基于CPSO优化的空空导弹μ综合控制器设计

粒子群优化算法（PSO,Particle Swarm Optimization）在空空导弹μ综合控制器参数优化中易出现早熟现象而无法获得全局最优解.针对此问题,提出一种动态加速常数的粒子群优化算法（CPSO,Constant Particle Swarm Optimization）.改进算法通过对加速常数的指数形式变化,在寻优前期扩大搜索范围,在后期提高收敛效率,从而避免了寻优过程中的早熟现象.仿真结果表明,改进的CPSO优化算法具有更强的全局搜索能力,设计出的μ综合控制器具有更优的性能,满足给定的性能指标和自动设计指标,节省了大量设计时间,具有工程应用价值.     

ABDOM的参数规范化与离散化改进

为了更好利用叠加式双阻尼振荡模型(ABDOM,Accumulative Bi-Damped Oscillation Model)来描述、预测和评估真实软件缺陷发现时序过程,在提出理想软件缺陷发现时序过程范型(ISPSDD,Ideal Sequential Process of Software Defects Discovery)的基础上,对ABDOM中软件缺陷发现阻尼 a 和软件缺陷发现周期阻尼 b 的规范化进行了进一步讨论,提出了软件缺陷发现时序过程质量评价指数 Q ,给出了其典型取值和相关意义,并将其引入ABDOM,最终得到了经过参数规范化和离散化改进后的ABDOM-Q_d,并利用一个真实的工程实践项目数据对ABDOM-Q_d 进行了验证.     

ICO多学科设计优化方法

协同优化(CO, Collaborative Optimization)算法在应用中存在计算困难的问题.分析了引起CO算法计算困难的原因;使用L₁范数改进了CO算法的学科一致性约束,避免了学科级目标函数导数的不连续性,并从数学理论上证明了改进的学科一致性约束的收敛性;增加系统级罚函数,使系统级优化问题转化为无约束优化问题;使用快速启动方法,在子系统级优化过程中充分合理利用系统级优化求得的最优解;给出了使用改进的学科一致性约束、系统级罚函数和快速启动方法的ICO(Improved Collaborative Optimization)多学科设计优化方法,较好地克服了CO算法存在计算困难的缺点.标准算例实验结果表明,ICO多学科设计优化方法有效提高了算法的稳定性、可靠性和计算效率.      

水滴撞击特性的动态图像测量方法

用石膏脱模的方法制作圆柱实验件.实验采集圆柱试件表面不同位置染色过程的动态视频数据;依据圆柱驻点处色度值时序信号的增长曲线,将实验划分为欠饱和区、平衡区和过饱和区3个阶段;将平衡区RGB色度空间的色度值c与水滴撞击特性的局部水收集系数建立关联.结果表明:平衡区的比色分布符合局部水收集系数相对驻点处β/β_m分布;不同位置c值增长曲线具有相似性,缩比时间尺度1/t_b分布符合数值仿真欧拉法β/β_m分布的定义;实验结果与数值仿真结果对比误差率小于10%.     

基于支板燃烧室的喷管化学非平衡效应

采用有限体积法全隐式格式和代用燃料C₁₂H₂₃的10组元13步化学反应Arrhenius有限速率模型研究煤油燃料超燃冲压发动机单边膨胀喷管(SERN, Single Expansion Ramp Nozzle)内的化学非平衡流动,通过建立支板燃烧室——喷管模型有效解决了单边膨胀喷管模型的"入口薄层"问题.计算结果表明,整个单边膨胀喷管内,流动呈现化学非平衡效应,喷管入口附近区域尤其显著;非平衡流动喷管性能明显高于冻结流动,随发动机当量混合比 ε增加,非平衡流动的喷管推力系数和升力系数相对冻结流动的百分比增量 δ不断升高,当 ε=0.8时,推力系数百分比增量 δ_CF达到9.41%,升力系数百分比增量 δ_CY达到16.39%,化学非平衡效应对煤油燃料超燃冲压发动机尾喷管性能的影响不可忽略.     

冰雪天气下基于MFOA-KELM残差修正的跑道温度混合预测

道面温度短时精准预测是跑道积冰预警的关键因素之一, 为了解决单一机理预测模型随预测时间延长而造成误差累积的问题, 提出了一种冰雪天气下跑道温度混合预测方法。将跑道温度机理预测模型与核极限学习机(KELM)相结合, 建立一种数据驱动修正残差的跑道温度机理预测模型。针对果蝇优化算法(FOA)收敛速度慢、易陷入局部最小值的问题, 引入权值更新函数和距离扩充因子, 调整果蝇的全局寻优效果, 避免陷入局部极小值。利用改进的果蝇优化算法(MFOA)对KELM的正则化参数与核参数联合优化, 以冰雪天气下跑道温度实际数据为例, 建立基于改进果蝇优化核极限学习机(MFOA-KELM)的跑道温度混合预测模型, 并在不同时间尺度下对该混合预测模型进行仿真测试。实验结果表明:与单一机理预测模型相比, 当预测时长为120 min时, MFOA-KELM混合预测模型的平均绝对误差至少减小了61.43%, 在残差阈值为±0.5℃时, 平均预测准确率为91.25%。可见, MFOA-KELM混合预测模型具有更高的预测准确性, 研究结论显示该混合预测方法能够为机场跑道温度短时精准预测提供新思路。      

基于改进联合稀疏EIT算法的CFRP材料检测

针对应用电阻抗层析成像技术(EIT)对碳纤维增强复合材料(CFRP)损伤检测的高度病态性问题,提出了一种联合L₁和L₂范数的稀疏正则化泛函模型,并在迭代过程中通过构建一种新的约束项来优化求解。仿真结果表明,与传统算法相比,改进联合稀疏EIT算法能够有效改善损伤图像的电极伪影,提高损伤边缘清晰度,增强损伤辨识定位准确度。CFRP层压板检测实验结果表明,改进联合稀疏EIT算法能够提高图像重建的抗干扰能力,具有良好的鲁棒性及适用性。     

基于IFA-ELM的航空发动机自适应PID控制新方法

针对大涵道比涡扇发动机强非线性、变参数的特点,提出了一种基于优化极端学习机(ELM)对发动机参数进行预测的自适应PID控制方法.为提高ELM的预测精度和实时性,采用适用于多峰值寻优的改进萤火虫算法(IFA)优化ELM网络参数,形成优化的ELM训练方法IFA-ELM.该算法在保证预测精度的前提下,有效简化了网络规模,并提高了其泛化能力.利用该算法建立发动机风扇转速预测模型,基于该模型,采用梯度下降法在线调整PID参数,提升发动机动态性能.数字仿真验证表明,与常规PID控制相比,基于IFA-ELM的自适应PID法调节时间减少了0.2~1.4s,超调量降低了0.2%~1.5%,验证了该控制方法的有效性.      

利于翼型优化设计的超临界翼型参数化方法

为减少超临界翼型优化中的设计变量,消除优化结果的不光顺现象、保证C₂连续,在优化过程中控制翼型几何特性的变化范围,设计出了由4条首尾相接的有理Bézier曲线表示的超临界翼型的翼型参数化方法,该方法对翼型数据的参数化过程中主要运用了Bézier曲线拟合算法与SPSA(Simultaneous Perturbation Stochastic Approximation)优化算法,并在Bézier曲线拟合算法中使用了有别于常用方法的数据点参数选择方法.将这种超临界翼型参数化方法与优化算法结合便可实现翼型优化设计,其中的设计变量为21个,优化结果不仅光顺且满足C₂条件,通过设定设计变量变化范围便可控制相应的翼型前缘半径、上下弦最高最低点的位置与曲率、尾部契角等几何特征.      

基于改进CO-RS的平流层飞艇总体设计与优化

为改进响应面协同优化(CO-RS,Collaborative Optimization based on Response Surface)方法的工程实用性,提出改进的CO-RS方法.在响应面建立中应用广义乘子法和信赖域法,取消响应面更新对梯度的依赖性.针对平流层飞艇的总体设计与优化问题,基于改进的CO-RS框架,进行了系统任务分析和学科耦合分析.对气动与推进子系统、结构子系统和能源子系统进行了学科分析,以最小化平流层飞艇的质量为目标,建立基于改进CO-RS框架的多学科设计优化(MDO,Multidisciplinary Design Optimization)模型和相应的学科分析模型.利用iSIGHT软件搭建求解平台,采用改进的CO-RS算法进行仿真计算,并得到合理结果,验证了所建立的MDO模型的合理性和改进的CO-RS算法在平流层飞艇总体设计优化中的有效性.     

基于蒙特卡罗频率法的葡萄籽总酚含量高光谱测量变量选择

在利用高光谱建立葡萄籽总酚含量的预测模型中,为解决变量过多、模型复杂度高等问题,需依据光谱特点进行有效地数据降维。提出了一种蒙特卡罗频率法（MCF）对高光谱数据进行波长选择,并建立了葡萄籽总酚的支持向量回归（SVR）预测模型。该方法首先采用蒙特卡罗采样（MCS）选择波长子集;然后建立大量SVR子模型,并选出均方根误差（RMSE）较小的子模型,统计每个波长出现的频次;最后根据指数递减函数确定波长个数,选取频次最高的波长子集作为特征波长。结果表明,采用MCF可以在降维的同时提高模型的预测性能,波长数目由原始的196个减少到9个,波长范围均在950~1 400 nm,RMSE值从0.42减少到0.37,预测精度优于SPA等其他波长选择方法。因此,提出的基于MCF在高光谱数据处理中能有效选择特征波长,为准确建立预测模型提供了一种有效的方法。      

基于SABA优化的Volterra级数空战目标机动轨迹预测

目标机动轨迹预测是空战态势感知和目标威胁评估的重要前提。针对传统目标机动轨迹预测模型复杂度大、预测精度低等问题,通过分析并结合目标机动轨迹时序数据所具备的混沌特性,引入Volterra泛函级数模型进行目标机动轨迹预测。为解决Volterra泛函级数模型中存在高阶核函数难以求解的问题,利用变异机制和自适应步长控制机制改进蝙蝠算法的寻优能力,进而构建了一种基于自适应蝙蝠算法（SABA）优化的Volterra泛函级数目标机动轨迹预测模型,并利用优化后不同阶数的Volterra泛函级数模型对目标未来机动轨迹进行预测。仿真实验中,通过与其他优化算法改进的Volterra泛函级数模型的预测精度对比,验证了所提预测模型的可行性,同时也说明了二阶Volterra泛函级数模型更加适用于目标机动轨迹预测。      

基于改进的动态Kriging模型的结构可靠度算法

对于复杂航空航天机械产品,极限状态方程往往表现出隐式、高度非线性的特点,而且通常需要调用有限元分析,从而耗费大量时间。将混合粒子群-模拟退火（PSOSA）算法应用到Kriging模型中相关参数的寻优过程,提高了预测精度。同时结合动态更新机制,逐渐加入样本点,尽可能减少函数的调用次数,从而提高了计算效率,并将该算法应用到结构可靠性分析中。通过案例分析,和传统蒙特卡罗模拟方法、响应面等经典方法进行对比,所提算法与蒙特卡罗模拟方法计算结果更加接近,计算时间大大缩短,效率和精度都明显改进。      

Motion prediction of an uncontrolled space target

Capturing an uncontrolled space target is a tremendously challenging research topic. Target capture by a space robot can be well planned according to predicted motion of the target. In this paper, motion prediction of an uncontrolled space target is studied and a motion prediction algorithm is proposed. In the proposed algorithm, firstly a method for identifying the parameters of motion state and inertial property of the target is established; and then through substituting the identified parameters into the dynamic equations of the target, the motion of the target can be predicted as the solution of the equations. In the identification of the parameters, the unscented Kalman filter (UKF) is applied. In order to support the UKF, a method for estimating noise level of the observation data is developed, so our motion prediction algorithm is noise adaptive. A practical convergent criterion is also designed to determine the time when the estimated result of the UKF is accurate enough, such that the predicted motion is credible enough. After that, the accuracy of the prediction is further improved by an optimization method. In the end of this paper, numerical simulations are done to verify the validity of the proposed motion prediction algorithm. Simulation results indicate that the proposed algorithm is able to predict the motion of the target precisely.     

翼型气动性能鲁棒性优化设计

讨论了一种在来流速度不确定的情况下对翼型进行鲁棒性设计的方法.介绍了单点及多点设计方法后,阐述了鲁棒性设计方法在翼型气动性能优化中的应用,并对三者进行了比较.引入了代理模型以减少计算量, 并通过遗传算法对翼型进行鲁棒性设计.借助区间分析方法讨论了翼型设计变量的扰动对气动特性上下界值的影响.应用该方法,在提高了翼型的气动性能的同时,降低了该性能对于来流速度的敏感度.      

基于PSO-BP神经网络的平流层风场短期快速预测

平流层风场环境对临近空间低速飞行器驻空飞行性能有重要影响。研究了基于PSO-BP神经网络的平流层区域风场建模与快速预测方法,根据历史风场数据,采用主成分分析法对数据进行降维处理,通过BP神经网络对风场进行预测建模,利用粒子群优化（PSO）算法对其进行优化,采用Biharmonic样条曲面插值方法构建区域预测风场。以南海地区5年历史风场为对象,对比分析了基于BP神经网络和基于PSO-BP神经网络的风场预测模型,结果表明:使用具有全局寻优特性的PSO算法改进BP神经网络,能够有效避免传统BP神经网络易陷入局部最优的缺点,提高预测精度;通过结合PSO-BP神经网络预测与Biharmonic样条曲面插值,可实现区域风场的预测。研究结果可为临近空间低速飞行器的轨迹规划与区域驻留等任务的高精度区域快速预报风场提供解决途径。      

基于改进极限学习机的光谱定量建模方法

依据近红外光谱(NIR)产生原理,提出了粒子群优化极限学习机(PSO-ELM)算法,运用于小样本氨水浓度定量分析。通过优化极限学习机(ELM)隐藏节点参数,解决了极限学习机由于输入权值和隐含层偏差随机产生的建模结果具有随机性的问题,提高了预测模型的稳定性、精确度和泛化性能。经实验验证,优化后的PSO-ELM相比ELM,模型预测集均方根误差由0.01166减小至0.00322,预测集相关系数由0.9951提高至0.9979。将优化后的模型预测结果与支持向量机(SVM)、BP神经网络算法等传统方法的建模结果进行对比,优化后的PSO-ELM算法具有较高的精确度和良好的泛化性能,模型预测效果优于传统的定量回归分析算法。