4基于遗传禁忌混合算法的敏捷卫星任务规划

多星多载荷敏捷成像卫星自主任务规划是一个复杂的多约束、非线性NP困难问题.分析了卫星观测任务约束和星上资源约束,建立了多星多载荷自主任务规划模型.针对此任务规划模型的特点,以及传统遗传算法和禁忌搜索算法的优缺点,采用了一种遗传禁忌混合算法进行求解.混合算法将禁忌算法嵌入遗传算法作为禁忌算法变异算子,解决了遗传算法早熟的问题.仿真结果表明混合算法比遗传算法收敛速度更快,比禁忌算法优化效果更好.     

基于混沌理论滚动轴承振动稳健化试验数据的动态分析

提出改进的Huber M方法是以中位数和Huber M方法两种稳健化处理相融合的一种对数据进行稳健化处理的方法.用中位数和数据平均值相似度判断数据是否有变异,根据变异率变化趋势确定变异率.发现在0%~10%变异率范围内,滚动轴承振动数据的连续性和可信度随着变异率的增加而增强.用混沌理论分析滚动轴承的动态特性,发现同一批次的滚动轴承振动有相同的时间延时、嵌入维数、最大Lyapunov指数,其中最大Lyapunov指数均大于0即属于混沌特征,进一步计算最大可预测周期,最大可预测周期为667个单位.滚动轴承振动时间序列物理空间的中位数和相空间的估计关联维数为非线性非单调性的内在运行机制,为滚动轴承振动的动态分析进一步提供可靠的依据.      

带有查找表的混沌变异小生境遗传算法的景象匹配

针对常规遗传算法容易陷入局部最优、收敛速度慢的缺陷,提出了带有查找表的混沌变异小生境遗传算法,并将其应用于景象匹配。实验表明,该算法既较好的解决了匹配运算量大的问题,大幅提高了景象匹配的速度,又克服了常规遗传算法的缺陷,提高了局部寻优能力,保持了很好的匹配精度。     

混沌麻雀搜索优化算法

针对麻雀搜索算法(SSA)在接近全局最优时,种群多样性减少,易陷入局部最优解等问题,提出了一种混沌麻雀搜索优化算法(CSSOA)。首先,通过改进Tent混沌序列初始化种群,提高初始解的质量,增强算法的全局搜索能力。其次,引入高斯变异的方法,加强局部搜索能力,提高搜索精度;同时以搜索停滞的解为基础产生Tent混沌序列,用此混沌序列对部分陷入局部最优的个体进行混沌扰动,促使算法跳出限制继续搜索。最后,对12个基准函数进行仿真实验。结果表明:所提算法能够克服SSA易陷入局部最优的缺点,提高算法的搜索精度、收敛速度和稳定性。同时,将CSSOA应用到简单图像分割问题,验证了CSSOA应用于实际工程问题的可行性。      

基于改进差分进化算法的密封舱结构优化设计

针对差分进化算法"早熟"问题,提出一种自适应变异率的双策略差分进化(AD-DE)算法。在迭代前期取较小变异率,并采用全局变异策略,快速锁定较优开采区间;在迭代后期取较大变异率,同时采用改进的局部变异策略,提高算法局部开采能力及加快收敛速度。将该算法应用于8个测试函数的优化中,结果表明:AD-DE算法与其它4种差分算法相比具有更好的全局寻优能力,并在某型密封舱结构优化中应用了该算法,有效地减轻了密封舱的结构质量,得到了较好的结构参数。     

样本量对滚动轴承振动性能变异过程评估的影响

以轴承全寿命周期内的振动时间序列为研究对象,构建最大熵泊松评估模型以研究滚动轴承振动性能的演变历程。将振动时间序列分为不同的段数,基于最大熵原理和泊松过程,计算各个振动时间序列相对本征时间序列的变异概率、性能保持可靠度及其变异速度和变异加速度等指标;分析各个性能变异指标与样本量的关系,从而选取合适的样本量;用动态平均不确定度分析性能保持可靠性评估结果的不确定性。结果表明:针对案例1和案例2,将样本量分别选取为800~1000和500~900,既可以使本征序列数据样本蕴含足够的振动信息;又可以对轴承振动性能的具体变异过程进行有效地评估。      

文体中的变异及其翻译

变异是文学语言中一个十分有趣的现象,它对文学风格有明显的影响,因而越来越多地引起了文体学家和语言学家的重视。本文主要对变异的定义、表现形式、文体价值以及引起变异的原因做了简要论述。另外,变异与常规的关系,以及在翻译过程中如何处理变异现象,也是本文讨论的重点问题。     

基于灰色估计和多项式变异理论的附件传动系统在随机载荷作用下的疲劳寿命预测

针对航空发动机附件传动系统在随机疲劳载荷作用下的寿命预测问题,提出了综合灰色估计和多项式变异理论的疲劳寿命预测方法。运用灰色模型和多项式变异理论,得到二维载荷谱及等幅疲劳中值曲面。以平行轴-齿轮传动结构为例,基于Miner疲劳累积损伤理论,危险点的疲劳中值寿命计算值约为135×107次。验证试验中采用等效应力状态的40Cr标准试件,工艺流程依据GB3077-82可满足航空传动轴强度要求。定时截尾寿命试验的样本容量是45,试验样本寿命的均值约为142×107次,结构疲劳中值寿命的试验值略高于计算值,证明该计算方法是可靠并偏于保守的,为提升附件传动系统疲劳寿命提供理论参考和数据基础。     

基于程序变异的Simulink模型测试方法

为解决当前Simulink模型变异测试中测试执行开销大、测试用例生成效率低等问题,首先根据当前的Simulink模型变异算子集,基于程序变异技术提出了Simulink模型的变异测试过程和一组改进变异算子集.实验表明,在不影响测试用例集变异评分的情况下,该组变异算子集能够有效减少变异模型的生成数量,从而降低测试开销.其次,设计了一种基于搜索的Simulink模型变异测试用例生成方法,该方法将变异模型的测试用例生成问题转换为目标函数极小化问题,通过模拟退火算法对目标函数寻优,最终搜索出能够杀死该变异模型的测试用例.最后,将该方法应用于典型案例,验证了方法的正确性和有效性.      

基于改进实数遗传算法的函数全局优化

将一种改进的实数遗传算法用于函数全局优化。改进的算法建立在对基本实数遗传算法搜索特性判断的基础上。文中对实数遗传算法的基本操作进行了简单的讨论和选择 ,将一种混沌序列作为刺激因素加入到算法中 ,并将区域划分与取舍的思想应用到算法结构改进中。数值实验显示 ,新方法对寻找复杂问题的全局解、提高搜索精度方面较基本实数遗传算法有较大改进。