用于快速仿真优化的改进差分进化算法及其应用

提出一种改进的差分进化算法,采用一种“位变”方法计算收缩因子,该方法首先根 据适应值对种群排序,然后根据各个体的排列位置确定收缩因子;采用正态分布函数对算法 参数进行随机扰动来维持种群的多样性;该算法还提出一种新的变异算子,并将其与基本的 差分变异算子结合使用以提高算法的寻优精度。经过对多个Benchmark函数的测试、分析和 比较,结果表明该算法具有较高的收敛精度和较快的收敛速度。最后将该算法用于火箭发动 机涡轮气动优化,以较小的计算成本将涡轮气动效率提高了2.5％。应用结果表明该算法 适用于快速仿真优化问题,能有效地节约计算成本。
     

航天器铷钟的一种精密控温系统

研究了一种应用于航天器的高精度、高稳定度的温度控制系统：使用热敏电阻作为温度传感器;采用多级控温策略,核心级采用基于径向基函数（Radial Basis Function,RBF）神经网络比例、积分、微分（PID）控制算法,非核心级采用积分分离式PID算法;采用脉宽调制（PWM）控制作为控制方式。以航天器铷钟作为控制对...     

基于微分平滑的欠驱动刚性航天器时间最优轨迹规划研究(英文)

针对非轴对称欠驱动航天器提出了一种新的基于微分平滑特性的时间最优轨迹规划算法。首先,在控制输入受限的约束条件下,对给定的初末姿态,选取航天器机动时间最短为待优化的性能指标。其次,在欠驱动航天器的非受控轴上引入虚拟控制输入,扩展系统的平滑特性,从而使得系统的姿态和控制输入变量均可由平滑输出函数及其各阶导数代数表征;同时为保证优化问题的等价性,引入虚拟控制输入始终为零的附加等式约束。进一步,利用伪谱法离散系统的平滑输出函数,将优化问题最终转化为一个低维的,仅含有代数约束的非线性规划问题,且无需积分求解系统的动态力学方程。仿真结果表明该算法不仅能够有效地减少优化所需的时间,而且运算精度较高。     

进化算法在系统可靠性多目标优化中的应用

为解决复杂系统可靠性设计的多目标优化问题，采用NSGA-Ⅱ进化算法，在一次性获得大量均匀分布的非劣解后，根据定义的满意度函数对每个非劣解进行模糊评价。运用群体排序、小生境、比较操作和精英保留等关键技术，将整个非劣解集分为若干个具有不同性能特征的类，决策者可根据各自的偏好从中选择最终的满意解。分析结果表明，进化算法具有较高的优化效率。     

机动飞行非线性解耦控制

给出了非线性解耦系统平衡点的计算公式。用微分几何控制理论研究了飞机非线性运动的 3种解耦运动模式,并用这 3种模式实现了 3种形式的敏捷性机动和直接升力控制的 3种基本模式,即 An,α1和α2 模式。计算结果表明,给出的 3种解耦模式能精确地实现这些运动模式。为飞机敏捷性和直接力控制问题提供了一种理论研究方法     

判断矩阵的一个恰当的校正方法

 本文首先证明了成对比较矩阵在相容性矩阵集合中的最佳逼近的存在性和不唯一性。然后通过微分同胚,把原来的非线性逼近转化成一个线性逼近,从而用投影定理获得解决。算例证明该方法简易可行。     

基于ADE-ELM的涡轴发动机建模方法

提出了基于自适应微分进化-极端学习机(ADE-ELM)求解平衡方程的高精度涡轴发动机实时部件级模型建立方法.基于牛顿-拉夫逊(N-R)迭代模型,以迭代计算前模型平衡方程残差为输入,迭代收敛后平衡方程猜值修正量为输出,训练极端学习机,并采用自适应微分进化(ADE)算法优化极端学习机(ELM)参数,提高猜值修正量映射精度.ADE算法中采用sigmoid型自适应缩放因子,提高了微分进化算法的寻优能力.在涡轴发动机不同飞行状态下的测试结果表明,以N-R迭代算法模型为基准,基于ADE-ELM的发动机模型,最大建模误差约为一次通过算法的1/3,运算耗时约为一次通过算法的1/3,验证了算法的有效性.      

双框架MSCMG框架伺服系统的动力学解耦及扰动补偿

双框架磁悬浮控制力矩陀螺(MSCMG)框架伺服系统是一个多变量、强耦合、非线性的复杂系统,针对耦合力矩对框架系统速率伺服性能的影响,以及框架系统动力学解耦之后存在残余耦合、卫星运动引起的牵连力矩和非线性摩擦的问题,提出了微分几何法与扩张状态观测器(ESO)相结合的高精度控制方法,在线性化解耦的基础上对残余耦合、牵连力矩及非线性摩擦进行观测补偿以提高框架伺服系统解耦及速率跟踪性能。仿真结果表明、由耦合力矩引起的内、外框架速率波动最大值分别从0.18(°)/s和0.12(°)/s减小到5×10^-3(°)/s和4×10^-3(°)/s,内、外框架正弦角速度跟踪误差分别从0.18(°)/s和0.19(°)/s减小到0.005(°)/s和0.004(°)/s。所提出的方法实现了框架伺服系统的动力学解耦以及非线性摩擦和牵连力矩的补偿,提高了框架系统的解耦性能和速率伺服精度。     

航空发动机气路部件故障融合诊断方法研究

针对发动机气路部件故障,提出了一种基于模型和基于数据驱动的融合诊断方法。采用极端学习机(ELM)实现基于数据驱动的故障诊断。针对ELM随机选择输入层权值和隐含层偏置带来的缺点,采用改进微分进化(IDE)算法以训练样本的均方根误差(RMSE)和输出层权值的范数为评价标准对其进行优化,减少了ELM的隐含层节点数,提高了网络的泛化能力。同时,由于传感器数目的不足,采用基于奇异值分解(SVD)的Kalman(SVD-Kalman)滤波器实现基于模型的部件故障诊断。为了提高航空发动机部件故障诊断的精度,利用改进的迭代约简最小二乘支持向量回归机(IRR-LSSVR)算法对两种算法的估计结果在特征层进行定量融合。仿真结果表明,在发动机稳态状态下,与单独使用基于模型和数据驱动的诊断方法相比,采用特征层融合有效地提高了部件故障诊断的精度和准确率。     

电罗经航向的H ∞跟踪估计方法研究

为提高在风、流、摇摆等众多外界干扰下电罗经航向输出的精确度,提出 了基于H∞的航向跟踪估计方法。简要介绍了H∞估计理论,基于H∞估计理论对最速跟踪 微分器进行一步改进设计,构造误差反馈矩阵,实现最速跟踪微分器的在线反馈控制, 获得较为理想的效果,为减小电罗经航向误差及提高航行安全提供一种行之有效的方法。