基于自适应遗传算法的DGPS整周模糊度快速解算

 鉴于遗传算法(GA)所具有的全局搜索特性,也为了更快速准确地解算差分全球定位系统(DGPS)整周模糊度,将自适应遗传算法(AGA)引入DGPS整周模糊度的搜索中。首先根据全球定位系统(GPS)载波相位双差方程求解出双差整周模糊度的浮点解,并以基线长度作为约束条件确定整周模糊度的搜索范围;然后利用白化滤波的方法对整周模糊度进行降相关处理,降低整周模糊度各分量之间的相关性;最后将自适应遗传算法应用在整周模糊度的解算过程中,搜索整周模糊度的最优解。仿真计算结果表明,与LAMBDA算法和简单遗传算法相比,自适应遗传算法能够快速地求解整周模糊度,也具有较好的可靠性和鲁棒性。     

基于遗传退火算法的电路模拟吸波材料设计

相比传统吸波材料,电路模拟吸波材料可以很好地减小材料厚度、提高吸波性能,其设计通常使用遗传算法进行优化。针对传统遗传算法的诸多不足,对交叉和变异概率进行了改进、引入了模拟退火思想作为子代接受准则并增加了算法终止准则。其中,对交叉和变异概率的改进是最大创新点。改进后的遗传算法只需进化100代即得到最优解,平均反射率为-15.0420,厚度为1.43 mm,均优于传统算法得出的结果。结果表明,改进后的遗传算法具有收敛速率快、不易陷入局部最优解等优点。     

改进的Sage-Husa自适应滤波算法在MEMS航姿参考系统中的应用

针对经典Kalman滤波和扩展Kalman滤波融合算法存在的计算量大、精度低、实时性差的缺点,引入了改进的Sage-Husa自适应扩展Kalman滤波算法。该算法对经典扩展Kalman滤波算法进行了自适应改进,并在此基础上利用加权渐消记忆法获取了遗忘因子,并通过预测残差得出了最优解。同时,用调整有偏增益估计的措施来保证系统噪声预测方差矩阵与噪声预测方差矩阵的对称性和正定性,对滤波器发散进行了有效的抑制,减少了算法的计算量。实验结果表明,该算法有效改善了可靠性、精确性及自适应能力。     

基于分解策略的SSO发射轨道遗传全局优化设计

提出了基于轨道分解优化和遗传算法（GA）的SSO发射轨道优化设计策略。针对多个轨道段相互耦合问题,基于分解优化策略,将整个发射轨道设计问题分解为两个轨道段设计问题。为了高效可靠地获得全局最优解,对基本遗传算法进行了改进。首先提出了基于多变异操作等改进措施的改进遗传算法;此外,结合遗传算法的全局搜索特性和Powell算法的局部搜索特性,设计了一种串行混合遗传算法。一个二级SSO运载火箭的计算结果表明,轨道分解优化策略确保了问题的成功求解,改进遗传算法和混合遗传算法均可稳定地获得全局最优解,但是混合算法更有效地提高了GA性能。     

基于PI与无模型自适应控制结合的燃气轮机转速控制方法

针对燃气轮机转速控制问题,提出一种基于PI控制与数据驱动的无模型自适应控制结合的控制器设计。以建立的燃气轮机慢车速度以上模型为研究对象,在通过遗传算法整定出最优PI控制器参数的基础上,通过对传统PI控制器的积分环节与紧格式无模型自适应控制器的相似替换,使得控制器具有在线整定内部参数的优势,表现出更优的动态控制性能。仿真结果表明：所设计的基于PI与无模型自适应控制结合的控制器,较之基于遗传算法离线整定的最优PI控制器,在转速调整时具有更快的上升时间和调节时间,且对性能退化模型也能自适应地改善控制效果。该控制器设计基于PI控制实现了控制品质的进一步提高,其自适应过程改善了系统的鲁棒性,基于PI结构的改进也具有工业应用前景。     

基于遗传算法的协作优化方法研究

多学科设计优化技术是国内外迅速发展的一门学科,而协作优化方法是多学科设计优化技术中最常用的一种有效的分布式并行优化方法.然而,标准的协作优化方法很难收敛到系统的最优解,而且对初始点的选择非常敏感,不同的初始点可能收敛到不同的解.遗传算法是一种成熟的智能寻优算法,具有很强的全局搜索能力.本文正是为提高协作优化的可靠性和鲁棒性,将遗传算法引入协作优化框架,并且对传统遗传算法进行相应的改进以适用于协作优化框架.算例证明本文提出的基于遗传算法的协作优化方法行之有效,消除了标准协作优化可能收敛不到系统最优解及对初始点敏感的缺陷.     

基于预处理BP神经网络的开关磁阻电机建模

针对开关磁阻电机(SRM)强耦合、强非线性、难以精确解析建模的问题,提出一种基于数据预处理的反向传播(BP)神经网络建模方法。首先通过传统直流脉冲法测量一个电周期内SRM静态电磁特性,获取建模样本数据;其次充分利用电机先验知识,通过可以初步反映SRM非线性特性的磁链和转矩解析表达式对实测样本数据进行预处理并作为BP神经网络新的输入,降低神经网络拟合误差。与传统BP神经网络建模的对比结果显示,引入预处理方法可以有效减少BP神经网络节点数量,增强神经网络泛化能力,提高神经网络建模精度。     

基于统计学检验指标的燃气轮机部件特性方程拟合次数的选择

针对燃气轮机在数学建模过程中难以确定其部件特性方程最优拟合次数的问题,提出了采用统计学检验指标确定特性方程最优拟合次数的方法。最优拟合次数的选择,使得拟合方程既防止由于拟合次数过高,将测量数据中的噪声也纳入拟合模型,又避免了拟合次数太低所引起的结果粗糙。结果表明：综合运用拟合检验指标,避免了由经验选择拟合次数的局限性,并为特性方程最优拟合次数的选取提供了理论依据。     

基于复合形遗传算法的K—means优化聚类方法

针对基本遗传算法所存在的缺点和不足,提出了一种改进的遗传算法--复合形遗传算法,并将其用于K-means优化聚类.把复合形法嵌入到遗传算法中,利用复合形法对遗传算法群体中的部分个体进行处理,来改善种群的质量,以加快最优解的搜索进程.该方法既有复合形法快速高效的特点,又有遗传算法全局性好的特点. 算例的结果表明,该方法用于改进K-means优化聚类是可行的与有效的.     

基于实数编码遗传算法的轨迹综合优化设计

提出了一种基于实数编码遗传算法的机构轨迹综合优化设计。在传统二进制编码遗传算法上进行改进,采用具有更快全局寻优能力的实数编码遗传算法对四杆机构各参数进行优化,从而得到机构最优解。运用MATLAB软件实现遗传算法优化设计,结果表明了此方法的有效性。     

基于遗传算法的涡喷发动机身份证模型建立

为建立发动机身份证模型,针对发动机个体差异和寿命期内性能蜕化引起的发动机模型与真实发动机之间的失配问题,提出1种基于遗传算法的发动机部件级模型自动修正方法。在发动机部件级模型中,引入能反映个体发动机部件特性的性能调节因子。根据发动机试车数据与待修正部件级模型输出数据,以发动机关键测量参数残差最小为优化目标,采用遗传算法获得不同换算转速下的特性修正系数,建立发动机身份证模型。以某型涡喷发动机为对象进行试验验证,结果表明该方法能有效提高发动机部件级模型精度,适用于建立发动机身份证模型。     

基于FPGA的自适应阵列协方差矩阵特征分解的实现

卫星导航抗干扰的过程中,对空间信号波达方向估计、干扰个数检测、最优权矢量的求解直接影响着导航接收机的抗干扰性能,而协方差矩阵的特征分解是这些算法实现的核心部分。根据自适应阵列天线获得的协方差矩阵的特性,基于双边并行Jacobi算法,实现了基于FPGA的协方差矩阵特征值和特征向量的求解,并通过在信号波达方向估计的应用进行了验证。另外,在实现的过程中对直接调用CORDIC IP核的方式进行了精度误差分析,并用一种双精度浮点的方式进行修正,提高了矩阵特征分解FPGA的实现精度,为导航抗干扰接收机性能的提升提供了有效的工程基础。     

基于改进烟花算法的资源分配

资源分配问题作为一个NP-Hard问题,在云计算、无线电、卫星调度、多无人机协同作业等领域皆有研究需求,是一个共性的数学问题。烟花算法作为一种智能优化算法,具有求解大规模资源分配问题的能力,但也存在求解精度低等问题。为了提高传统烟花算法的计算效率和全局寻优能力,提出一种改进烟花算法,用遗传算法中的变异算子替代高斯变异操作,并增加模拟退火流程。最后在多无人机协同作业任务分配数学模型上进行仿真验证,实验结果表明在收敛速度以及计算精度方面,该算法均优于其余3种烟花算法。     

基于DMOM算法的航空发动机性能寻优控制

提出一种分散迁移优化算法(DMOM),可实现多峰值优化问题的全局最优解搜索.该算法通过随机选择参考粒子,不断迁移搜索自身所处区域峰值点,再通过分散操作排除局部最优点,重新生成新个体,可快速搜索到全局最优区域.将DMOM应用于航空发动机性能寻优控制仿真,结果表明:在最小油耗和最低涡轮温度模式下, DMOM的寻优速度相比遗传算法(GA)和粒子群算法(PSO)提高了2倍以上;同时DMOM的优化精度相比自组织迁移算法(SOMA)提高了60%以上,相比可行性序列二次规划(FSQP)算法提高了20%以上.验证了DMOM相比其他优化算法有更强的跳出局部最优的能力,在航空发动机最小油耗和最低涡轮温度这类多峰值寻优问题中具有明显的优势.      

基于改进HMM和LS-SVM的机载设备故障预测研究

针对传统故障预测方法不能直接预测设备状态的不足,提出了将改进隐马尔科夫模型（HMM）和最小二乘支持向量机（LS—SVM）相结合的机载设备故障预测方法。首先,采用多智能体遗传算法对HMM参数进行训练优化,克服了B-W算法易陷入局部最优解的缺陷;其次,分别研究设计了设备是否具有使用阶段状态退化过程数据2种情况下的故障预测算法流程;最后,以飞机发动机温控放大器为应用对象进行仿真计算。结果表明,该算法不仅预测精度高,而且预测结果直接与设备状态相关,易于理解分析。     

舰艇编队防空火力分配问题的改进遗传算法

在建立舰艇编队防空火力分配模型的基础上,设计了求解该问题的改进遗传算法。实验结果表明,该算法可以有效求得舰艇编队防空火力分配问题的最优解或近似最优解,是求解舰艇编队防空火力分配问题的一个较好的方案。     

基于遗传算法的涡扇发动机稳态调节规律优化设计

为了获得最大推力,对典型的混合排气涡扇发动机的调节规律进行分析,得到发动机控制参数的最优匹配,介绍了1种基于排挤机制的小生境遗传算法,并采用多峰值多变量函数对小生境遗传算法进行测试,结果表明:小生境遗传算法能够得到目标函数的局部最优解和全局最优解。将发动机稳态模型作为目标函数代入小生境遗传算法中,并制定相应的约束条件和惩罚机制,结果表明:采用优化后的调节规律使发动机推力表现更优。     

发动机气门弹簧遗传优化设计

建立发动机气门弹簧优化数学模型，应用遗传算求出问题的最优解，探讨了将遗传算法应用于此类具有约束、多变量类型优化问题的可行性。     

Dynamics modeling and pressure control of composites tape winding system based on LQSMC

Pressure fluctuations during the composite fiber winding process seriously affect the product's compactness strength, fatigue resistance, stress uniformity, and resin content. The accuracy of pressure control systems is affected by nonlinear disturbances, such as friction, parameter perturbation, and measurement noise. A robust control algorithm based on linear quadratic optimal control and sliding mode control (LQSMC) is proposed to overcome these problems. The method is based on the system state space expression and linear quadratic optimal control. The state space model of the system is improved by using a Kalman filter and control input for state estimation, and a new sliding surface equation is defined. The ameliorated control algorithm exhibits good performance and can effectively suppress sliding mode control (SMC) chattering. Simulation and experimental results show that LQSMC offers high control precision, much stronger anti-interference, and robustness, which can effectively improve the positioning and tracking accuracy of a pressure control system compared with linear quadratic optimal control (LQC). The winding pressure control precision is improved by 45% to 50%. The results show that the porosity of composite fiber tape winding products decreased thanks to our method.