一种基于偏好MOEA的卫星地面站资源多目标优化算法

随着中国航天事业的发展,卫星地面站资源匮乏问题日益突出,需要对其进行统筹优化使用。因此,卫星地面站资源规划问题得到了广泛关注。在分析问题特点的基础上,对用户规划结果的偏好信息进行建模表达,建立了涵盖用户偏好的多目标数学规划模型,提出了基于偏好多目标进化算法的卫星地面站资源规划算法。为了进一步提升算法性能,设计了基于领域知识的启发式策略,包括：任务扩充策略、冲突消解策略以及任务缩减策略等。实验结果表明,与现有算法相比,用户偏好信息的引入能有效提升问题求解针对性,在IGD-CF （Inverted Generational Distance based on Composite Front）指标上取得了更好的效果。     

基于进化算法的测控飞机跟踪路径规划

提出一种基于进化算法的测控飞机跟踪路径规划方法,对进化算法进行了简单介绍,给出了规划算法的计算条件、算法要素和流程,并对3种假想的目标轨迹给出了规划结果。规划结果显示,该方法是可行的。     

协同进化方法求解多中心卫星任务规划问题

 在分析多卫星中心内部特点及中心间关系的基础上建立了多中心协同规划问题(MCCOPP)的数学模型,提出了解决该问题的多中心合作协同进化规划算法(MCCCSPA)。MCCCSPA基于分治-合作策略,根据中心数目以及观测目标集合特点将观测目标分解分配至各中心;提出等长扩展二进制染色体编码方式有效表达问题的解,便于个体的交叉、变异、合作操作;并综合多中心个体代表合作求解本中心个体适应值;其中交叉、变异、合作算子在确保可行解的前提下保证各中心子种群的多样性、加快收敛速度。仿真实验及分析结果表明:该方法能够有效解决多中心协同的卫星任务规划问题。     

基于多目标算法的空中作战任务规划框架研究

空中作战任务规划是一项复杂的任务,随着空中作战飞行器的种类、数量及其之间交互性的增加,任务规划也变得越来越复杂。任务规划人员必须在有限的时间内制定出最优的任务分配策略。决策支持工具可以辅助任务规划人员找到最优的规划方案。介绍了设计多目标进化算法以及在空中作战任务规划领域的框架和工作流程,具体的任务包括空中打击动态目标的定位问题和情报监视侦察（ISR）任务规划。总结了这些研究的经验教训,探讨了未来可能的发展方向。     

递进式路径转移姿态机动快速规划方法

当前空间探测活动需要航天器具有大角度姿态机动能力,然而复杂的空间环境和航天器姿态约束限制了姿态机动的可行空间和姿态规划效率。针对这一问题,进行了多约束条件下大角度姿态机动快速规划研究,提出一种基于路径转移策略的快速规划方法。该方法由参考路径规划、松弛路径规划和路径转移规划3部分组成,递进式处理姿态规划中的初始参考路径生成、姿态有界约束满足和姿态指向约束满足问题。在路径转移规划中,建立基于指向角的姿态指向约束评价函数,设计对应的转移动作集合,能够快速得到满足多种约束条件的安全机动路径。最后,通过大角度姿态机动对比仿真,验证了该方法在机动时间方面的快速性和规划速度方面的高效性。     

基于进化策略的飞行控制系统多目标优化

针对传统飞机飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且还有与飞行品质要求缺乏相关性和物理意义不明确等缺点,提出了一种基于改进多目标进化算法的飞行控制律多目标优化设计方法。该算法引入了决策者的偏好信息,用以指导算法的搜索过程,使算法在决策者感兴趣的区域进行搜索,不但缩小了算法的搜索空间,提高了算法的效率,而且一次运算只求得偏好区域内若干个折衷解,避免了决策者要在众多非劣解中作出困难的选择。在算法中,采用了新的偏好信息给定方法,并提出了一种模拟"投票选举"的偏好信息处理方法,该方法直观简便并易于实现。最后,使用改进的多目标进化算法对某型飞机纵向控制律设计进行数值仿真,结果显示该算法可有效提高控制律优化调参效率,结果满足期望的飞行品质要求。     

挠性卫星大角度机动的混合控制方法研究

对于具有不确定性的多输人多输出非线性系统,仅用v0线性化设计方法不能获得好的控制结果.为此,设计了自适应模糊控制器,把I/O线性化方法和自适应模糊控制相结合,构成混合控制器.并将此控制器引人到卫星大角度机动控制系统中,以补偿由系统的不确定性所造成的跟踪误差,从而增强I/O线性化控制器的鲁棒性,最终实现零误差跟踪.     

一类新型机动目标跟踪算法

阐述了当跟踪非机动目标时,传统的Kalman滤波可以得到很好的跟踪精度。但是当日标机动时,传统的Kalman滤波不能对目标的突然变化做出及时的改正和预测,因此跟踪精度很差,甚至出现丢失目标的情况。文中采用的基于截断正态概率模型的改进自适应目标跟踪算法, 其结构和计算简单,鲁棒性好,较好地解决了使用Kalman滤波带来的不足。     

基于改进鲸鱼优化算法的无人机航路规划

针对复杂地形环境下的无人机航路规划问题,提出一种基于改进的鲸鱼优化算法的航路规划算法。首先,根据起始点和目标点等信息,通过坐标系旋转将二维航路规划问题转化为D维空间下的寻优问题;然后,将灰狼优化算法中的等级制度和微分进化算法中的贪婪策略引入鲸鱼优化算法提出改进的鲸鱼优化算法。在保证算法收敛速度的同时,所提的改进鲸鱼优化算法有效地提高了开发能力和搜索能力。最后,将提出的改进算法应用于无人机的航路问题求解。仿真结果表明,所提的改进鲸鱼优化算法能够有效的获得一条代价最优的、有效的航路结果,其性能优于传统的优化算法。     

多目标进化算法和代理模型技术在气动稳健优化设计中的应用

通过与传统优化方法的优缺点对比,提出针对飞行器环境参数存在不确定性影响时的气动稳健优化设计模型,并应用多目标进化算法和代理模型技术对稳健模型进行优化设计研究。提供了翼型稳健性优化实例,通过选择合适的翼型参数化方法和CFD求解程序以及不确定性分析方法,得到了稳健设计结果的Pareto前缘图。从其中选择的设计结果可以看出,稳健设计结果表现出更稳定的特性,证明了稳健设计的优势所在。     

基于改进蚁群算法的无人机路径规划

针对传统无人机路径规划算法存在规划效率低以及无法满足特定任务需求的缺点,提出了基于改进蚁群优化算法的无人机路径规划算法。首先,将待规划区域栅格化,给每一个网格按顺序编号;其次,在路径搜索时引入了一种双向搜索机制,对信息素的更新规则和下一步节点的选择方法做出改进;最后,提出了一种新的方法来整合两组蚂蚁生成的路径,并给出了若干仿真试验结果。结果表明,所提算法相比传统算法更能有效避免过早陷入局部最优,收敛速度加快,生成满足任务约束的最短路径。     

基于改进多元优化算法的动态路径规划

为满足动态路径规划实时性强和动态跟踪精度高的需求,提出一种基于能够同时发现并追踪多条最优以及次优路径的改进多元优化算法(IMOA)的求解方法。首先,通过利用贝赛尔曲线描述路径的方法把动态路径规划问题转化为动态优化问题;然后,把相似性检测操作引入到多元优化算法(MOA)中,增加算法同时跟踪多个不同最优以及次优解的概率;最后,用IMOA对贝赛尔曲线的控制点进行寻优。实验结果表明:当最优路径由于环境变化而变为非优或者不可行时,利用IMOA对多个最优以及次优解动态跟踪的特点,能够快速调整寻优策略对其他次优路径进行寻优以期望再次找到最优路径;其综合离线性能较其他方法也有一定的提高。因此,IMOA满足动态路径规划的实际需求,适用于解决动态环境中的路径规划问题。     

空间站伴随卫星的最优轨道机动

介绍了空间站伴随卫星的概念和轨道机动过程，给出了伴随卫星的轨道构型；建立了伴随轨道的最优机动模型，并对脉冲轨道机动进行了仿真计算，得出了伴随轨道最优机动轨迹、方位角和释放时间等的变化规律,研究结果对伴随卫星控制具有一定的参考价值。     

基于改进A*算法的无人机航迹规划

借鉴A*算法思想,提出了一种改进A*算法的无人机航迹规划方法.针对在传统A*算法中将规划区域栅格化、只能在特定方向按照特定步长扩展节点的不足,采用圆形节点扩展方法,可以实现变方向和变步长扩展节点.通过仿真进行了验证,结果表明改进的航迹规划方法可以绕过威胁,安全到达目标点.     

基于不同威胁体的无人作战飞机初始路径规划

 提出一种基于不同威胁体的路径规划新方法。从理论上建立了具有不同威胁体的局部空域路径选择原则,给出了根据不同威胁体建立相应路径图的步骤和方法。描述了基于图形模型的进化优化算法,并应用此算法进行了路径优化。进行了仿真验证,仿真结果表明,提出的路径规划方法不仅可行,而且有效地突破了原Voronoi 图只能对相同威胁体进行路径规划的局限。     

基于自适应遗传算法的航迹规划研究

对传统遗传算法进行了改进,通过采用交叉概率和变异概率的自适应设计,避免了进化过程中固定的交叉概率和变异概率产生的个体早熟和收敛缓慢的现象。仿真算例结果表明,自适应遗传算法能够有效地提高遗传算法的全局寻优能力,加快算法的收敛速度,有较强的地形和威胁回避能力,可为低空突防飞行器提供满足战术要求的参考航迹。