基于粒子群优化支持向量机的测控设备校准间隔预测

针对计量保证方案中仪器校准间隔的预测问题,提出了基于粒子群优化支持向量机的预测方法。综合运用了粒子群优化算法对支持向量机的参数进行全局并行寻优的能力和SVM强大的非线性映射功能,具有很高的预测精度。实例验证表明,该方法具有较好的预测效果。     

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%。     

半球谐振陀螺仪寿命的一种长周期预测方法

为了缩短半球谐振陀螺仪寿命实验周期,降低实验成本,提出了一种针对漂移数据的残差修正ARGM(1,1)(Autoregressive GM(1,1))寿命预测方法。该方法利用神经网络与支持向量机中的自回归方式改进灰色模型,提高了模型的自适应能力,增强了模型的学习能力与预测能力,降低了模型回归学习的时间消耗和数据量要求,提高了预测效率。采用小波包络分析预处理某型号半球谐振陀螺仪的漂移数据,利用提出的预测方法对处理后的数据进行长周期预测,并结合灰色关联分析方法,分析失效阶段并最终预测出半球谐振陀螺仪的寿命。实验表明,残差修正ARGM(1,1)模型对半球谐振陀螺仪漂移数据的长期预测精度高于传统GM(1,1)模型、BP神经网络与支持向量机,结果也表明了研究方法的正确性和有效性。     

基于改进粒子群优化LS-SVM的卫星钟差预报研究

针对导航卫星短期钟差预报精度和稳定度不高的问题,提出了一种基于改进粒子群优化（PSO）最小二乘支持向量机（LS-SVM）的卫星钟差预报方法。通过引进自适应改变的惯性权重和学习因子来提高粒子群算法的寻优能力,并将其应用到LS-SVM的参数优化中,避免人为选择参数的盲目性,提高了LS-SVM的泛化能力和预报精度。选取国际GPS服务组织（IGS）产品中四颗典型卫星的钟差数据,分别采用LS-SVM模型、神经网络模型和灰色系统模型进行短期钟差预报,计算结果表明：LS-SVM模型的预报精度优于其它两种模型,为导航卫星短期高精度钟差预报提供了新的思路。     

改进布谷鸟搜索算法优化支持向量机的MEMS陀螺温度零偏补偿

针对微机械陀螺零偏受温度影响较大的问题,提出一种改进布谷鸟搜索算法(CS)和支持向量机(SVM)相结合的陀螺零偏温度补偿方法。首先,将平滑处理后的陀螺数据作为样本点,采用基于径向基核函数的支持向量机方法构建漂移模型,把数据从低维空间映射到高维空间进行线性拟合。然后,利用改进布谷鸟算法对支持向量机的惩罚参数、核函数参数以及不敏感系数进行优化,避免了人为选择参数的盲目性且提高了建立模型的精度。实验结果表明：经CS调节支持向量机算法补偿后,陀螺输出精度更高。与最小二乘分段拟合方法、BP神经网络方法相比,陀螺输出数据方差分别平均减小了63.2%、43.4%,最大误差分别平均减小71.63%、48.3%。     

航天器热平衡温度预测的粒子群算法

为解决航天器热平衡试验温度外推预测方法中存在的问题,提出了热平衡温度预测的粒子群优化算法。根据热平衡温度模型,建立待优化的目标函数以及热平衡温度粒子群算法的计算流程。依据某型号卫星热平衡试验的前期温度数据,对热平衡极限温度以及瞬时温度进行预测,并与实测数据进行了比对。计算结果与实测数据相比具有较好的一致性,所提出的方法可有效地应用于航天器热平衡试验温度预测。     

卫星遥测数据短时CEEMDAN-PSO-ELM预测模型

针对卫星遥测数据变化类型众多而导致传统预测模型难以准确预测的问题,提出一种基于自适应噪声完整集成经验模态分解(CEEMDAN)-粒子群(PSO)-极限学习机(ELM)的组合预测模型。首先对遥测序列进行CEEMDAN分解,以降低序列的非线性;然后利用PSO对ELM预测模型的输入权值和隐含层偏差进行优化;最后利用PSO-ELM预测模型分别预测分解后的序列,依次相加得到最终预测结果。将其应用在某在轨卫星实测数据中,与传统的预测模型比较。结果表明:该方法在平均绝对误差、平均绝对百分误差、均方根误差、标准均方误差指标上均最小,在曲线拐点处与真实数据最为接近。证明该模型能实现准确预测的功能。     

一种超参数自适应航天器交会变轨策略优化方法

利用强化学习技术,本文提出了一种超参数自适应的燃料最优地球同步轨道（GEO）航天器交会变轨策略优化方法。首先,建立了GEO航天器交会Lambert变轨模型。以变轨时刻为决策变量、燃料消耗为适应度函数,使用改进式综合学习粒子群算法（ICLPSO）作为变轨策略优化的基础方法。其次,考虑到求解的最优性和快速性,重新设计了以粒子群算法（PSO）优化结果为参考基线的奖励函数。使用一族典型GEO航天器交会工况训练深度确定性策略梯度神经网络（DDPG）。将DDPG与ICLPSO组合为强化学习粒子群算法（RLPSO）,从而实现算法超参数根据实时迭代收敛情况的自适应动态调整。最后,仿真结果表明与PSO、综合学习粒子群算法（CLPSO）相比,RLPSO在较少迭代后即可给出适应度较高的规划结果,减轻了迭代过程中的计算资源消耗。     

分层模糊广义预测控制及其在挠性航天器振动抑制中的应用

针对广义预测控制计算量大的缺陷,将自适应分层模糊逻辑系统(HFLS)引入广义预测控制,对参数未知线性系统提出一种直接自适应分层模糊广义预测控制方法.该方法直接利用HFLs设计广义预测控制器,并基于广义误差估计值对控制器参数和广义误差估计值中的未知向量进行自适应调整.文中证明了该方法可使广义误差收敛到原点的一个小领域内.由于控制结构中使用了HFLS,避免了模糊控制器中规则数目随系统变量个数呈指数增长问题.仿真结果表明:该方法能快速抑制挠性航天器的低频振动且稳态精度高.     

基于小样本数据的惯性平台系统贮存可靠度的预测方法

针对小样本的惯性平台系统贮存可靠性问题,开展了系统的方法研究。首先,分析了惯性平台系统定检数据的特点;其次,引入最小二乘支持向量机的预测方法对惯性平台系统贮存可靠度进行预测。数值计算结果表明,与多项式回归预测方法和灰色预测方法相比较,预测结果更加科学、准确。     

基于改进PSO-WNN的高频地波雷达 电离层杂波抑制方法

高频地波雷达的海上目标探测能力与电离层杂波的抑制效果息息相关,而电离层杂波的复杂性与变化多样性又为抑制带来了难题。为实现电离层杂波的抑制,分析了电离层杂波的混沌特性,在此基础上提出一种基于改进粒子群算法优化小波神经网络的抑制方法,解决了粒子群算法易早熟和易陷入局部最优的缺点;提出一种自适应概率变异的策略,丰富了种群多样性,使得整个迭代过程中粒子群能够跳出当前最优,寻得全局最优。实测实验表明,基于改进粒子群算法优化的小波神经网络（PSO-WNN）能够基本预测电离层杂波的数值,进行电离层杂波的抑制,有效改善了信噪比,对电离层杂波的抑制研究具有重要意义。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10 -4 量级。     

小行星探测器轨迹优化方法

对小行星探测器轨迹优化方法进行了综述。介绍了直接法中的直接打靶法、直接配点法、伪谱法、微分包含法,以及间接法两种典型的轨迹优化方法,分析了其优缺点,以及在小行星轨迹优化中的应用。介绍了智能优化算法中的遗传算法、模拟退火算法、粒子群算法和多目标进化算法,分析了其相对传统优化方法的优缺点,以及相应的改进方法。     

复合材料带缠绕成型过程建模及工艺参数优化

复合材料带缠绕成型过程中,成型工艺参数的选取决定了缠绕制品的性能。采用正交实验法研究各工艺参数对缠绕制品层间剪切强度的影响规律和敏感度,并将正交试验数据与神经网络理论相结合,对带缠绕成型过程进行建模,得到缠绕成型工艺参数与层间剪切强度之间的非线性映射关系,并通过实验验证了模型的可靠性。在此基础上,利用粒子群优化方法在可行工艺参数域内对缠绕成型工艺参数进行优化。仿真与实验结果表明,基于神经网络模型的工艺参数粒子群优化算法能够快速、准确的得到带缠绕成型的全局最优工艺参数组合。使得缠绕制品层间剪切强度达到最优的工艺参数组合为:加热温度115℃,缠绕张力357 N,压辊压力1006 N和缠绕速度0.28 m/s,在最优工艺参数作用下,缠绕制品的层间剪切强度达到102.2 MPa。     

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%。     

基于广义回归神经网络集成的宽带波束形成算法

首先构造宽带波束成形所需要的协方差矩阵,利用基于粒子群优化算法对核主成分分析方法和广义回归神经网络进行了优化。在对神经网络的输入变量进行降维处理后,生成多个复杂度低的泛回归神经网络模型。利用提出的基于聚类启发式集成算法求出波束成形时的权系数,既考虑了网络的差异性,又考虑了网络的正确性。仿真结果表明,提出的基于聚类启发式神经网络集成的波束形成算法在网络结构十分简单的情况下,仍然具有较好的性能。