遗传算法在阵列天线方向图综合中的应用

应用遗传算法对一八单元阵列天线激励幅度和相位进行优化,成功地填充了阵因子方向图一侧0~30°范围内零点,同时将另一侧副瓣压低至-20dB以下。在此基础上编制了一通用程序,在优化变量中引入单元间距,可进行任意形状方向图的综合,取得了良好的效果。     

一种基于遗传RBF神经网络的智能容错滤波算法

针对组合导航中标准卡尔曼滤波容错性能不足的问题,提出一种基于遗传RBF神经网络的智能容错滤波算法,其基本思想是通过RBF网络自动调节滤波增益来控制不确定性噪声的影响,进而提高滤波容错性。在RBF神经网络中,隐层单元与核函数宽度的选取对网络的性能具有重要影响,进而利用自适应遗传算法对其隐层单元数及核函数宽度进行了优化,隐层单元中心和输出层连接权值分别由K-均值聚类和最小二乘算法确定,最后得到精度较高且结构优化的RBF网络。为检验方法的应用效果,以SINS/GPS组合导航系统为例进行了仿真验证,实验结果表明遗传RBF网络容错滤波算法能在满足导航精度和计算量增加较小的前提下,比标准卡尔曼滤波具有更强的容错能力,由此也说明了方法的有效性。     

感应电动机寿命预测的加速退化试验方法研究

感应电动机正常使用时一般具有长寿命高可靠性,为在较短时间内预测感应电动机的寿命,提出了一种简单易行的感应电动机加速退化试验方法:在电动机转轴上偏心安装圆孔叶片模拟电动机负载工作时承受的不平衡载荷,并且通过改变叶片偏心安装孔的位置模拟增大不平衡载荷。进行了3种应力形式的试验研究,以试验中测得的电动机轴心轨迹面积值表征电动机的性能退化指标,建立了轴心轨迹面积相对变化的漂移Brown运动和幂律加速退化模型,利用无偏估计法和最小二乘法得到模型参数的估计,外推获得叶片无偏心安装状态下的不平衡重力矩,以该值作为电动机正常工作时承受的不平衡载荷,预测和分析了电动机正常工作寿命和可靠性,验证了加速退化试验方法的可行性和高效性。     

基于模糊策略的高速飞行器滑模控制律设计

以通用高超声速飞行器GHV为研究对象,针对其俯仰通道设计了具有良好鲁棒性的飞行控制系统.为了便于应用滑模控制理论,对该模型进行了输入输出反馈线性化,将其转换成仿射型.鉴于鲁棒性与抖振的矛盾,基于指数趋近律完成了滑模控制律结构设计,进而采用了模糊控制理论改进指数趋近律.基于遗传算法完成了所有控制参数的设计,确定了模糊逻辑...     

基于动态逆的高超声速飞行器高度控制方法

针对通用高超声速飞行器的非线性模型,提出了一种高度控制方法。基于动态逆理论,通过输入输出反馈线性化把非线性模型转换为等价线性系统;然后为等价线性系统设计跟踪控制器,并基于遗传算法优化控制参数。仿真表明,该方法能够提供满意的精度和鲁棒性。     

基于LS-SVM的恒定应力ALT非参数统计方法

针对某些产品寿命分布未知,无法采用参数方法对其加速寿命试验进行统计分析的问题,建立了基于LS-SVM的恒定应力ALT非参统计方法,实现了对产品可靠度的预测及相关可靠性特征量的统计.仿真对比和应用实例结果表明,该方法统计精度高,且易于编程实现,适用于寿命分布未知及截尾试验情况F的恒定应力ALT统计分析.     

伴飞航天器燃料最优交会

应用遗传算法针对伴飞航天器由共面椭圆伴飞轨道不同位置出发，与中心航天器进行直接碰撞交会和软交会的燃料最优问题，进行了历遍求解。根据计算结果，应用多元线性回归分析得到了直接碰撞最优交会问题的解析解表达式。直接碰撞最优交会问题的解析解可作为软交会问题的次优解。     

航天电子产品加速寿命试验技术研究

文章应用加速寿命试验理论和技术,对加速寿命试验的类型、参数模型以及加速方程的线性化等问题进行了分析,针对航天某电子产品的特点以及寿命分布假定,进行了加速寿命试验技术应用的研究,选择了以温度为应力的恒定应力加速寿命试验方案,并给出了应力水平,阐述了基于阿伦尼斯模型的加速寿命试验数据统计分析方法。     

平流层飞艇艇身外形研究

为了完成特定的任务,平流层飞艇需要克服风场保持长期定点,因此要求其阻力最小。飞艇总阻力中艇身阻力占60-70%,因此对飞艇而言,针对艇身外形进行研究得到阻力小而且实际可用的外形是非常重要。本文采用势流-边界层耦合方法与混合遗传算法对平流层飞艇艇身的外形进行了优化。外部势流采用在艇身表面分布点源的Hess\|Smith面元法求解,边界层计算采用积分边界层方法,阻力系数采用
Squire\|Young方法计算得到。最优外形通过由遗传算法和Nelder\|Mead单纯形法组成的混合遗传算法优化得到。通过优化分析得到了一种实际可用的优化外形,具有在湍流和层流两种流态下阻力系数都比较小的优点。     

基于分层策略的三维航迹快速规划方法

快速航迹规划能力是任务规划系统追求的目标之一。提出了一种基于分层策略的三维航迹快速规划方法。该方法分为两个层次：全局规划和局部规划。全局规划在综合利用战场信息的基础上,利用遗传算法规划出最优或次优的引导点集,该引导点列所在的区域为最优连通域,并且在该连通域内能找到可行航迹,全局规划利用引导点列大致指明了最优航迹的走向;局部规划根据全局规划提供的引导信息和战场信息,利用SAS(Sparse A Search)算法快速规划出满足攻击角度约束的平面可行航迹,高度规划采用速度较快的几何规划方法。仿真实验表明,该方法比SAS规划方法要快,且生成的三维航迹近似最优。