应用于卫星自主任务调度的改进遗传算法

针对具有侧摆能力的对地观测卫星的自主任务调度问题,对卫星自主任务调度问题和约束条件进行了描述,针对卫星自主任务调度NP-hard的特点,构建了基于目标收益及多约束卫星任务调度模型。设计了一种改进的遗传算法,从遗传操作的各个部分进行算法优化。首先将小区间法应用于初始种群生成,保证了种群的多样性,并且交叉和变异算子均引入自适应概率;同时采用两代竞争技术来避免“早熟”现象,提高算法的效率和鲁棒性。算法还采用最优保留策略用来保存进化中的最优解,使得算法收敛于全局最优。对局部多冲突观测任务应用该改进遗传算法,并针对区域密集目标的观测问题设计了仿真试验,与传统模拟退火算法及免疫蚁群遗传混合算法进行了比较,验证了该算法的有效性和收敛效果。     

面向天文观测的空间科学卫星任务规划方法研究

面向天文观测的空间科学卫星任务规划是一个复杂的多目标优化问题.通过对天文观测类卫星的任务规划要素及约束条件进行抽象,建立了面向天文观测的多目标任务规划问题模型,在此基础上设计了基于NSGA-II的多目标观测任务规划算法,并通过实例进行了实验及结果分析.研究表明,该方法能够有效解决天文观测类卫星不同规模的任务规划问题.      

天区机遇目标空间探测任务规划算法

针对中法合作SVOM卫星的天区范围内机遇目标规划问题（ToO-MM），对其中的约束条件和优化目标进行抽象，建立了规划问题数学模型，设计实现了基于启发式规则的机遇目标规划算法TMHPA。以最大化卫星科学观测收益和最大化应急任务响应度为优化目标，考虑卫星姿态调整时间的影响，对观测任务和数传任务进行规划。通过仿真实验验证算法的有效性，结果表明该方法能够在保证算法收敛性和时效性同时，给出卫星在天区范围内的网格单元（tile）目标观测序列以及执行数传任务的时段安排，实现对ToO目标观测的快速响应，并及时下传机遇目标科学观测数据，满足规划算法的设计需求。     

海洋一号卫星观测任务规划算法设计及系统应用

针对海洋一号卫星观测任务规划需求,提出并实现了基于遗传策略的任务规划框架,解决了卫星实际使用中成像任务受卫星其他业务影响的多类型约束成像规划问题。基于海洋一号卫星实际规划业务要求,对任务规划约束和优化目标建立数学模型,提出了由预处理、窗口约束处理和组合约束处理与优化组成的三阶段规划框架。设计了多约束任务规划优化目标函数,并利用交叉、变异和种群选择等遗传机制对优化问题进行了求解。基于海洋一号卫星实际观测需求数据,对提出的算法进行了有效性和性能验证,结果表明本算法能够给出满足多类型约束的观测规划方案,并在观测时间、观测覆盖率等方面较其他策略有显著提升。研究结果表明通过优化目标函数的设计遗传算法能够实现复杂约束条件的成像规划求解,算法框架可为与海洋卫星具有相似业务特点的对地观测规划系统设计提供借鉴。     

引入多Agent协商的协同优化在卫星设计中的应用

卫星设计是复杂的多学科优化问题,协同优化算法具有模块化特点适合于处理多学科优化问题。在对卫星进行多学科优化时发现,现有的协同优化算法为了保证共享变量在系统级和分系统级间的一致性,收敛困难,计算量大,不对分系统自身进行优化不能保证卫星整体性能最优。本文通过引入Agent概念和基于Agent的协商算法,提出了一种基于劝说式多Agent协商的协同优化设计算法。针对对地观测卫星,以总质量最小为目标,建立了包含结构、轨道控制、姿态控制和电源4个分系统Agent和1个系统级Agent的卫星优化设计模型并进行了协同优化设计。研究结果表明:引入Agent协商算法的协同优化算法,可以保证共享变量的一致性;在协同优化算法中增加分系统自身优化模块,可以保证在系统级优化过程中各分系统一直都是最优的。      

基于扩展卡尔曼滤波的XPNAV-1卫星自主定轨算法研究

X射线脉冲星导航1号（XPNAV-1）是全球首颗脉冲星导航专用试验卫星。利用该卫星观测的单颗脉冲星数据,采用几何约束方法,能够有效抑制轨道误差增长,但存在长时间定轨发散问题。针对XPNAV-1卫星拓展试验任务及脉冲星导航后续发展需求,利用多颗脉冲星的观测数据,研究基于扩展卡尔曼滤波（EKF）的卫星自主定轨算法。首先,建立该卫星的轨道力学模型和观测方程;然后,详细论述EKF滤波算法和分段式定常系统（PWCS）的可观测性分析方法;最后,通过综合分析XPNAV-1卫星的观测数据、脉冲星对该卫星轨道的覆盖性以及系统状态的可观测性,进行自主定轨算法试验。试验结果表明,基于EKF的自主定轨算法滤波过程收敛,验证了该算法的合理性和有效性。     

基于人工免疫算法的地球-火星小推力转移轨道优化

利用人工免疫算法研究了地球-火星小推力转移轨道优化问题。首先针对地球-火星转移轨道的特点建立系统模型并进行归一化处理;然后通过参数化和罚函数将小推力轨道优化问题转化为非线性规划问题;最后提出一种引导型人工免疫算法(Guiding Artificial Immune Algorithm,GAIA)并对该优化问题进行寻优。仿真算例表明,该算法收敛速度快,寻优精度高,且避免了初值敏感、病态梯度和局部收敛等问题;同时验证了GAIA用于小推力轨道优化的有效性。     

面向多星区域观测调度的改进型自适应遗传算法

针对传统优化算法在解决多星区域观测调度问题中收敛速度缓慢和易于陷入局部最优解的不足,提出了一种改进型自适应遗传算法。该算法通过蒙特卡洛方法结合Hamming距离,给出较优的初始种群;根据种群的平均Hamming距离确定交叉和变异操作的执行顺序,并结合sigmoid函数和高斯函数基于种群的个体适应度设计了自适应非线性的交叉率和变异率;结合双精英保留策略和锦标赛策略,保证最优个体的遗传;使用双重停机条件,提高算法的搜索效率。最后,通过实验表明,该方法可以显著提高全局搜索能力,加快算法的收敛速度,有效提高卫星的观测效率。     

对地观测卫星有限推力快速轨道机动优化方法

研究了对地观测卫星在有限推力作用下,快速轨道机动到目标区域上空的优化算法.分析了任务需求并选取两次点火的变轨方法,使算法更具普适性.推导出考虑J2摄动的三维空间的有限推力动力学方程.使用Lambert方法确定有限推力时间变量的取值范围,并在此基础上使用遗传算法进行优化,最终得到时间最优意义的优化结果.通过一个算例对整个优化算法做了验证.结果表明该算法精度高、计算时间短,适用于快速轨道机动任务.      

自适应两级UKF算法及其在时变偏差估计中的应用

针对存在时变偏差的非线性系统状态估计问题,提出了一种新型的自适应两级UKF算法（ATUKF,adaptive two—stage unscented Kalman filter）．该算法利用衰减因子补偿模型的不确定性,对状态和偏差实施分离估计,并利用估计偏差对状态进行更新．将该算法用于存在随机时变偏差的近地卫星自主导航系统的状态估计问题中,仿真结果验证了其有效性,并利用可观测性分析方法对导航系统的可观测性进行了分析．     

改进蚁群算法求解时变网络中最短路径问题

给出一种时变网络中蚁群算法的信息素更新策略,使边上残留信息素能够正确反映时变网络中边上权值的变化情况;改进了传统蚁群算法的相邻节点选择策略,使蚂蚁只需计算与当前节点存在直接路径的节点的转移概率,降低算法的计算量;将蚁群算法和遗传算法结合,将蚁群算法每次遍历后形成的解作为初始群种进行单点交叉计算,避免陷入局部最优解,提高算法收敛速度.仿真结果表明,改进的蚁群算法能够有效求解时变网络中最短路径问题,比传统蚁群算法得到全局最优解的概率更大,算法的收敛速度更高.     

遗传算法在电子战干扰规划中的应用

电子对抗干扰资源任务规划问题对于充分发挥干扰机作战效能,取得最佳干扰效益有重要作用.结合现代电子战特点,利用搜索论推导出了干扰机压制概率的计算公式,建立了干扰任务分配模型,并阐述了传统匈牙利方法在这一问题处理上的局限性.结合智能优化算法,提出了基于遗传算法的干扰资源优化分配模型.解决了优化分配模型所需的符号编码方式,并给出了相关的选择、交叉、变异等遗传算子的具体设计.利用该模型,解决了2个实例.结果表明,该模型在干扰资源任务配置问题上具有很强的实用性,遗传算法可以有效地辅助指挥员解决干扰资源部署决策这一复杂而困难的问题.     

基于改进遗传算法的航空集装箱装载问题研究

针对标准遗传算法求解装载方案时存在收敛速度慢、易早熟、寻优结果欠佳的问题,基于拟人装载策略,提出了一种以集装箱空间利用率最大为目标,考虑货物装载顺序、体积、质量、重心、不重叠等多种实际约束的改进遗传算法。首先,采用与货物放置状态相结合的实数编码,随机产生初始种群;然后,在常规选择操作中加入最优解保存策略,并将稳定性、支撑限制、重心约束考虑到进行线性尺度变换后的适应度函数中,以此来计算每种装载方案的评估值;最后,输出评估值最高的方案作为最优装载方案。实验采用异构性不同的测试算例进行性能测试,结合3组具体货物装载数据证明算法的普适性与实用性。结果表明:所提算法在求解强异构货物装载过程中具有较好的优化效果,适用于求解集装箱装载问题。与标准遗传算法相比,收敛性与搜索速度有所提高,2种不同箱型的集装箱空间利用率分别提高了3.82%和3.66%,运行时间分别缩短了7.9 s和5.58 s,能快速找到最优装载方案,可有效解决规则、不规则集装箱的货物装箱问题。基于MATLAB软件实现装载方案的可视化,为集装箱的实时装载决策提供了理论基础。      

基于Pareto遗传算法的复合材料机翼优化设计

针对某型飞机设计过程中遇到的副翼反效问题,提出了复合材料机翼满足气动弹性要求的优 化方法,构造了一种基于Pareto最优解定义的多目标遗传算法——Pareto遗传算法.该算法 以权重信息为基础建立Pareto解集过滤器,引入小生境技术等实现Pareto前沿面的求解.测 试函数计算表明该算法有较好的收敛性.以复合材料机翼的升力系数和滚转力矩系数为目标 函数,采用Pareto遗传算法进行计算得出一组Pareto最优解集,计算结果表明,给出的方案 能够满足工程需求,为决策者提供了多种可选方案.      

解决排班问题的多目标优化模型及算法研究

为提高排班结果的准确性可靠性,提出了排班问题的多目标优化模型,并应用改进的基于信息熵的自适应遗传算法求解模型的最优解.同时引入分割集和模拟退火算法的思想进行优解的选择.通过对航空公司机组排班问题的仿真比较,模型的正确性和先进性得到了验证.      

一种网络环境中的故障诊断模型

结合故障诊断的需求和存在的问题,提出了一种以故障症状、故障假设、诊断操作和观测操作节点为基本元素,并具有网络结构的诊断模型.在该模型基础之上,遵循诊断过程独立的假设,解决实际诊断过程中操作依赖关系的问题,提出了一种基于诊断贝叶斯网络DBN(Diagnosis Bayesian Network)的故障诊断算法.同时通过引入观测操作,加快诊断的速度并且降低诊断代价.试验表明,与P/C更新算法比较,该算法能更有效地降低诊断代价,实现快速故障诊断,较好解决了操作依赖的复杂故障诊断问题.      

基于满意决策的多机协同目标分配算法

多机协同目标分配问题是无人机UAV(Uninhabited Aerial Vehicle)研究 中一个重要的问题.考虑UAV差异、目标差异及战场态势对目标分配的影响,建立了多机 协同目标分配问题的数学模型.提出基于满意决策的目标分配算法,通过搜索个体满 意集合获取群体优化的目标分配方案.对多目标分配问题,将攻击方案作为个体满意集 合的元素扩展了基于满意决策的目标分配算法.为适应更大的问题空间的求解需求,提出递 阶分配框架,并将满意决策方法用于递阶分配.计算结果表明,算法能有效提 高搜索效率,并得到很好的优化效果.      

基于三分图的非共面卫星分布式加注任务规划

分布式加注规划的目的在于规划加注过程的交会路径,使任务在满足约束的情况下整体燃料消耗最优。针对异面圆轨道卫星间的分布式加注策略,建立了分布式加注任务规划问题的数学模型,把该规划问题归结为非完全赋权三分图的匹配问题,并将整体最少燃料消耗作为规划目标。其次,进行了算法的流程设计,采用了Kuhn-Mundres图论算法和整数遗传算法相结合的LSGA算法加快了收敛的速度保证了全局最优。最后,选取了两个具有小角度轨道偏差的异面卫星星座对该问题进行分析。计算得到了优化后的双冲量机动下加注任务的服务关系与燃料代价,规划算法的有效性也得到了验证。