基于故障可诊性的模拟电路多音正弦测试信号进化生成

为增加模拟电路故障诊断中故障模式之间的可辨识性,提高诊断精度,提出一种基于故障可诊性的模拟电路多音正弦测试信号进化设计方法。该方法采用多音正弦信号作为模拟电路故障诊断的激励信号,根据遗传算法的进化生成过程,用混合编程法直接修改待测电路仿真程序中测试信号参数值,实现电路的动态响应。同时动态采集电路可测节点的故障样本集,采用核模糊聚类算法(KFCM)对故障样本进行预处理,计算样本在核空间的类间距离,以类间距离大小作为衡量故障模式可诊性的依据,建立遗传算法寻优的目标函数。实验结果表明优化得到的多音正弦测试信号有效提高了待测电路的故障诊断率。     

最小发汗量冷却系统的PID进化控制策略和实现算法

针对发汗冷却系统中不可压缩发汗剂对热层温度场的优化控制问题,利用径向基函数神经网络建立了被控温度场的预测模型,构造了使发汗剂消耗量和预测温度超调量极小化的泛函性能指标,提出一种基于遗传算法的PID进化控制策略和实现算法。同时,该神经网络预测器可以通过在线学习随时跟踪温度场的变化,以实现对温度场的滚动优化和进化控制。仿真结果表明,这种基于神经网络预测和遗传算法优化的PID进化控制器能够实现在几乎无烧蚀的情况下发汗剂消耗量的最小化。而且,该算法还适合于多样化的性能指标,便于求解和实现,实用性强。     

用于快速仿真优化的改进差分进化算法及其应用

提出一种改进的差分进化算法,采用一种“位变”方法计算收缩因子,该方法首先根 据适应值对种群排序,然后根据各个体的排列位置确定收缩因子;采用正态分布函数对算法 参数进行随机扰动来维持种群的多样性;该算法还提出一种新的变异算子,并将其与基本的 差分变异算子结合使用以提高算法的寻优精度。经过对多个Benchmark函数的测试、分析和 比较,结果表明该算法具有较高的收敛精度和较快的收敛速度。最后将该算法用于火箭发动 机涡轮气动优化,以较小的计算成本将涡轮气动效率提高了2.5％。应用结果表明该算法 适用于快速仿真优化问题,能有效地节约计算成本。
     

基于MATLAB的现代优化算法在飞行器气动外形设计中的应用

本文发展了MATLAB语言环境下的现代优化算法，包括遗传算法、模拟退火算法和基于分支联赛选择的多目标遗传算法，并用来求解高超声速飞行器气动外形参数优化问题。所研究的气动外形为带控制舵飞行器和可变弯体飞行器。在MATLAB环境下，求解了最大化升阻比的单目标优化问题和具体有两个冲突目标（最小化铰链力矩并且最大化平均操纵效率）的多目标优化问题。实际算例表明，在快速有效的气动力分析方法辅助之下，本文所发展的MATLAB现代优化算法可以在飞行器初始设计中发挥作用。本文所提供的现代优化算法是对MATLAB优化工具箱的一个有益的扩展。     

压电自适应桁架结构控制一体化设计

针对压电自适应桁架结构,建立了含有主动元件位置的结构控制一体化设计数学模型,以结构重量作为目标函数,以结构静、动态响应作为约束函数,同时优化结构设计参数、控制参数和主动元件的位置。提出一种解决混合变量一体化设计问题的新方法,该方法将近似概念、遗传算法和对偶法相结合。首先采用组合多点近似函数建立原问题的序列近似问题,再对近似问题中的(0,1)离散变量和连续变量采用遗传算法和对偶方法分别寻优的分层优化策略。算例表明本文方法由于遗传算法只用于求解近似问题,因此只需要很少的结构分析次数就能得到最优解或近似最优解。     

基于递推二次规划算法的燃料最优有限推力远地点变轨

从工程实用的角度分析了静止通信卫星远地点变轨优化问题，定义了目标函数、约束条件及其相应的优化参数，根据问题特点，应用递推二次规划算法（RQP）进行变轨参数寻优，并用计算实例说明了此算法的有效性。     

基于混合遗传算法的多目标动态优化设计

针对多目标动态优化设计中，解空间复杂、目标函数高度非线性、部分目标函数灵敏度容易求得等特点，综合利用多目标优化技术、遗传算法和梯度优化技术，提出了一种新的多目标混合遗传算法。这种算法在“并列选择遗传法”的基础上尽可能多地利用目标函数的灵敏度信息以加速收敛速度，同时通过各目标的重要程度和满意程度来决定相应的子种群大小以达到各目标的协同优化。在探讨了该方法的思想之后，着重研究了其实现步骤和关键技术，最后用一个浸水旋转壳的多目标动态优化设计为例，证明了本文方法的有效性。     

多目标进化算法在航天器转移轨道中途修正中的应用

理论上只要根据初始轨道转移点和目标轨道进入点的信息,计算并产生转移所需速度增量,就可以完成航天器的轨道转移.但是由于误差的影响,需要在转移轨道飞行中进行中途修正,修正时刻的选择决定了入轨精度和燃料消耗.本文选择二次修正策略,设计了一种多目标进化算法,以Pareto秩和小生境参数共享函数计算个体适应度,采用共享函数选择法、自适应变异法进行遗传操作.同时构造外部种群储存Pareto最优解,并引入最优解集边界值以加快算法收敛至非劣解集前端的速度.通过仿真验证,该算法能够较完整地得到中途修正时机问题的Pareto最优解集,且分布均匀,满足工程实际的需要.     

改进差分进化算法求解多成像卫星调度问题

针对多成像卫星联合调度规划建模难度大和求解复杂度高等问题,通过分析成像卫星的成像过程和工作原理,将成像卫星调度过程分为调度预处理、任务规划和调度优化3个阶段。在调度规划过程中,建立了多星联合调度约束满足最优化模型,采用启发式算法思想,定义了个体适应度评估函数,设计了任务冲突消解方法,提出了一种改进的差分进化算法。在此基础上,采用一些确定性规则对调度规划方案可行解进行了评估和二次优化。结果表明:提出的成像卫星调度问题求解方法能够有效地分配卫星资源,生成优化的调度方案。设计结果也能够为卫星系统最优化设计和效能评估提供必要的决策支持。     

团队进步算法与遗传算法和粒子群算法进行天线阵综合的比较

团队进步算法（TPA）是近期由研究者提出的一种新型优化算法,具有与传统优化算法不同的寻优机制。函数测试结果表明,该算法是一种能够兼顾避免早熟收敛和计算速度的有效的优化算法。文章将团队进步算法、遗传算法和粒子群算法应用于阵列天线方向图综合,给定阵列天线合适的设计要求,用Matlab编制程序对阵列天线进行了优化计算。通过对三种优化算法的综合结果比较,表明新算法在应用于较复杂的阵列天线方面以及在优化性能方面的优越性,显示了新算法在天线设计中的广泛应用前景。     

固体火箭冲压发动机导弹一体化遗传算法优化设计

遗传算法能以很高的概率找到全局最优解，适合工程优化设计要求。研究以固体火箭冲压发动机为动力的导弹的冲仑方案设计，探讨采用遗传算法实现冲压发动机导弹一体化优化设计，给出满足战术技术指标的最优总体方案和冲压发动机方案。算例表明，遗传算法是用于固体火箭冲压发动机导弹一体化优化设计的很好的优化算法，通过一体化优化设计，可以提高冲压发动机和导弹的总体性能。     

空间机器人动力学奇异回避的笛卡尔轨迹规划

针对空间机器人动力学奇异的回避问题,提出一种基于组合函数的笛卡尔轨迹规划方法。将梯形规划与正弦函数相结合,对机械臂末端的位姿进行参数化。机械臂沿着某一轨迹运动时,根据阻尼最小方差法(DLS)的特点,提出一种判断是否发生动力学奇异的方法,并据此进行轨迹规划。该方法可以保证空间机械臂运动过程中不会遇到动力学奇异。此外,将基座姿态扰动和机械臂运动时间作为目标函数的一部分,最终,轨迹规划问题转化为多目标优化问题,并利用混合整数规划的混沌粒子群优化算法(CPSO)进行求解。该优化算法能够改善标准粒子群算法(PSO)的“早熟”现象。仿真结果表明,新方法能够有效处理动力学奇异问题,减小基座姿态扰动及运动时间。     

具有内点状态约束的机动再入弹道优化设计

高级机动弹头末制导装置开始工作时对弹头飞行速度和姿态有一定的要求。这就增加了内点约束,从而使机动再入弹道设计问题成为具有内点约束和终端约束更复杂的最优控制问题。利用遗传算法求解该问题,用多段插值方法进行染色体设计,设计了基于模拟退火思想的罚函数和适应度函数来处理各种约束。仿真结果表明,所设计的遗传算法效率高,对初值不敏感,能搜索到全局最优解。所设计的再入机动弹道能满足机动弹头对姿态、热流和速度的要求。     

亚轨道飞行器的固液火箭发动机的高维多目标设计优化

为完成应用在亚轨道飞行器上的固液火箭发动机系统设计优化,且考虑到系统设计优化问题的复杂性以及采用单目标优化难以获得全局最优解,建立了固液火箭发动机系统设计的4目标设计优化模型,采用非支配排序遗传算法获得超空间Pareto 解集。利用基于变偏好区间的超径向可视化技术对超空间Pareto解集进行直观地分析,提高最优解选择的效率。最终获得了全局最优的固液火箭发动机系统设计方案,验证了建立的优化模型的准确性和相比于单目标优化的优势,论证了固液火箭发动机应用在亚轨道飞行器上切实可行以及变偏好区间超径向可视化技术处理超空间Pareto解集的高效性。     

概率有限状态机在动态效能评估中的应用

为了反映作战过程中实时战场变化对武器作战效能的影响，本文对武器作战动态效能评估(DEE)方法进行研究，提出一种基于概率有限状态机(PFSM)的动态效能评估方法。利用该方法对武器作战过程进行动态效能评估的同时，能够快速准确地分析影响武器作战效能的关键因素，为作战方案决策及武器研发提供依据。该方法考虑了武器装备、战场环境、作战方案及作战目标这四个战场信息空间对武器效能的影响，能够根据实时战场信息输出动态效能变化曲线。本文以反舰导弹为例，对其进行动态效能评估，结果表明,本文所提出的方法能够动态评估不同战场信息对效能的影响，并快速找到影响其效能的关键因素，从而为作战方案优化提供参考。     

Time-optimal trajectory planning for underactuated spacecraft using a hybrid particle swarm optimization algorithm

A hybrid algorithm combining particle swarm optimization (PSO) algorithm with the Legendre pseudospectral method (LPM) is proposed for solving time-optimal trajectory planning problem of underactuated spacecrafts. At the beginning phase of the searching process, an initialization generator is constructed by the PSO algorithm due to its strong global searching ability and robustness to random initial values, however, PSO algorithm has a disadvantage that its convergence rate around the global optimum is slow. Then, when the change in fitness function is smaller than a predefined value, the searching algorithm is switched to the LPM to accelerate the searching process. Thus, with the obtained solutions by the PSO algorithm as a set of proper initial guesses, the hybrid algorithm can find a global optimum more quickly and accurately. 200 Monte Carlo simulations results demonstrate that the proposed hybrid PSO–LPM algorithm has greater advantages in terms of global searching capability and convergence rate than both single PSO algorithm and LPM algorithm. Moreover, the PSO–LPM algorithm is also robust to random initial values.     

纳卫星隔热层厚度与散热面面积优化设计

在纳卫星热系统动态特性分析与热分析的基础上,根据纳卫星隔热层厚度与散热面面积对纳卫星温度调节的重要作用,提出了运用混沌遗传算法（CGA）对二者进行优化设计的模型与算法。算法以使纳卫星舱内发热元件、散热面及壳体温度尽可能接近设定的安全工作温度为优化目标,以隔热层厚度与散热面面积为优化变量。并以在不同热负荷下工作的太阳同步球形纳卫星为例进行一系列优化计算及分析。结果表明：利用混沌遗传算法进行的优化设计,可以使在不同工况下的纳卫星温度很好地维持在设定的安全工作温度附近。     

深度交叉遗传神经网络在液体火箭发动机故障检测中的应用

将遗传算法与BP神经网络深度交叉融合,即采用遗传算法对BP神经网络的权值和阈值进行多点优化,而在进化的每一代中随机取少量染色体进行单一BP网络训练,训练结果再返回染色体,经过若干代的进化后得到稳定的权值和阈值,再将它们赋给BP神经网络,作为初始值,按误差前向反馈算法沿负梯度搜索重新训练,最终得到最优解。这种算法既避免BP算法易陷入局部最优解的不足,又克服遗传算法以类似穷举的形式寻找最优解而引起的搜索时间长、速度慢的缺点。并且经过仿真分析,深度交叉遗传BP神经网络的收敛性和故障诊断能力优于传统BP神经网络和单一使用遗传算法,可有效应用于液体火箭发动机故障检测中。     

基于遗传算法的RLV再入轨迹优化设计

飞行器再入轨迹优化是一类最优控制问题。传统的优化方法存在初始值敏感问题,利用改进的基于小生境技术和精英方法的适应值共享拥挤遗传算法进行RLV的再入轨迹优化设计。以终端时间固定的空间最小控制能量再入轨迹和终端时间自由的平面最小热载再入轨迹为例,详细讨论了遗传算法用于再入轨迹优化设计所需要解决的一些关键问题。仿真结果表明提出的方法能够较快地搜索到全局最优解,对初始猜测值不敏感,能够方便用于RLV的再入轨迹方案选择和优化设计。