基于自适应步长选择的周期格型线搜索估计

稀疏、含噪观测条件下周期点过程的周期估计是一个经典的信号处理问题。针对该问题,提出了一种格型线搜索(LLS)算法,该算法通过数值方式搜索似然函数的最大值,但其性能取决于人为预先选取的搜索步长。推导了一个步长计算公式,并利用该公式改进了LLS算法。改进的LLS算法能够自适应选择搜索步长,其达到的克拉美-罗界(CRLB)的信噪比(SNR)门限与最大似然估计(MLE)算法一致,但计算复杂度比后者低一个多的数量级。性能分析与仿真实验表明,所提算法比已有算法能更好地实现估计精度与复杂度的折中。     

一种改进的果蝇优化算法及其在气动优化设计中的应用

果蝇优化算法(FOA)是一种新的群体智能优化算法,具有良好的全局收敛特性。为进一步提高FOA的寻优性能,将其引入到气动优化设计中,发展形成了改进的果蝇优化算法(IFOA)。IFOA通过引入惯性权重函数动态调整搜索步长,有效实现了算法全局搜索和局部搜索之间的动态平衡,提高了算法整体搜索效率和寻优精度;对于多维优化问题,IFOA每次搜索仅随机扰动其中一个决策变量,并在每个迭代步内将所有优秀果蝇个体(可行解)结合产生一个全新的果蝇个体进行一次搜索,大大加快了算法的收敛速度。函数测试结果表明,IFOA显著提高了FOA的寻优性能。将IFOA应用到气动优化设计中,翼型反设计和单/多目标优化设计的算例表明,IFOA是一种简单高效的优化方法,可广泛应用于气动优化设计。     

非线性下降因子智能单粒子算法

下降因子是基本智能单粒子算法中一个非常重要的参数,控制着算法由全局搜索转向局部搜索的速度,平衡算法的全局和局部搜索性能。基本的智能单粒子算法采用定值下降因子,不能随着计算的需要实时作出调整,对算法的性能造成了一定的不利影响。在基本的智能单粒子算法基础上,通过引入最大下降因子和控制因子这两个参数,提出一种基于非线性策略下降因子智能单粒子算法,成功地使得下降因子能够根据计算的需要而实时改变。函数测试和气动优化结果表明,改进算法能在相同的计算规模下获得比基本智能单粒子算法更好的解。     

基于值域的多约束GNSS单频单历元定姿新算法

多天线增强了全球卫星导航系统（GNSS）单频单历元姿态测量解算模型的强度,但随着天线数量增加,模糊度维数成倍增加,从模糊度域确定搜索空间的计算量将显著增长。基于此,提出了基于值域的多约束多天线GNSS单频单历元姿态测量新算法：该算法将姿态约束融入值域搜索模型,利用姿态约束条件推导搜索步长,通过姿态域三维搜索确定模糊度搜索空间,以基于最优条件姿态解非迭代近似估计的方法固定模糊度。实验结果表明,新算法中模糊度搜索效率较原方法提高约65.8%,固定模糊度效率较标准迭代算法提高约95.3%,且与标准迭代算法性能相当;所提算法能够实现GNSS单频单历元的模糊度固定和载体全姿态测量,具有较高的正确率。     

考虑轴承游隙的非线性动力学轴承-转子系统优化

针对一类带动态性能约束的轴承-转子系统优化设计存在的问题,做如下改进工作:一是在目前一类轴承-转子系统优化模型基础上,将轴承游隙作为设计变量,考虑轴承游隙的影响;二是提出了一种演化算法/线性搜索的混合算法,将优化过程分为两个阶段,首先采用演化算法对问题全局寻优,求得给定代数时的优化解,再以此解作为新的初始解,采用线性搜索方法进行局部搜索.经数值仿真表明:该优化模型中增加考虑轴承游隙后,对优化结果有较大影响;提出的混合算法克服了使用线性搜索方法难以确定初始解的问题,在同等计算精度和耗时情况下,该方法求解成功率较高.      

基于DSAS算法的直升机贴地飞行在线航迹规划

通过改进优化传统A*算法,利用动态稀疏A*搜索(DSAS)算法在线设计了直升机贴地飞行轨迹.该算法采用逆向搜索方式规划航迹,在遇到新生探测威胁时,只需局部调整受到影响的航迹,减少了重新规划的范围,提高了搜索效率.此外,在生成节点时考虑了直升机性能及飞行约束,优化了搜索范围;并且根据影响贴地飞行航迹性能的各种因素,设计了航迹代价计算方法;利用层次分析法结合专家分析计算得到最优代价权值.仿真结果表明,该方法在线设计的飞行轨迹能够较全面地满足避障、贴地功能,相比稀疏A*搜索(SAS)算法节省了计算时间.     

一种低信噪比大多普勒频移下的直扩信号捕获方法

提出了伪码相位一载波频率二维搜索伪码捕获结构在低信噪比大多普勒频移情况下捕获性能恶化的问题,给出了一种中频端简单数字处理算法的解决方案,并分析了该算法的性能。仿真表明,改进的伪码相位一载波频率二维搜索伪码捕获结构在低信噪比大多普勒频移情况下解决了捕获性能恶化的问题。     

H.264快速帧间编码模式选择算法

为了减少H.264/AVC帧间编码模式选择的计算复杂度,利用编码模式之间的相关性以及视频序列时空域的相关性,提出了有选择性的小块搜索技术和有选择性的帧内编码模式搜索技术.模拟结果表明,该算法在保持率失真性能的前提下可以大幅度减少模式选择的计算复杂度,有利于H.264的实时应用.     

求解含调整时间排序问题的混合遗传算法

利用仿真工具将启发式方法与遗传算法相结合,提出了一种求解Job Shop排序问题的混合算法框架,利用启发式规则引导遗传搜索过程,以提高遗传算法的求解效率。在求解过程中,遗传算法仅对每台机器的第1道工序搜索寻优,通过仿真过程安排后续工序,在仿真过程中,利用启发式规则确定工件的加工优先级。在以上框架基础上,针对含调整时间的作业排序问题建立了一种混合算法GA-SPTS,通过与已有算法的比较表明,该算法对这类问题具有很好的求解性能。     

基于Kriging代理模型的约束差分进化算法

广泛应用的高精度分析模型使得飞行器设计优化的计算成本不断增加,为了缩短优化耗时,基于代理模型的进化算法（SAEAs）近年来得到了广泛关注。针对现有SAEAs处理约束优化问题优化效率低下的缺陷,提出了一种基于Kriging代理模型的约束差分进化算法（KRG-CDE）,结合约束改善概率与最优适应度定制了一种改进的可行准则,从而提高新增样本点的潜在可行性与最优性,并根据种群改善情况,平衡算法全局探索与局部搜索性能。标准测试算例对比研究结果表明,相比于基于全局与局部代理模型的差分进化算法、（μ+λ）-约束差分进化算法,KRG-CDE算法在优化效率、全局收敛性及鲁棒性等方面具有显著优势。最后,运用KRG-CDE算法求解全电推卫星多学科设计优化问题,验证了该算法的工程实用性。     

超参数自适应的MOEA/D-DE算法在翼型气动隐身优化中的应用

MOEA/D-DE 算法易于实现，被广泛应用于处理多目标优化问题，但其超参数CR 和F 对算法性能影响较大。基于MOEA/D-DE 算法框架、利用Sobol 全局灵敏性分析方法对差分进化算子中的交叉控制参数CR进行改进，使用莱维飞行策略控制比例因子F，使算法中的超参数拥有自适应能力，得到超参数自适应的MOEA/D-DE 算法——MOEA/D-DEAH 算法；对MOEA/D-DEAH 算法、不同超参数设置的MOEA/D-DE算法和NSGAII 算法进行函数测试和翼型气动隐身优化算例对比。结果表明：MOEA/D-DEAH 算法性能良好，具有较强的鲁棒性，气动隐身优化效果也比其他算法更好。     

部分模糊度固定方法在GNSS/INS紧组合中的应用研究

针对动态环境下GNSS/INS导航定位模糊度固定难的问题,提出了一种基于部分模糊度固定的GNSS/INS紧组合导航定位算法,通过选择模糊度的最优子集进行固定,并利用实测车载实验进行了算法验证.实验结果表明:在开阔环境下,基于部分模糊度固定的GNSS/INS紧组合与基于全模糊度固定的GNSS/INS紧组合算法的定位精度相...     

基于MEMS/UWB组合的室内定位方法

在深入研究超宽带（UWB）与车载低成本MEMS的定位原理和算法的基础上,提出了采用UWB辅助MEMS定位的算法,以抑制MEMS的发散并提高定位精度。设计了两者的融合定位算法,完成了基于MEMS/UWB的室内定位技术研究。最终试验运动253.4m,MEMS定位误差小于0.61m,MEMS/UWB融合定位误差小于0.07m。试验结果表明,MEMS/UWB算法与单独的MEMS定位算法相比,有效地提高了定位精度与定位稳定性。     

基于粒子群和人工蜂群混合算法的气动优化设计

现代启发式智能算法存在全局与局部搜索能力的平衡问题,针对此问题,采用双种群进化策略和信息交流机制,提出一种基于粒子群算法和人工蜂群算法相结合的新型混合优化算法——MABCPSO,并分别进行函数测试和翼型的气动优化设计验证。结果表明:MABCPSO新型混合优化算法具有更好的寻优能力,相比粒子群算法和人工蜂群算法,该算法能以更少的进化代数分别提高1.7%和2.2%的减阻效果。     

有限维修渠道约束下多级维修供应系统库存控制

多级维修供应管理是提高装备保障效能的有效途径,备件的筹措和规划是影响装备可用度和形成战斗力的关键因素。在可修备件库存控制的多等级(METRIC)理论的基础上,放宽了模型中"无限维修总体"的假设条件,根据M/M/C排队论,对故障件的平均维修周转时间及备件供应渠道进行了修正,建立了备件的初始库存优化模型。在传统边际优化算法的基础上,通过引入分层优化的思想,对算法进行改进,使算法具有更高的运算效率,并在理论上对其进行了证明。算例结果表明:在保证计算结果完全一致的基础上,改进的分层边际优化算法能够大大提高运算效率。     

分布式协同进化MDO算法及其在导弹设计中应用

 针对现有基于梯度的多学科设计优化 (MDO)算法不适用于具有离散和整数设计变量、设计空间非凸或不连通的多学科设计优化问题,以及倾向于收敛到接近初始点的局部最优点的缺点,为充分发挥进化算法的优越性,根据协同进化与 MDO在本质上的相似性,采用分布式协同进化机制进行 MDO算法研究。提出了分布式协同进化 MDO算法,并将该算法应用于导弹的气动 /发动机 /控制一体化优化设计。     

一种低复杂度的极低信噪比高动态信号载波粗捕获算法

 针对传统的时域匹配平均周期图算法计算复杂度高的问题,对极低信噪比高动态信号的载波粗捕获算法进行了研究,提出了一种改进的带有补零的频域移位平均周期图算法。该算法采用多速率频域移位运算简化了多支路多普勒变化率匹配,与原算法相比,其计算复杂度降低倍数为匹配支路数与补零倍数之比,捕获性能几乎不损失。给出了算法中影响捕获性能与计算复杂度的关键参数设计方法。在信噪比(SNR)为－41 dB(载噪比C/N₀=18 dBHz)、载波多普勒频偏为－300～300 kHz、多普勒变化率为－800～800 Hz/s、码速率为20 bps条件下对两种算法进行了仿真,结果表明在基本满足后级载波跟踪需求条件下,即频偏精度均达±12 Hz时,多普勒变化率精度均达±25 Hz/s,捕获概率都在90%以上时,改进算法捕获时间比原算法增加了8%,计算复杂度降低了70%。     

S形加减速的嵌套式前瞻快速算法

前瞻处理功能是现代数控系统的标志性功能之一,前瞻算法设计直接关系到数控机床的加工效率和运动平稳性。针对目前广泛研究的S形加减速前瞻算法复杂、难以满足实时性要求的问题,从工程实现的角度设计了嵌套式自适应前瞻算法。依据S形加减速曲线的对称性建立了速度规划模型,通过对加速度等效曲线逼近提高了模型求解效率,给出了S形速度规划曲线构造和校验两主要运算阶段的解析解。以连续短直线加工为例,给出了完整的嵌套式快速前瞻算法和实例加工验证。实验结果表明,所提出的算法能获得全局最优运动效率,计算量不足传统方法的30%,结果精确,耗时稳定,能满足现代数控系统甚至是高速高精度数控系统对前瞻处理的实时性要求。给出的解析结果对S形加减速模型的求解有通用意义,可适用于连续短直线、二次曲线以及非均匀有理B样条曲线(NURBS)等参数曲线的S形加减速前瞻速度规划。     

基于改进Q学习的IMA系统重构蓝图生成方法

重构蓝图定义了故障状态下系统软硬件资源的重新配置方案,是实现综合模块化航空电子系统重构容错的关键。提出了一种基于改进Q学习的重构蓝图生成方法,综合考虑负载均衡、重构影响、重构时间、重构降级等多优化目标,并应用模拟退火框架改进探索策略,提高了传统Q学习算法的收敛性能。实验结果表明,与模拟退火算法、差分进化算法、传统Q学习算法相比,本文提出的改进Q学习算法效率更高,所生成重构蓝图质量更高。     

基于概率统计的DS/FH系统干扰检测算法

基于时频分布的干扰检测算法是DS/FH（Direct Sequence/Frequency Hopping,直接序列扩频/跳频扩频）系统干扰检测的传统手段,针对其运算量大、实时性差,以及无法检测某些特殊干扰信号等问题,提出一种基于概率统计的干扰检测算法.通过统计DS/FH系统频谱图中各频率的幅值出现位置,以DS/FH信号与干扰信号频谱分布规律的差别为判决依据,完成DS/FH系统中干扰信号的检测.分析和仿真结果表明：该检测算法能够有效识别DS/FH系统中的典型干扰信号,与传统基于时频分布的检测算法相比,能够实现某些特殊干扰信号的有效检测;同时,由于该算法不需要进行复杂的时频联合分析,其运算复杂度大大降低,能够实现DS/FH系统干扰信号的快速检测.