基于Bayes方法的飞机压力加油系统优化算法研究

对于实际的问题而言,人们对于问题的解一般会有一个初步认识,并且这种认识会在搜索过程中逐渐加深或得到修正,这符合人们认识世界的普遍规律。基于这种认识,针对给出的飞机地面压力加油系统管路模型,使用一种基于Bayes方法的优化算法。数值方针结果表明,与其它相关优化算法相比,该算法能更高效地解决飞机地面压力加油管路节流孔的优化配置问题。     

基于IGA-ELM网络的滚动轴承故障诊断

为了提高航空发动机轴承故障诊断准确率,提出基于改进遗传算法优化极限学习机网络（IGA-ELM）的诊断模型。针对传统遗传算法易早熟等缺陷,对遗传算法的交叉操作和变异操作进行改进,并用改进的遗传算法优化极限学习机的输入权值矩阵和隐含层阈值,利用Moore-Penrose算法计算极限学习机的输出权值矩阵。使用IGA-ELM诊断模型对滚动轴承正常、内环故障、外环故障和滚珠故障4种工况进行诊断,并分析极限学习机隐含层神经元的数量和激活函数对轴承故障诊断的影响。为了验证改进遗传算法优化极限学习机的有效性,将传统遗传算法、自适应遗传算法和粒子群算法作为对比算法。经过分析表明：改进遗传算法收敛速度和收敛误差,均优于对比算法。     

基于遗传算法的空空导弹消耗规律神经网络预测方法

针对弹药预测问题,介绍了基于遗传算法的BP神经网络的相关原理及理论,研究了基于遗传算法的空空导弹消耗量BP神经网络预测方法,弥补了传统的BP神经网络法在弹药预测方面存在许多缺点,采用遗传算法求得影响弹药消耗各因素的权值及阈值,具有较高的准确性;同时,优化过程是对神经网络算法的权值及阈值进行优化,由适应度函数计算出染色体的适应度值,再经过选择、交叉及复制等操作,得到适应度最高的个体。对历次空战空空导弹消耗量数据进行归一化处理,将处理结果带入传统BP测,得到预测结果并对比分析,预测结果显示了遗传算法优化的有效性,避免了传统BP算法局部性强的缺点,预测结果较优化前较大提升,验证了改进算法的有效性和先进性。     

基于IGA算法优化的RBF神经网络应用

提出了一种基于改进遗传算法(Improved Genetic Algorithm,IGA)优化的径向基函数(RBF)神经网络,将实数编码的自适应交叉和变异操作的遗传算法与梯度下降法混合交互运算,作为RBF网络的学习算法,并应用于非线性函数的逼近和导弹故障模式的识别问题。仿真结果表明,基于IGA算法的RBF神经网络不仅结构简单,而且具有较好的网络泛化性能。     

一种关于静压气体轴承节流孔系数的计算方法

基于层流边界层方程的分离变量算法和雷诺方程的解析算法,提出了一种关于单节流孔静压气体止推轴承的节流孔系数的计算方法。该方法通过比较层流边界层方程计算获得的气体轴承的质量流量和雷诺方程计算获得的质量流量计算获得了节流孔系数。将计算获得的节流孔系数和节流孔系数为常数0.8代入单节流孔气体止推轴承的雷诺方程中,计算获得的承载力与分离变量算法求解层流边界层方程获得的承载力进行对比,可以发现,相对于采用节流孔系数为0.8来说, 采用该计算的节流孔系数求解雷诺方程的承载力与分离变量算法求解获得的承载力结果精度最大提高了8%。从而验证了该计算节流孔系数方法的正确性。      

基于连续伴随方程和FFD技术的气动外形优化设计

正气动优化设计多年来一直是重要的研究领域,目前气动优化方法主要分为两类:一类是基于梯度的优化算法,通过估算目标函数梯度,然后在负梯度方向更新设计变量来降低目标函数值~([1]),如有限差分方法和伴随方法;另一类是全局优化算法,如进化搜寻或称之为遗传算法,此算法是通过在设计变量空间半随机抽样,不需要任何梯度估算~([2-3])。遗传算法计算量较大,传统的基于有限差分的梯度法随着设计变量的增加计算量成倍增大,对于较大设计     

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。     

一种基于生物趋化的改进粒子群算法

针对标准粒子群算法进行多极点函数优化时易导致早熟收敛及陷入局部最优的问题,把生物趋化原理引入到粒子群优化算法中,改变传统粒子群优化算法只存在吸引操作而没有排斥操作的单向性,提出一种保持种群多样性的改进算法,并对其关键参数的选择进行了研究。仿真实验结果表明,与传统粒子群优化算法相比,基于生物趋化的粒子群算法对于处理复杂的多峰函数或优化问题,可显著提高算法的全局寻优性能。     

一种全程控制的模糊遗传算法在结构优化中的应用

将一种全程控制的模糊遗传算法(FGA算法)引入结构优化设计。区别于一般的标准遗传算法(SGA算法),该算法基于模糊推断机理,可对遗传算法的选择、交叉、变异以及搜索空间的变化进行全程控制。通过2个典型数值多峰函数对FGA算法与SGA算法性能进行了考核和对比,证明该算法在跳出局部最优和搜索效率等方面均有较大改进。将此改进的模糊遗传算法(FGA算法)应用于含整型和离散变量的铆钉连接结构连接效率优化。结果表明:连接效率和优化效率均得到改善。      

基于Kriging模型和遗传算法的齿轮修形减振优化

针对齿轮修形优化时计算啮合刚度计算量大、计算精度低、操作繁琐等问题,提出一种基于Kriging模型和遗传算法的齿轮减振修形优化算法.以典型直齿轮传动为例开展齿轮修形优化,通过拉丁抽样建立Kriging模型,解决齿轮修形优化的多响应和隐式函数的问题,通过Kriging预测的啮合刚度与有限元法的对比可知,时变啮合刚度函数各参数的误差最大值为7.79×10-5,1.20×10-3及1.30×10-4,验证了Kriging多响应预测啮合刚度函数的精确性.将Kriging预测函数代入直齿轮啮合传动的动力学微分方程,采用遗传优化算法时将齿轮动态传动误差响应波动最小作为优化目标,得到最优的齿轮修形参数.算例表明:相比于ISO(International Standardization Organization)修形和未修形的齿轮,该算法的减振效果最好,验证了基于遗传算法与Kriging模型对齿轮进行修形优化的正确性、高效性.相比于直接采用有限元法进行齿轮修形优化,该算法计算时间由26.91d减小为2.24h,证明了该算法计算效率的优越性.      

遗传模拟退火算法在机动逃逸策略中的应用

针对垂直平面内的机动逃逸策略问题,提出将遗传算法与模拟退火算法相结合的方法———遗传模拟退火算法,能够实现逃逸者的机动逃逸策略,解决了在大状态空间中的全局最优搜索和评价问题,为处理复杂的决策过程提供了一套有效的途径。通过仿真结果表明,基于遗传模拟退火算法的机动策略能够有效地实现逃逸者的机动逃逸。     

基于遗传模拟退火算法的机器人路径规划

探讨了利用遗传算法来进行机器人路径规划的方法,分析了可能产生的问题及其产生原因,并在此基础上提出利用遗传算法与模拟退火算法相结合的方法来解决机器人路径规划问题。仿真结果表明,这种遗传模拟退火算法切实可行,它能够有效地提高路径规划的计算速度和保证路径规划的质量。     

改进遗传模拟退火算法的航迹规划方法研究

建立了基于真实地形数据和火力威胁区的航迹规划空间模型,结合具有概率突跳特性的模拟退火和群体并行搜索的遗传算法的特点,提出了一种改进遗传模拟退火算法的飞行器航迹规划方法。使用该算法对飞行器的攻击航迹在数字地图下进行了仿真验证,结果表明该方法是一种有效的航迹规划方法。     

混合遗传算法的研究及其在压气机叶型优化设计中的应用

对混合遗传算法进行了初步研究,并以此为基础建立了压气机叶型优化设计平台。在遗传算法中引入模拟退火算法,增强了算法的局部寻优能力,提高了运行效率和优化质量。为维护群体的多样性,保证寻优的收敛,选择概率和交叉概率的设计可以随个体适应度和进化阶段的不同而自适应变化。二维叶型定义采用的是Bezier函数参数化定义方法。该方法可以较好的拟合叶型曲面,并通过少数控制点的调节灵活有效的修正叶型形面。对某压气机二维叶型的正问题数值优化结果表明本研究所建立的优化设计平台具有高效、可靠性好的特点。     

基于遗传模拟退火算法的航班进离场调度

基于航班延误成本构成的复杂性,惩罚航空器单位时间延误成本以区分续航航班与非续航航班,且推导出与航班类型直接相关的续航航班单位时间延误成本表达式。建立了以航班总延误成本及跑道调度时间跨度最小的多目标跑道调度模型,并用遗传模拟退火算法求解模型。以国内某大型机场的两条近距平行跑道调度为例对算法进行验证,实验结果表明,运用遗传模拟退火算法求解多目标跑道调度问题,可显著提高航班延误成本分布的均衡性,且程序收敛性较强,具有很好的实用性。     

非线性摩擦失谐叶片排序并行退火算法

基于叶片模态实验获得的叶片失谐参数,基于非线性摩擦阻尼分析提出一种失谐叶盘结构的集中参数模型.综合模拟退火算法的局部搜索能力和遗传算法的全局搜索能力,并引入禁忌表作为搜索记忆表,提出了一种应用模拟退火进化算法附加禁忌表的叶片排序优化方法.同时结合图形处理器运算设计了基于compute unified device architecture(CUDA)的并行算法并且分析其算法性能.研究表明:基于并行框架寻优可以获得4.5倍的加速,同时按照优化后方案安装,可以明显降低叶盘系统振动响应幅值与方差.      

一种面向航空集群的集中控制式网络部署方法

软件定义网络（SDN）的发展为机载网络构建提供了全新的设计思想。针对航空集群环境下控制平面的可扩展性问题,研究了混合层次式架构下的多控制器部署问题。首先,为实现对底层传输节点的弹性管控,通过扩展控制层级定义了本地控制器资源池。然后,为减少时间复杂度,实现本地控制器的快速部署,将传统的多控制器直接部署转化为子域划分和域内部署两个步骤,提出了基于节点密度排序的子域划分算法和基于改进多目标模拟退火的域内控制器部署算法。实验结果表明：与已有算法相比,所提算法在保证控制器的负载均衡基础上,可以有效减少网络控制链路的平均时延和平均失连率,同时时间复杂度更低,能够适用于大规模及动态网络环境下的控制器部署场景。     

多无人机系统协同多任务分配模型与仿真

针对多约束条件下的多无人机系统协同多任务分配问题(CMTAP),提出了利用多约束条件下的多车场车辆路径问题(MDVRPMC)对协同多任务分配问题进行建模,在设计基于Pareto最优的遗传模拟退火算法的基础上,对存在任务点动态时间窗口约束、任务类型约束、无人机任务能力约束等条件下的协同多任务分配问题进行了求解.实例仿真表...     

Heuristics of node selection criteria to assess robustness of world airport network

The world airport network (WAN) is one of the networked infrastructures that shape today's economic and social activity,so its resilience against incidents affecting the WAN is an important problem.In this paper,the robustness of air route networks is extended by defining and testing several heuristics to define selection criteria to detect the critical nodes of the WAN.In addition to heuristics based on genetic algorithms and simulated annealing,custom heuristics based on node damage and node betweenness are defined.The most effective heuristic is a multiattack heuristic combining both custom heuristics.Results obtained are of importance not only for advance in the understanding of the structure of complex networks,but also for critical node detection.     

基于改进Q学习的IMA系统重构蓝图生成方法

重构蓝图定义了故障状态下系统软硬件资源的重新配置方案,是实现综合模块化航空电子系统重构容错的关键。提出了一种基于改进Q学习的重构蓝图生成方法,综合考虑负载均衡、重构影响、重构时间、重构降级等多优化目标,并应用模拟退火框架改进探索策略,提高了传统Q学习算法的收敛性能。实验结果表明,与模拟退火算法、差分进化算法、传统Q学习算法相比,本文提出的改进Q学习算法效率更高,所生成重构蓝图质量更高。