粒子群优化算法在网络计划资源优化中的应用

对粒子群优化算法在网络计划资源优化中的应用进行了探讨,首先,介绍了粒子群优化算法的基本原理,给出了网络计划中工期固定一资源均衡优化问题的优化目标和数学模型;然后,详细介绍了粒子群优化算法实现网络计划资源优化的算法流程及其编程实现,对典型网络计划进行优化的结果表明粒子群算法可以较好地实现网络计划资源优化。     

多网络约束下NNS分布式融合估计器设计

针对节点量测增益衰减、节点能量受限与系统模型不确定3种网络约束下具有随机通信时滞和非固定丢包率的组网导航系统(NNS)分布式状态融合估计问题，将增益衰减程度描述为统计特性已知的随机变量，将模型不确定描述为系统矩阵中的乘性有色噪声，将减小能耗描述为降低节点数据传输率。分别在邻节点端和目标节点端引入2种不同的线性编码器以解决丢包与时滞问题。建立丢包率与同时传输信息的节点数目之间的函数关系，将邻节点在过去有限个时刻的量测值进行线性编码后再传输，以补偿丢包与降低传输率导致的信息损失。目标节点把在同一采样周期内获取的来自同一邻节点的多个量测值按时间戳进行线性编码，以解决通信时滞导致的信息多余。基于2次线性编码建立增广系统模型，设计最小方差意义下局部无偏估计器，利用最优矩阵加权融合法得到全局融合估计器，推导得到融合估计误差协方差收敛的充分条件及次优传输率。通过算例仿真验证所提算法的有效性。     

集群空间控制框架下的四旋翼编队飞行研究

针对四旋翼编队控制问题,采用水平通道与高度通道解耦的四旋翼动力学模型,基于集群空间控制方法设计了编队控制器。首先介绍了集群空间控制方法的两个重要概念,即集群空间变量和集群运动学关系,进而以3架四旋翼为例,详细地给出了集群空间编队控制器的设计思路。在选取集群变量并建立编队与单机的运动学关系后,设计了不完全微分PD控制器以产生集群控制指令。不完全微分PD控制与常规PD控制相比,前者抗高频干扰能力更强。最后通过仿真验证了该编队控制算法能够完成多架四旋翼的队形放大和队形保持任务,且具有较高的控制精度和较好的抗高频干扰能力。