基于负载平衡的微小卫星任务调度研究

在微小卫星星载机双机热备份的工作模式下,将两个星载机设计为并行工作的模式有利于提高星务系统的工作效率。文章结合星务系统的实际任务,以减小任务执行时间和任务在两个星载机上的平衡分配为目标,利用遗传算法实现了任务在双星载机上的调度分配。最短的任务执行时间和负载的平衡在某种程度上是相互制约的。文章在用于任务调度的遗传算法适应度函数的构造中,综合考虑了任务执行时间和负载平衡双重因素,并将这两个参数进行了量化,在适应度函数中分配了相等的权重,通过遗传算法的迭代获得这两个参数的最佳平衡点,使得星务系统的综合性能得到优化。     

基于神经网络遗传算法的CFRP拉挤工艺优化

根据固化动力学和传热学理论,建立了碳纤维增强聚合物基复合材料(CFRP,Carbon Fiber Reinforced Polymer)拉挤成型非稳态温度场与固化动力学数学模型.采用有限元与有限差分相结合的方法,结合ANSYS求解耦合场的间接耦合法,对CFRP拉挤过程非稳态温度场和固化度进行数值模拟.使用特殊设计制作的铝毛细管封装的布拉格光栅光纤(FBG,Fiber Bragg Gratings)传感器,对温度场进行实时检测;并采用索氏萃取实验测定CFRP制品固化度.模拟与实验结果基本吻合.以数值模拟结果为样本建立反向传播神经网络,训练得到固化炉温度与CFRP固化度之间的非线性相关关系.采用神经网络与遗传算法相结合的方法,优化得出拉挤固化炉三段最佳温度值,结果表明神经网络结合遗传算法优化拉挤工艺参数快捷有效.     

SGKW轨道在线生成技术研究

天基对地打击动能武器(SGKW)用于从太空对地面高价值战略目标进行快速、准确的打击.针对作战实时性要求,探讨了SGKW的轨道在线生成技术.首先,利用庞特里亚金极大值原理将时间最短打击轨道的最优控制问题转化为两点边值问题.由于约束条件中存在优化参数,一种基于"遗传算法+序列二次规划"的组合优化算法被用于求解伴随变量初值和再入点参数.为了提高轨道生成的速度,在大量离线优化数据的基础上建立了BP神经网络预测模型,其预测值通过序列二次规划算法稍加修正,即可满足相应任务的落点精度要求.仿真结果验证了上述方案的有效性.     

深度交叉遗传神经网络在液体火箭发动机故障检测中的应用

将遗传算法与BP神经网络深度交叉融合,即采用遗传算法对BP神经网络的权值和阈值进行多点优化,而在进化的每一代中随机取少量染色体进行单一BP网络训练,训练结果再返回染色体,经过若干代的进化后得到稳定的权值和阈值,再将它们赋给BP神经网络,作为初始值,按误差前向反馈算法沿负梯度搜索重新训练,最终得到最优解。这种算法既避免BP算法易陷入局部最优解的不足,又克服遗传算法以类似穷举的形式寻找最优解而引起的搜索时间长、速度慢的缺点。并且经过仿真分析,深度交叉遗传BP神经网络的收敛性和故障诊断能力优于传统BP神经网络和单一使用遗传算法,可有效应用于液体火箭发动机故障检测中。     

GA-PSO组合算法模型修正

文章在遗传算法（GA）和粒子群算法（PSO）的基础上,介绍了GA-PSO组合算法的流程和模态修正适应度函数的确定,并利用该算法对一个5层钢架结构模型进行修正,证实了该算法能有效修正模型。该算法能在前期利用GA算法进行高效全局搜索,后期利用PSO算法进行细致局部搜索,与单独使用PSO算法和GA算法相比,该组合算法修正效率和精度更高。     

遗传算法在编队卫星群轨道机动中的应用分析

卫星群机动是航天器发展的一个方向.针对编队卫星群的Lambert机动问题,采用Gim-Alfriend矩阵建立了包含中心轨道根数和摄动项的群卫星的相对运动模型,设计了转移轨道上的卫星群队形协同保持的脉冲控制策略.应用遗传算法对编队卫星群轨道机动问题进行了优化,优化指标分别为卫星群协同变轨过程中总燃料消耗最少或燃料均衡分配最小.分析了群机动过程中燃料消耗的影响因素.算例结果表明遗传算法可以很好地应用于编队卫星群机动问题.     

航空发动机解耦控制器设计

提出了一种基于输出拟形的解耦控制器设计方法。设计过程中针对某型涡扇发动机双变量控制系统,首先选取2个理想的一阶环节形成2个独立控制回路,以其在各通路单独阶跃下的无耦合响应为拟形目标。以LQR控制器设计为例,采用遗传算法(GA)来优化LQR控制器的加权矩阵Q和R,使闭环控制系统在各控制回路单独阶跃下的输出与目标相一致,从而达到解耦的目的。通过优化算法,设计出的LQR控制器取得了良好的动、静态解耦效果。     

基于遗传算法和BP网络的航空发动机拆换期望值预测

通过使用真实样本实验的方法,在BP神经网络、GA遗传算法与改进的GA-BP复合算法中,找出能迅速精确地预测航空发动机拆换期望值的最佳方法。试验结果证明,GA-BP复合算法在用遗传算法对神经网络的权值进行大致搜索以后,再用神经网络方法进行训练,能很好地模拟发动机拆换期望值,并用实例证明该算法是有效的。      

大范围轨道机动的燃料消耗优化方法

针对航天器大范围轨道交会提出了二冲量燃料最省机动方案的数值寻优算法及多冲量机动方案的啸声境遗传算法.利用共面圆\椭圆轨道间的转移实例对两种算法正确小生境遗传算法.利用共面圆\椭圆轨道间的转移实例对两种算法正确性进行了验证,通过仿真实验,比较了大范围交会轨道机动中不同冲量次数对总燃料消耗的影响,分析得出了非共面轨道交会机动时燃料最省的指导性方案.     

基于EMD和SVM的机载燃油泵故障诊断研究

针对机载燃油泵故障数据来源较少、诊断效率较低、维护费用较高、缺乏有效故障特征的问题,利用机载燃油转输系统实验平台收集的振动信号和压力信号,提出了一种基于经验模态分解(EMD)和支持向量机(SVM)的机载燃油泵故障诊断方法。首先,利用EMD提取振动信号不同频段的能量值作为特征参量,并结合压力信号均值构造故障特征向量;其次,分别采用遗传算法(GA)、粒子群优化算法(PSO)、樽海鞘群算法(SSA)、网格搜索算法(GS)对SVM的惩罚参数和径向基函数(RBF)参数进行优化,并对优化后的SVM诊断性能进行了评估;最后,分别采用SVM、极限学习机(ELM)、BP神经网络作为分类器,并对3种分类器的诊断性能进行了评估。结果表明:采用3种群智能优化算法的SVM故障诊断率均能达到100%,寻优过程中均未陷入局部最优解,且寻优时间相当,其中GA的训练时间最短,可以采用GA对SVM参数进行寻优;当采用GA_SVM作为故障分类器时,用时较短,且故障诊断率较高,可以选用GA_SVM分类模型实现机载燃油泵的高效故障诊断。