基于遗传算法的快速目标匹配方法

为解决在测量图像目标识别中因采用模板匹配方法而产生庞大计算量的问题,将遗传算法应用到测量图像模板匹配中。根据测量图像的特点,利用匹配产生的相关数据变化规律,对标准遗传算法进行改进,提出一种测量图像快速匹配方法,可消除标准遗传算法的大量无效搜索。实验结果表明,该方法比标准遗传算法速度快、精度高。     

基于改进型遗传算法的多传感器—多目标定位信息融合

针对用遗传算法解决多传感器-多目标定位收敛速度的问题,提出了采用拉格朗日松驰技术改进遗传算法的方法,并给出几种典型情况下算法的实验结果。实验结果表明,改进的遗传算法收敛速度比改进前提高了5—6倍。     

遗传算法在低信噪比图象点目标检测中的应用

将遗传算法用于图象中低信噪比点目标的检测。在分析了点目标及背景特点的基础上,设计了编码方案及遗传操作算子,提出了合格个体保留法。仿真结果表明应用此算法,可实现信噪比为2dB的点目标的检测与跟踪。     

基于Kriging的多目标遗传算法

为了提高多目标优化问题的求解效率,提出了一种新的处理约束多目标优化问题的基于Kriging的多目标遗传算法(MOKGA)。MOKGA采用物理规划法将多目标优化转化为单目标优化,然后构建目标函数的考虑约束的EI(Expected Improvement)模型,并采用遗传算法进行求解。六峰值驼背函数和一个导弹多目标多学科设计优化问题用于MOKGA算法性能的测试。结果表明,与理论解相比,MOKGA算法有很好的优化结果;与NSGA II相比,MOKGA有很快的收敛性。     

基于红外视觉/激光雷达融合的目标识别与定位方法

近年来,基于可见光图像的目标识别在无人车感知领域得到了广泛应用.然而,可见光图像目标识别无法应用于弱光和黑暗环境.针对于此,提出了一种基于红外视觉/激光雷达融合的目标识别与定位算法.首先,通过基于颜色迁移的数据增强训练方法,提高了红外目标识别算法的泛化性能.继而,提出了一种基于激光雷达修正的单目深度估计方法,通过视觉图...     

基于遗传算法的翼型多目标气动优化设计

采用遗传算法实现了单/多目标情况下NACA0012翼型的气动优化设计。绕翼型的外部无粘流场解采用基于非结构网格的显式时间推进Jameson有限体积方法。遗传算法采用二进制编码,通过外部调用流场解算器对种群适应度函数进行评估。为提高计算效率,使用了动弹网格技术以及使得优化程序可以从任一进化代继续计算的中间进化结果存储技术。优化参数为翼型气动型面,分别以给定来流条件下的升力系数、阻力系数作为优化目标进行了单目标优化设计,并以此为基础,结合博弈论中的Nash博弈,实现了升力系数和阻力系数的多目标优化设计,得到了优化结果。分析表明,该方法具有较高的计算效率,能够给出更优的翼型气动性能,具有一定的实际工程应用前景。     

基于多目标遗传算法的再入飞行器气动布局优化

本文采用多目标遗传算法来确定再入飞行器气动布局优化问题的Pareto最优解集，并和传统的多目标优化方法（加权和方法、约束法）进行比较。通过计算表明，多目标遗传算法能够在一次运行中搜索到优化问题的近似Pareto最优解集，这为飞行器设计得进行目标折衷决策提供了充分的依据。     

基于IMU的机载TOPSAR目标定位方法

Burst工作模式和方位波束的主动扫描使得TOPSAR工作模式能够有效削弱ScanSAR模式的扇贝效应,同时也导致图像方位向像素位置与回波脉冲的关系变得复杂,给目标定位带来了很多问题。惯性测量单元(IMU)数据记录延时也会导致方位向定位误差存在,精确估计这个误差能够大大提高目标的方位向定位精度。从TOPSAR数据采集的几何关系和成像过程出发,结合机载IMU数据,提出了一种新的机载TOPSAR目标定位方法。该方法能够直接从TOPSAR斜距图像中获取目标的经纬度信息。通过实际飞行试验获取的机载TOPSAR数据验证了该方法的有效性,能够获取25 m的平均定位精度。     

基于检测前跟踪的超视距雷达微弱目标检测方法

天波超视距雷达（over-the-horizonradar,OTHR）通过快速傅立叶变换（FFr）实现相干积累,再利用常规的方法进行目标检测。但这种方法在弱目标、低信噪比的情况下效果并不好。本文提出了一种基于检测前跟踪（track-before-detect,TBD）的OTHR弱目标检测方法,利用数学形态学对每帧弱目标回波信号进行滤波,再通过动态规划方法进行检测。仿真结果表明,该方法能够有效地提高OTHR对弱目标的检测能力,运算效率高,实用性强。     

基于GAS的图像跟踪系统及其实现方案

利用遗传优化算法实现了一个目标跟踪系统,将传统的目标搜索、目标分割、目标定位及跟踪状态评估等过程都由遗传算法来实现,使系统结构简单,易于实现。并分析了利用 TMS32 0 C6x实时实现遗传优化跟踪过程的可能性,最后给出了该系统的实现方案     

基于小生境遗传算法的分布式OS-CFAR检测系统优化与性能分析

 利用小生境遗传算法,对不同检测窗长度和检测信噪比的三传感器分布式 OS-CFAR检测系统进行了优化设计,给出了一组针对不同检测环境与融合方式的搜索结果。分析表明,对于非一致环境下分布式 OS-CFAR检测系统,小生境遗传算法是一种良好的优化算法。利用搜索结果,研究了不同融合方式下环境变化对分布式 OS-CFAR检测系统的性能影响,结果表明,“或”融合对检测环境的非一致变化具有较强的鲁棒性,而“3选2”融合和“与”融合对检测环境的变化比较敏感。     

基于遗传算法的直升机鲁棒飞行控制器设计

以旋翼机驾驶品质要求 ADS-33为设计目标,采用 H∞ 混合灵敏度方法设计直升机在低速飞行时的鲁棒控制器,设计中利用遗传算法优化加权阵参数,找到同时满足频域和时域性能要求的控制器。以 UH-60 A直升机为对象,所设计的直升机飞行控制系统不仅具有鲁棒稳定性,而且满足 ADS-33D水平 1操纵品质要求。     

基于遗传算法的直升机总体优化设计

遗传算法是一种可以混合整型、离散型和连续型变量一起使用的新兴优化算法，在单或多目标带约束优化设计领域有广阔的应用空间。本文在算例中采用与先验法相结合的遗传算法，以总体参数为设计变量，飞行性能和结构要求为约束条件，换算生产率为目标函数，并使用罚函数法处理成无约束的适应度函数，建立优化设计模型。对本文算例计算结果进行分析，可以使遗传算法更好地应用到直升机优化设计领域。     

基于遗传算法和最小二乘法的曲面匹配

 针对基于最小二乘法的 ICP曲面匹配算法难以处理待比较曲面的局部大变形问题,提出一种改进算法。即采用遗传算法确定曲面初始相对位置以保证匹配优化结果为全局最优值,利用 ICP算法匹配结果构造偏差阈值,以此阈值过滤点群后再以最小二乘法进行匹配处理,消除局部大变形影响,获得合理的变换矩阵。以此变换矩阵变换初始点群再进行误差计算,从而获得理想的匹配结果。试验表明,该准则对局部大变形的处理效果优于常规的最小二乘 ICP曲面匹配算法。     

基于遗传算法的多机器人系统集中协调式路径规划

根据多机器人系统无碰撞运动的需要,对其工作空间进行了分解,确定了机器人运行路线上的各个可能路径点,从而得到了规划空间的多路径点链接图描述。基于这种对规划空间的链接图建模描述,开发了一种混合遗传算法用于寻找多个机器人的无碰撞协调运动路线。仿真结果表明,这种方法可有效地解决复杂规划空间下的多机器人路径规划问题。     

多传感器融合目标跟踪

分析了基于成象和雷达两种传感器对目标状态的测量模型及其融合模型。针对两种传感器之间测量信息的不同步问题,给出了一种基于最小二乘法的不同步信息之间的时间配准和融合方法,并设计了跟踪滤波器。     

基于VXI总线的测试系统与故障诊断系统设计

介绍了一种基于VXI总线技术的某武器装备测试系统与故障诊断系统的开发设计方法，重点探讨了VXI总线测试硬件与软件的组件和实现方法。     

非线性系统的BP神经网络在线建模及故障检测

回顾了非线性系统建模、故障检测与诊断（ＦＤＤ）及ＢＰ神经网络应用中存在的问题。提出了一种ＢＰ网络在线阶段自学习方式及应用该方式对非线性系统进行在线建模和故障检测的方法。仿真结果表明,本文提出的方式和方法是可行的     

USE OF GENETIC ALGORITHMS TO SEQUENCE THE MACHINING OPERATIONS OF PARTS

ＵＳＥＯＦＧＥＮＥＴＩＣＡＬＧＯＲＩＴＨＭＳＴＯＳＥＱＵＥＮＣＥＴＨＥＭＡＣＨＩＮＩＮＧＯＰＥＲＡＴＩＯＮＳＯＦＰＡＲＴＳＷＡＮＧＸｉｙａｎｇ（王细洋）（ＮａｎｃｈａｎｇＩｎｓｔｉｔｕｔｅｏｆＡｅｒｏｎａｕｔｉｃｓＴｅｃｈｎｏｌｏｇｙ,３３００３４,...