基于多智能体混合学习的多星协同动态任务规划算法(英文)

针对多星协同动态任务规划问题,以往多采用基于启发式的重规划算法,但是由于启发式策略依赖于具体任务,使得优化性受到影响。注意到协同规划的历史信息对后续协同规划的影响,本文提出了一种基于策略迭代的多智能体强化学习和迁移学习的混合学习算法求解该问题近似最优策略。本文的多智能体强化学习方法利用神经网络描述各颗卫星的强化学习策略,通过协同进化的方法迭代搜索具有最优拓扑结构和连接权重的策略神经网络个体。针对随机出现的观测任务请求导致历史学习策略失效,通过迁移学习将历史学习策略转换为当前初始策略,保证规划质量前提下加快多星协同任务规划速度。仿真实验及分析结果表明本文算法对动态随机出现的任务请求有良好的适应性。     

基于RVM回归误差补偿的航空发动机分布式控制系统多步预测控制

针对具有随机有界双侧时延的航空发动机分布式控制系统,提出了一种基于多步预测和关联向量机(RVM)回归误差补偿的控制方案.首先建立航空发动机分布式控制系统(DCS)的神经网络非线性自回归滑动平均(NARMA)模型,利用当前的系统输出和控制量对N步之后的系统输出进行预测;其次用改进的RVM回归多步预测算法估计NARMA模型的的预测误差,并对预测结果进行误差补偿;最后利用补偿之后的预测值和设定值对控制参数进行滚动优化,设计系统的神经网络逆控制器实现系统的自适应控制.仿真结果证明该控制策略能够避免随机有界双侧时延对控制系统的影响,实现对设定值的稳定跟踪,且控制器具有较好的实时性和鲁棒性.低压转子转速阶跃响应的稳态绝对误差小于0.04%,响应时间小于0.3s.      

基于信任域策略优化的末制导控制量学习算法CSCD

近年来,深度强化学习在解决序列决策问题上取得了很大进展,无模型强化学习算法在与环境不断交互的过程中学习策略,不需要提前对环境建模,使其适用于许多问题。针对以往使用强化学习进行末制导策略学习的训练不稳定问题,使用信任域策略优化算法直接学习末制导控制量,同时设计了一种新颖的奖励函数,可以提高训练稳定性和算法性能。在二维环境下进行了实验,结果表明,该算法具有良好的训练稳定性,并可以达到很好的命中效果。     

基于免疫粒子群算法的滑油屑末支持向量机预测模型设计

将人工免疫理论的克隆选择算法中的抗体克隆、变异和抑制策略引入粒子群优化算法中,提出了一种基于克隆选择的免疫粒子群优化算法,克服了基本粒子群算法易于陷入局部最优解的缺点.针对支持向量机预测模型的参数选择影响其预测精度的问题,引入免疫粒子群优化算法设计了参数自适应优化的航空发动机滑油屑末支持向量机预测模型.仿真结果表明:与传统的交叉验证试算法相比,基于免疫粒子群优化的预测模型实现了参数的自动择优,并且提高了预测精度.      

基于SVR-PSO改进算法的航空发动机稳定性控制

在多变量发动机寻优控制中,用支持向量回归算法(SVR)对粒子群优化算法(PSO)进行改进可以有效避免局部最优解的出现.将改进算法应用于航空发动机实时稳定性控制,根据发动机仿真计算程序计算出发动机在各工作点处的稳定裕度,根据控制参数的变化域进行全局寻优,寻找满足压缩系统稳定裕度最小的工作点.仿真和分析表明:该算法实时性高,收敛速度快,具有较强的全局寻优能力,能在保证发动机稳定裕度最小的同时有效降低涡轮前温度和耗油率.      

基于大规模训练集SVM的发动机故障诊断

提出了一种新的学习策略,用于解决发动机故障诊断中大规模支持向量机(SVM)的训练问题.通过保留初始SVM分类器支持向量超平面附近的样本以及错分样本,使最终得到的约减集规模明显缩小,从而可在保持较高分类精度的前提下使训练时间明显缩短;同时,由于支持向量的数量减小,分类时间也相应缩短.探讨了序贯最小优化(SMO)算法的参数选择和实现过程中的关键问题,为这种极具潜力的算法在发动机故障诊断中的实际应用奠定了坚实的基础.仿真实例表明,这种基于大规模训练集SVM的发动机故障诊断方法有效、可靠,容易实现,可以作为工程应用的基础.      

Model parameters estimation of aero-engine based on hybrid optimization algorithm

A hybrid optimization algorithm for the time-domain identification of multivariable,state space model for aero-engine was presented in this paper.The optimization procedure runs particle swarm optimization (PSO) and least squares optimization (LSO) "in series".PSO starts from an initial population and searches for the optimum solution by updating generations.However,it can sometimes run into a suboptimal solution.Then LSO can start from the suboptimal solution of PSO,and get an optimum solution by conjugate gradient algorithm.The algorithm is suitable for the high-order multivariable system which has many parameters to be estimated in wide ranges.Hybrid optimization algorithm is applied to estimate the parameters of a 4-input 4-output state variable model (SVM) for aero-engine.The simulation results demonstrate the effectiveness of the proposed algorithm.      

基于寿命件的民航发动机送修目标确定方法

为了科学合理地制定维修工作范围,提出了一种面向全寿命周期的基于寿命件的民航发动机送修目标确定方法.首先以全寿命周期内送修次数最少、寿命件总成本最低、目标在翼总循环最长为优化目标,建立了多目标优化模型;在分析各优化目标的基础上,提出了一种基于分步求解策略的模型求解方法;最后,采用某航空公司一台航发动机的实际数据对提出的送修目标确定方法进行了验证.结果表明提出的方法能够基于妥协系数和各优化目标权重实现全寿命期内送修次数和寿命件总成本的平衡,能够为发动机送修目标的确定提供决策支持,避免了送修目标确定的随意性.     

航空发动机自动平衡技术发展综述

针对航空发动机在运行过程中不平衡振动过大的问题,采用自动平衡技术进行在线质量补偿,可有效降低其振动水平。目前自动平衡技术主要运用于航空发动机结构、控制算法、工程应用3个方面。基于影响系数法的电磁驱动型自动平衡在美国空军C-130H运输机上得到工程应用,飞行测试4个发动机螺旋处的振动均低于1.27mm/s,降低了94%,因螺旋桨振动导致的压气机处振动降低了75%。研究结果表明:航空发动机自动平衡技术可实现在线持续动平衡,能有效降低发动机及其组件的振动疲劳损伤,降低发动机维护费用,延长维修周期。自动平衡技术在航空发动机领域得到工程应用是一个循序渐进的过程,还需要进一步开展结构设计、控制策略、系统集成等方面的研究工作,并在航空发动机设计阶段就考虑纳入自动平衡结构。      

信赖域滤子算法在航空发动机在线优化中的应用

主要研究了航空发动机在线优化问题.以非线性发动机部件级模型为优化对象,将信赖域滤子算法应用于航空发动机在线优化,相比基本信赖域算法,该算法由于采用非单调的滤子算法和松弛重置,兼顾了算法在目标函数值下降与可行性保持两方面的品质,通过松弛重置避免子问题的不可行性,滤子算法则保证了算法收敛到全局最小解.最后,基于信赖域滤子算法,以涡扇发动机最小油耗寻优控制为仿真算例,验证了该算法的优越性.      

基于比例风险模型的航空发动机视情维修决策

基于航空发动机在翼监控信息来合理确定视情维修(CBM)决策是航空公司安全运营中的重要内容。本文利用Weibull比例风险回归的建模思想,分析了航空发动机因性能衰退而换发的历史监控数据记录,并据此建立了反映该类发动机性能参数与在翼时间之间的函数关系;进而采用最小维修成本、最大可用度策略确定最优维修决策阈值,为同类型在翼发动机进行维修决策的优化提供了一个客观的量化方法。最后对CF6型发动机历史故障数据进行了实例分析,表明该方法在发动机视情维修决策中的实用价值。      

基于复合模型及FSQP算法的发动机性能寻优控制试验

提出了一种在保证优化效果前提下提高发动机在线性能寻优实时性的方法,即一方面基于相似理论建立了适用于非加力状态的发动机复合稳态模型,在优化过程中替代原部件级模型以缩短优化计算时间,另一方面采用先进的可行性序列二次规划算法寻求全局最优解,以提高优化精度。最终实现了上述方案在最小油耗模式及最大推力模式下的数字仿真及半物理模拟验证,相比于传统的基于发动机部件级模型进行性能寻优控制,其优化精度相当,但优化实时性得到大幅度提高,从仿真结果可以看出上述方案的有效性及可行性。     

基于混合优化算法的固液发动机装药优化设计

为了减小固液发动机工作过程中氧燃比的变化导致的比冲等性能损失,提出基于差分进化和克隆选择的混合优化算法,建立装药优化问题的优化模型和优化流程,采用惩罚函数处理约束条件,对某型固液发动机进行了装药优化和分析.结果表明该优化算法和流程性能良好,优化后发动机的性能得到了明显提高,减小了余药质量分数和工作压强,改善了燃烧室和喷管的工作环境,且平均比冲提高了1.2%.      

航空发动机虚拟自学习控制方法研究

随着人工智能技术的发展，智能航空发动机逐渐成为当今航空领域研究的热点。传统的航空发动机控制对发动机模型的依赖性过强，而基于发动机气热动力学公式的机理建模会引入较大的建模误差，给控制器设计带来困难。对此，提出一种基于强化学习的航空发动机控制虚拟自学习方法，首先利用航空发动机的试验数据通过LSTM 神经网络建立虚拟学习环境，然后采用深度强化学习TD3 算法，在虚拟环境中训练智能控制器，最后采用JT9D 发动机模型验证智能控制器的性能。结果表明：相比于传统PID 控制，智能控制器产生的超调量更小，调节时间更短。     

基于深度强化学习的无人机栖落机动控制策略设计

无人机栖落机动飞行是一种无需跑道的降落方法，能够提升无人机在复杂环境下执行任务的适应能力。针对具有高非线性、多约束特性的无人机栖落机动过程，提出了一种基于模仿深度强化学习的控制策略设计方法。首先，建立了固定翼无人机栖落机动的纵向非线性动力学模型，并设计了无人机栖落机动的强化学习环境。其次，针对栖落机动状态动作空间大的特点，为了提高探索效率，通过模仿专家经验的方法对系统进行预训练。然后，以模仿学习得到的权重为基础，采用近端策略优化方法学习构建无人机栖落机动的神经网络控制器。最后，通过仿真验证了上述控制策略设计方法的有效性。     

航空发动机电子控制系统的小型化SIP技术

针对电子装备小型化的需求,开展了对航空发动机电子控制系统的系统级封装(SIP)技术研究.以一个航空发动机电子控制系统设计为例,采用芯片堆叠结构,将多个裸芯片管脚用键合线引至电路衬底上的连接点,辅以印制板电路,构成完整的电路系统.通过设计优化和信号完整性仿真分析来控制信号质量,试验验证了在保证电路板信号质量的情况下,采用SIP技术,面积缩小约80%,质量减少约70%.研究显示系统级封装技术是未来航空电子控制系统小型化、高可靠的发展方向之一.      

航空发动机拆换率平滑方法研究

结合发动机视情维修策略的特点,建立起基于发动机剩余在翼时间预测方法的以飞机为对象的发动机群总保障成本的混合整数非线性规划模型,并提出了一种启发式拆换率平滑方法——SSPT算法,并以CF6型发动机的使用数据为例与其它三种算法进行分析比较.研究结果表明应用SSPT算法制定维修调度计划,能够使总保障成本最低、保障率最高、平均拆换率下降,并得到较好的拆换率平滑效果.      

基于生成对抗近端策略优化的机动策略优化算法

针对传统强化学习算法在生成空战机动策略时存在收敛效率低、专家经验利用不足的问题,研究了基于生成对抗-近端策略优化的策略生成算法。算法采用判别器-策略-价值(DAC)网络框架,在近端策略优化(PPO)算法基础上,利用专家数据和环境交互数据训练判别器网络,并反馈调节策略网络,实现了约束策略向专家策略方向优化,提高了算法收敛效率和专家经验利用率。仿真环境为基于 JSBSim开源平台的 F-16飞机空气动力学模型。仿真结高,PPO果表明,本文算法收敛效率高于算法,生成的策略模型具备较好的智能性。     

基于序列二次规划算法的发动机性能寻优控制

提出用非线性序列二次规划(SQP,Sequen tial Q uadratic P rogramm ing)算法解决发动机性能寻优控制问题。分析了线性规划(LP,L inear P rogramm ing)算法用于发动机性能寻优的固有缺陷以及SQP算法的优点。给出了SQP算法与LP算法用于最大推力模式和最小油耗模式仿真结果对比曲线。数字仿真实验的结果表明,SQP算法具有比LP算法更好的优化效果,在工程实际中有很大的应用潜力。     

改进粒子群优化算法在亚轨道飞行器固液混合发动机设计中的应用

针对粒子群优化算法在求解多维复杂优化问题时容易陷入局部最优的缺点,提出了动态目标粒子群优化算法,通过分析寻优过程中粒子与个体最优位置和全局最优位置之间存在的位置关系,建立了新的速度更新公式.最后,应用该算法对某型号亚轨道飞行器固液混合发动机进行了优化设计.仿真结果表明,改进算法搜索能力强、收敛速度快,能有效解决此类问题,可为亚轨道飞行器的发动机优化设计提供理论参考.