基于PSO算法的舰载机舰面布放调度方法研究

基于智能粒子群(PSO)算法对戴高乐航母舰载机舰面布放调度问题的解决方法进行了研究。首先,分析了舰载机舰面布放调度的必备条件,包括设置舰面战位;测量计算舰载机由各个停机战位分别到2个准备战位的近似移动距离;分析了舰载机正常的出动流程;设计了不同数量舰载机的出动时间计算公式等。其次,将舰载机舰面布放调度问题转换为带有约束条件的多目标函数求最小解问题,并给出了数学模型。再次,分析PSO算法本身的特点、优点,给出其用于解决舰载机舰面布放调度问题的可行性,并具体分析了解决思路。最后,通过编制程序对该解决方法予以实现。实验结果表明,基于PSO算法的舰载机舰面布放调度问题解决方法是可行的,与实际要求也基本一致。     

独立离场模式下多跑道时空资源优化调度方法

为有效缓解大流量、高密度机场日益严重的交通拥堵和航班延误现状,研究了多跑道离场航班优化调度问题。首先,从生产调度领域视角,将多跑道离场调度问题抽象为典型的车间作业调度NP-Hard组合优化问题;然后,面向航空运输各方利益需求,以航班延误、跑道容量和环境污染为优化目标,综合考虑航空器尾流影响、场面滑行和跑道穿越等各类限制因素,建立了独立离场模式下多跑道时空资源优化调度模型;最后,结合多目标优化及遗传算法基本理论,设计了带精英策略的非支配排序遗传算法(NSGA-II),寻求多跑道离场调度问题的Pareto最优解。仿真实验表明,模型可对独立离场航班进行优化配置,显著降低航班延误时间和航空发动机污染物排放量,并有效提升机场跑道容量。与随机和交替调度策略相比,优化调度策略执行效果显著,其中航班延误时间分别减少了51.2%和42.7%,所提方法可显著缓解大型繁忙机场离场航班起飞延误,有效提升航空运输服务品质。     

基于改进粒子群算法的机场多航班多服务调度策略

机场加油、行李和配餐等多项地面服务是航班正常运行的关键,也是机场大面积航班延误快速恢复过程重点考虑的问题.在对多航班多服务调度目标和约束条件分析的基础上,提出了多航班多服务调度模型,定义了粒子的二维表示方法,设计了一种改进粒子群算法来生成航班调度方案,并针对国内某机场的航班数据进行了仿真实验,结果表明,该算法与基本粒子群算法、进化策略相比,有明显优势,可极大地提高多航班多服务调度水平和机场地面服务效率.     

高超声速飞行器再入轨迹多目标优化

针对飞行器再入轨迹多目标优化问题,提出了一种基于粒子群算法与层次分析法的综合求解策略。首先,根据飞行器的动力学模型以及再入约束条件,建立了飞行器多目标优化模型;然后,考虑到粒子群算法只能求解无约束单目标问题,采用罚函数处理飞行过程中的约束条件和优化目标;最后,针对不同约束及目标的权重对再入轨迹的影响,利用层次分析法建立包含主观评估信息的优化模型,采用粒子群算法优化求解满足相应约束条件的再入轨迹问题。仿真结果表明,该方法所生成的优化轨迹具有较高的精度和计算效率,并对设计者的主观需求有良好的体现。     

基于HPSO-W算法的多机航迹协同规划方法

随着无人机应用愈加广泛,三维环境下多无人机航迹协同规划问题成为近年来的研究热点。针对多机协同航迹规划问题,基于应急物流任务环境与无人机性能约束,以全局安全运行综合代价最小为优化目标建立时空协同规划模型。考虑航迹规划中粒子群算法易陷入局部极值,后期收敛慢的缺点,提出一种基于狼群优化思想的混合改进粒子群算法HPSO-W。主要是先对粒子群算法参数进行优化,加入极值变异思想,并引入头狼召唤和优胜劣汰机制,平衡算法全局和局部搜索能力,加速后期收敛,避免局部阻滞,提高寻优性能。对比验证了HPSO-W算法的高效性,并通过实例验证了协同航迹规划方法的可行性与有效性。     

基于改进PSO的飞行控制律参数多目标优化方法

针对传统飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且与飞行品质要求缺乏相关性,以及物理意义不明确等缺点,提出了一种基于改进粒子群算法的飞行控制律多目标优化设计方法。该算法模拟鸟类捕食过程,使得种群随着"食物"的发现和消耗,聚集为数量和构成动态调整多个子群,且子群粒子速度也随之进行自适应变异。从而,有利于维持种群的多样性,有效抑制早熟收敛现象发生。最后,还使用改进的粒子群优化算法对某型飞机横侧向控制律设计进行了数值仿真,结果显示该算法有效提高控制律优化调参效率,可满足期望的飞行品质要求。     

物理规划方法及其在飞机方案设计中的应用

 物理规划方法是一种高效的设计优化方法,它与设计者的工程经验紧密联系,能以较低的计算代价获得真实反映设计者偏好的折衷解,对解决多目标优化设计问题具有重要意义。将物理规划设计方法与稳定、高效的粒子群优化算法相结合,有效地求解多目标优化问题中的折衷非劣解。通过求解数值算例和民用飞机方案设计问题,验证了该方法的有效性。     

飞机飞行控制系统参数多目标优化设计研究

针对传统飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且与飞行品质要求缺乏相关性,物理意义不明确等缺点,提出了一种基于改进粒子群算法的飞行控制律多目标优化设计方法。算法模拟鸟类捕食过程,使得种群随着"食物"的发现和消耗,聚集为数量和构成动态调整多个子群,且子群粒子速度也随之进行自适应变异,从而有利于维持种群的多样性,有效抑制早熟收敛现象发生。最后,使用改进的粒子群优化算法对某型飞机纵向控制律设计进行数值仿真,结果显示,算法有效提高控制律优化调参效率,结果满足期望的飞行品质要求。     

航空企业自动化立体仓库输送系统的调度优化

运用粒子群算法解决航空企业自动化立体仓库中输送系统的调度优化问题.针对某主机厂自动化立体仓库输送系统的特点,采用分拣上/下包台、出/入库台、AGV运行的时间总和最小化作为性能指标,用粒子群算法的基本原理作为优化思想,然后使用 MATLAB软件进行算法仿真,分析结果的合理性.结果表明,该模型及仿真结果是合理的,效率高,满足航空企业使用需求.     

数字化生产车间动态生产环境复杂调度策略

提出了一种实用的双层调度策略,通过对制造设备的负荷分析及加工能力的评判,以最小作业生产延迟和最大系统设备利用率为目标产生可行的调度方案.该方案使用一种集成遗传算法和粒子群算法的新型调度算法解决调度问题,试验结果证明了该策略的可行性和有效性.     

亚轨道飞行器航程控制的末端能量管理方法

提出一种针对小能量亚轨道飞行器在无动力返回末端区域的多参数耦合、能量航向分离控制、动势能匹配衰减的精确控制的末端能量管理方法。以动能、势能作为约束条件,以航程作为优化指标,采用能量控制方法实时生成能量剖面,根据飞行器名义能量/航程在能量剖面中的位置确定迎角,最终生成三个姿态角。仿真结果表明用这种方法得到了良好的制导结果。     

一种混合粒子群优化算法在翼型设计中的应用

提出了一种分层交换差分粒子群优化算法。作为一种混合算法,将粒子群优化算法与差分进化算法有机地结合了起来,使得粒子种群和差分种群分层交换,共享最优信息,加快了收敛速度,降低了陷入局部最优的风险,函数测试结果表现出算法具有更好的寻优性能。将算法应用到翼型设计之中,取得了良好的优化效果。     

基于直流微电网的混合储能协调控制策略仿真研究

针对直流微电网中光伏发电单元出力的波动性和间歇性造成系统内部功率不平衡的问题,混合储能系统可以同时发挥蓄电池高能量密度和超级电容高功率密度的优势,根据直流母线电压进行混合储能单元间的协调控制策略。该策略将直流母线电压进行分层控制,采用四个电压阈值共分成五个控制区域,以直流母线电压为信息载体,决定储能系统的运行状态,实现对混合储能单元的充电、放电模式间自主切换。电压分层控制有效地避免了蓄电池由于电压波动而频繁进行充放电切换,从而延长了电池的使用寿命。最后,MATLAB/Simulink的仿真结果验证了所提控制策略的可行性。     

一种基于能量受限的分布式多传感器管理算法

在能量受限的分布式多传感器跟踪系统中，跟踪目标的同时，需要节省能量消耗，延长系统生存周期，本文依据一种传感器节点能量消耗模型，提出了一种以能量消耗和信息增量为效用的传感器管理算法。仿真结果表明该算法能提高跟踪精度，减少能量消耗，延长系统的使用时间。     

基于滑模控制的末端能量管理方法

简要介绍了末端能量管理的研究情况,然后对末端能量管理段进行轨迹规划。在轨迹规划的基础上,设计基于滑模变结构控制的制导律,对轨迹进行跟踪,对能量进行管理。仿真结果表明,滑模变结构控制在末端能量管理制导中合理、有效,具有很强的鲁棒性。     

基于粒子群算法的翼型优化设计

采用粒子群算法（PSO）对层流翼型进行了以提高升阻比为目标的优化设计。翼型的设计达到了设计要求,优化设计后的翼型气动特性也有显著地改善,这表明了粒子群算法应用于翼型气动优化设计的可行性。在优化设计的过程中,粒子采用递减惯性权重,以加强粒子初期的全局搜索能力与后期的局部搜索能力。翼型由解析函数线性叠加法表示,目标函数和粒子的适应度由基于二维欧拉方程的流场数值解来提供。     

飞轮储能用磁悬浮开关磁阻电机多目标优化设计

研究了一种基于遗传粒子群综合算法(GPSOA)的飞轮储能(FES)用的单绕组磁悬浮开关磁阻电机(SWBSRM)多目标优化设计方案。结合有限元分析(FEA),通过敏感性分析得到SWBSRM悬浮力与效率随主要尺寸参数变化的一般规律。在此基础上,利用GPSOA以悬浮力和效率为目标函数对SWBSRM进行了全局寻优,获得使悬浮力最大和效率最高的参数优化组合。利用FEA对比优化前后电机悬浮力、铁损及磁密的大小,验证了GPSOA多目标优化的有效性。     

改进的粒子群优化算法在气动设计中的应用

为了提高优化系统的搜索效率,发展出了社会模型这种改进智能优化算法的通用策略,在此基础上,提出了一种基于社会模型的改进粒子群优化(IPSOSM)算法。该算法对社会模型进行了分析并在此指导下,将人工鱼群算法(AFSA)中的聚群行为引入到粒子群优化(PSO)算法中,丰富了粒子之间的优势信息源,增强了粒子的信息共享能力,使得IPSOSM算法能够有效地跳出局部最优。函数测试表明,该算法显著提高了PSO算法的寻优性能。将IPSOSM算法应用到翼型和机翼的气动优化设计之中,取得了良好的结果,从而表明提出的算法简洁有效,具有较好的实用性。     

粒子群优化方法及其实现

介绍了一种新颖的全局优化搜索新方法-粒子群优化方法,讨论了其中的参数设置问题,给出了一个用VB实现的程序,详细给出了该实现的数据结构和程序框架,该程序以二维视图形象地表现粒子群的寻优过程,并辅以学习曲线,有利于进一步的研究。