数据的测试结果表明:4种粒子群算法的效果都比较好,特别是第3种改进的粒子群算法的效果更好,粒子群优化聚类技术很有潜力．     

多道防线导弹优化部署

现代空袋一般为大规模空袋，单个防空导弹武器系统已不能满足需要，须部署多个导弹武器系统，如何优化部署是是防空作战部署中的重要问题。利用排队论理论和方法，建立了多道防线的导弹优化部署模型。对于两道防线且导弹数目较少时，可采用完全枚举方法；对于导弹数目很大且防线道数多时，可采用遗传算法。遗传算法是一种基于自然选择和遗传法则的优化方法，并给出了具体的例子，实例表明该算法具有较高的计算效率。最后讨论了实战中情况与基本假设不符合时的解决方法。该研究方法为导弹部署优化提供了基本思路。     

Parameter Optimization Method for Gaussian Mixture Model with Data Evolution

To learn from evolutionary experimental data points effectively,an evolutionary Gaussian mixture model based on constraint consistency（EGMM）is proposed and the corresponding method of parameter optimization is presented.Here,the Gaussian mixture model（GMM）is adopted to describe the data points,and the differences between the posterior probabilities of pairwise points under the current parameters are introduced to measure the temporal smoothness.Then,parameter optimization of EGMM can be realized by evolutionary clustering.Compared with most of the existing data analysis methods by evolutionary clustering,both the whole features and individual differences of data points are considered in the clustering framework of EGMM.It decreases the algorithm sensitivity to noises and increases the robustness of evaluated parameters.Experimental result shows that the clustering sequence really reflects the shift of data distribution,and the proposed algorithm can provide better clustering quality and temporal smoothness.