基于改进启发式蚁群算法的无人机自主航迹规划

无人机自主航迹规划是未来无人机作战使用的关键技术难题。针对传统航迹规划方法存在的求解效率不高、实时性较差、容易陷入局部最优等缺点,提出一种基于改进启发式蚁群算法的无人机自主航迹规划算法。该算法前期使用Dijkstra算法进行初始化航迹,引入启发式信息,提高搜索效率;采用Logistic混沌映射初始化信息素,增加解的多样性,提高算法收敛速度;算法中、后期采用多航迹选择策略和模拟退火机制,提高全局搜索能力,避免因收敛速度过快而陷入局部最优解。对该算法进行仿真分析,结果表明:在存在威胁和障碍的复杂环境中,本文提出的改进启发式蚁群算法与标准蚁群算法相比,能够有效规划出一条从起点到终点的航迹,并且寻优精度更高,收敛速度更快,具有一定的应用价值。     

基于蚁群算法的固体火箭发动机总体参数优化

为建立一种支持连续域、离散域混合变量的优化算法以用于固体火箭发动机总体参数优化,改进了基本蚁群算法,融入"网格划分"、"哑元化"和"变尺度局部搜索"三种策略,以改进算法的寻优性能和使用范围,其中局部搜索算法仍采用蚁群算法。使用了几个较具欺骗性的经典测试函数对改进蚁群算法进行了测试,计算结果表明改进蚁群算法找到全局最优值的概率较大。应用改进蚁群算法对固体火箭发动机总体设计中的两个重要总体参数——燃烧室工作压强和喷管面积比,进行了优化求解,获得了满意结果。诸算例的优化结果表明,该改进蚁群算法具有支持混合变量,全局寻优性能稳定和搜索精度高的优点,对工程优化设计问题具有较好的寻优性能和更强的适用性。     

基于改进蚁群算法的无人机路径规划

针对传统无人机路径规划算法存在规划效率低以及无法满足特定任务需求的缺点,提出了基于改进蚁群优化算法的无人机路径规划算法。首先,将待规划区域栅格化,给每一个网格按顺序编号;其次,在路径搜索时引入了一种双向搜索机制,对信息素的更新规则和下一步节点的选择方法做出改进;最后,提出了一种新的方法来整合两组蚂蚁生成的路径,并给出了若干仿真试验结果。结果表明,所提算法相比传统算法更能有效避免过早陷入局部最优,收敛速度加快,生成满足任务约束的最短路径。     

蚁群算法在宽弦风扇叶片优化排序中的应用

从风扇转子的力学模型出发,推导了同时考虑三个维度质量矩的风扇转子静不平衡量和偶不平衡量的计算公式,并使用某型发动机风扇叶片装配和试车验证,结果表明考虑三个维度质量矩的不平衡量计算方法能显著减少配重块的使用,并减少配平次数.提出了基于邻域搜索改进的蚁群算法的风扇叶片排序优化方法,对某套风扇叶片进行优化排序.本优化算法的最...     

蚁群算法的改进设计及在航迹规划中的应用

将蚁群算法与人工势场算法相结合,提出了一种新的寻优算法。在算法的设计过程中,首先引入人工势场法进行蚁群算法初始信息素的分配,避免了在迭代初始阶段,信息素太少与启发信息不成比例而使得蚂蚁集中在启发信息最强的路径上,从而陷入局部最优的问题。其次,通过引入势场引导函数改进蚁群算法的状态转移函数,避免了在三维空间中蚂蚁搜索容易忽视节点周围障碍物因素,从而陷入盲目选择导致搜索时间过长的问题。将优化算法应用于无人机三维航迹规划问题的求解,并通过仿真验证了有效性。     

基于改进蚁群算法和Mann-Kendall法的涡桨发动机性能预测

针对涡桨发动机复杂、非线性的工作环境,利用层次分析（AHP）法提取发动机工作状态特征参数,考虑各特征参数对工作状态识别的影响,以特征参数加权的改进蚁群算法为基础,进行发动机同一工作状态识别、聚类,并采用Mann-Kendall法开展发动机性能预测分析。利用多台涡桨发动机性能参数飞参数据进行验证,结果表明：该方法能准确识别发动机起飞、额定工作状态,巡航以下工作状态识别准确率达84%以上;此外,发动机性能预测效率提升了近50%,而预测错误率小于10%,可以满足航空兵部队维修保障工作的实际需要。     

模糊神经网络的侧滑角校正

叙述了一种利用模糊神经网络模型来校正侧滑角的方法。侧滑角的校正基于以下七个输入变量：动静压之比、动压、迎角、滚转速率、偏航速率、飞机重心处侧向过载、基准侧滑角。在模糊神经网络模型的结构辨识中，采用了前向搜寻算法。样本数据的一部分用于训练模糊神经网络，另一部分用于测试和评价所得模型的性能；参数辨识中，采用了反向传播学习算法（即BP算法）。某型飞机的六自由度仿真软件仿真验证表明，用这种方法校正后的侧滑角具有较高的精确度。     

Uncertain multiobjective redundancy allocation problem of repairable systems based on artificial bee colony algorithm

Based on the uncertainty theory, this paper is devoted to the redundancy allocation problem in repairable parallel-series systems with uncertain factors, where the failure rate, repair rate and other relative coefficients involved are considered as uncertain variables. The availability of the system and the corresponding designing cost are considered as two optimization objectives. A crisp multiobjective optimization formulation is presented on the basis of uncertainty theory to solve this resultant problem. For solving this problem efficiently, a new multiobjective artificial bee colony algorithm is proposed to search the Pareto efficient set, which introduces rank value and crowding distance in the greedy selection strategy, applies fast non-dominated sort procedure in the exploitation search and inserts tournament selection in the onlooker bee phase. It shows that the proposed algorithm outperforms NSGA-II greatly and can solve multiobjective redundancy allocation problem efficiently. Finally, a numerical example is provided to illustrate this approach.     

一种新的蚁群算法及其在飞行器设计中的应用

尝试将蚁群算法引入飞行器优化设计领域,为此建立了适用于高维、多目标、多约束优化问题的连续空间蚁群算法,并以高超声速飞行器气动布局的多目标优化设计为例进行了验证.优化设计结果与采用遗传算法得到的优化结果进行了对比,指出了蚁群算法的优点.该研究可为蚁群算法应用于复杂、高维的大规模飞行器设计问题提供参考.      

Shape control of spacecraft formation using a virtual spring-damper mesh

This paper derives a distance-based formation control method to maintain the desired formation shape for spacecraft in a gravitational potential field. The method is an analogy of a vir-tual spring-damper mesh. Spacecraft are connected virtually by spring-damper pairs. Convergence analysis is performed using the energy method. Approximate expressions for the distance errors and control accelerations at steady state are derived by using algebraic graph representations and results of graph rigidity. Analytical results indicate that if the underlying graph of the mesh is rigid, the convergence to a static shape is assured, and higher formation control precision can be achieved by increasing the elastic coefficient without increasing the control accelerations. A numerical exam-ple of spacecraft formation in low Earth orbit confirms the theoretical analysis and shows that the desired formation shape can be well achieved using the presented method, whereas the orientation of the formation can be kept pointing to the center of the Earth by the gravity gradient. The method is decentralized, and uses only relative measurement information. Constructing a distributed virtual structure in space can be the general application area. The proposed method can serve as an active shape control law for the spacecraft formations using propellantless internal forces.     

Simultaneous spacecraft attitude and orbit estimation using magnetic field vector measurements

Based on magnetometer measurements only, three-axis attitude, rate, and orbit estimation are successfully achieved. A single Augmented Dynamics Extended Kalman Filter (ADEKF) is configured by combining the spacecraft nonlinear attitude dynamics and quaternion kinematics with orbital mechanics. The filter design is adopted for three-axis stabilized spacecraft in low Earth orbits where the aerodynamic drag is the dominant source of disturbances in addition to the spacecraft magnetic residuals. To reduce the computational burden, another Interlaced Extended Kalman Filter (IEKF) is developed to uncouple the attitude/rate from the orbit dynamics. Both filters are implemented using the magnetometer measurements and their corresponding time derivatives. As a part of EgyptSat-1 flight scenario, detumbling and standby modes are used for performance testing of the ADEKF. The concept of local observability is applied to the basic filter and the stability is investigated by incorporating extensive Monte Carlo simulations with uniformly distributed initial conditions. The filter shows the capability of estimating the attitude better than 5 deg and rate of order 0.03 deg/s in each axis. In orbit estimation, the filter is capable of estimating the position with accuracy less than 8 km and velocity upto 5 m/s in each axis.     

基于人工蜂群算法与NURBS的吸附式叶型优化设计

为提高轴流压气机吸附式叶型优化设计的质量,设计了一套基于人工蜂群(ABC)算法和非均匀有理B样条(NURBS)的自动优化设计系统.对人工蜂群算法的运行机制进行了深入分析,并与目前广泛使用的遗传算法(GA)进行了对比.对比发现人工蜂群算法可以更好地逼近全局最优值且收敛效率提高50%.使用NURBS对叶型进行参数化,并研究了参数化过程中的畸变问题.将抽吸参数与叶栅参数同时作为优化变量,使用该系统对一吸附式叶栅进行了优化.结果显示:抽吸槽设置在58.44%轴向弦长位置处流动损失下降明显,与优化前未抽吸叶型相比流动损失降低64.8%,气流分离得到有效抑制.     

基于小波和模糊神经网络的涡喷发动机故障诊断

提出了一种基于小波和模糊神经网络的涡喷发动机故障诊断方法。即利用小波变换获取特征域，取特征域上的峰值因子、脉冲因子、裕度因子、偏态因子、峭度因子及频谱最大值作为神经网络的输入，并对神经网络的输入、输出进行模糊化处理，以神经网络进行诊断。将该方法成功地应用于某型涡喷发动机的故障诊断，结果表明，该方法诊断效果明显。     

自适应遗传神经网络算法在推力估计器设计中的应用

为了在全包线内能够准确方便估计出航空发动机推力,提出了一种自适应遗传神经网络算法:将遗传算法和神经网络技术相结合充分发挥遗传算法和神经网络各自的全局收敛性和局部搜索快速性的优点,其中通过自适应概率遗传操作及局部寻优算子直接优化出神经网络拓扑结构及权值(包括阈值),克服了神经网络隐层节点需凭经验尝试的缺点和神经网络对初始权值(包括阈值)敏感的缺点,再应用神经网络对上述优化的权值(包括阈值)进行"精调",最后设计出全包线推力估计器.经验证,此推力估计器具有较高估计精度和良好泛化能力.      

数字化城市交通向导仿真的蚁群优化算法

以求解旅行商问题的蚁群算法为基础,充分考虑交通向导最佳路径的具体要求,对算法的选择机制、更新机制以及协调机制作进一步改进,引入自适应的转移策略,并融入节约法,以克服基本蚁群算法计算时间长、易出现停滞等缺陷。以湖北荆门地区车辆选择路径为研究对象,采用蚁群优化算法建立了车辆最佳路径的模型,并对其进行了仿真分析。仿真实验结果表明,优化算法比基本蚁群算法的路径更优,寻路时间更短。     

基于过程神经网络的航空发动机排气温度预测

从泛函分析的角度出发,将航空发动机排气温度预测问题转换为一种泛函逼近问题.利用过程神经网络对任意连续泛函的逼近能力,提出了一种基于过程神经网络的航空发动机排气温度预测方法.为克服过程神经网络学习速度慢的问题,为其开发了一种基于正交基函数展开的Levenberg-Marquardt学习算法.将所提出的预测方法应用到某型航空发动机的排气温度预测中,取得了满意的结果.      

基于神经网络和模糊逻辑的航空发动机状态监视

设计了基于神经网络和模糊逻辑的航空发动机状态监视系统,它包含数据有效性检查和发动机健康评估.系统利用BP(back propagation)神经网络对发动机进行数据有效性检查,根据发动机的状态确定测量参数的有效边界以检测发动机的测量参数是否超限;利用模糊逻辑对发动机健康状况进行实时的评估,监控发动机因性能蜕化引起的异常.通过对某型涡扇发动机仿真,验证了基于神经网络和模糊逻辑的状态监视系统的有效性.      

基于遗传算法优化的人工神经网络下高速滚动轴承的疲劳可靠性

考虑到高速滚动轴承中热弹流润滑效应的影响,提出一种人工智能方法进行航空轴承疲劳可靠性分析。通过带交叉项的二次多项式近似拟合温度场效应,并将热应力映射到滚动轴承赫兹接触区内,完成热弹流润滑效应下航空轴承接触应力分析模型的建立,同时考虑热弹流润滑效应、材料属性以及疲劳强度修正系数的随机性,运用人工神经网络法完成热弹流润滑效应下航空滚动轴承疲劳可靠性分析。采用遗传算法完成最小可靠性指标寻优和惩罚函数最佳设计点。基于改进的一次二阶矩法完成可靠性灵敏度分析。数值算例表明,所建立的可靠性分析模型能正确反映热弹流润滑效应对航空轴承接触疲劳的影响。与传统的Monte Carlo法相比,两种计算结果的失效概率之差为2.0×10-4,相对误差为23.8%,而所提方法耗时只有蒙特卡洛方法的0.15%,具有良好的全局搜索能力和高效的计算性能。      

基于云蚁群算法的高效节能氩弧焊工艺参数优化研究

为在氩弧焊加工过程中提升效率的同时降低能耗,研究了一种氩弧焊高效节能工艺参数的多目标优化模型及算法。首先确定了以焊接速度及焊接电流为优化变量,在综合考虑焊接设备、工件特性、操作方法及焊接质量等约束的前提下,建立了以最小电能消耗以及最短加工时长为优化目标的多目标工艺参数优化模型;提出一种基于云模型的蚁群算法(CBACO)以对所构建的优化模型进行求解,其中包含一种适当的编码方式、一种局部与全局相结合的探索策略、一种基于云模型的变异因子、传统的单点交叉因子、单形交叉因子以及适当的选择策略;通过一个针对某航空器油箱的焊接实例,对所提出的优化模型及算法的实用性进行了验证,结果表明优化参数可在保证加工质量的前提下有效地节省时间60.41%~69.05%,节省电能34.88%~46.30%。     

基于遗传算法优化小波网络的柔性喷管力矩特性辨识方法

为准确辨识负载力矩并提高主动加载负载模拟的真实度,使用了一种基于遗传算法优化的神经网络辨识方法。使用小波分析方法对测试信号进行预处理,将消噪与分解后得到的信息作为神经网络训练的扩充样本,提高了辨识精度。使用遗传算法选择最优输入信息、网络结构和隐含层规模,加快网络收敛速度并简化计算过程,实现对柔性喷管力矩的快速准确辨识。仿真结果表明该辨识方法可以准确地描述柔性喷管在典型测试信号激励下的力矩特性,平均辨识误差为2%,对于实现精确主动加载控制和验证伺服控制性能具有重要意义。