基于粒子群优化LSTM的股票预测模型

为了提高股票时间序列预测精度,增强预测模型结构参数可解释性,提出一种基于自适应粒子群优化（PSO）的长短期记忆（LSTM）股票价格预测模型（PSO-LSTM）,该模型在LSTM模型的基础上进行改进和优化,因此擅长处理具有长期依赖关系的、复杂的非线性问题。通过自适应学习策略的PSO算法对LSTM模型的关键参数进行寻优,使股票数据特征与网络拓扑结构相匹配,提高股票价格预测精度。实验分别以沪市、深市、港股股票数据构建了PSO-LSTM模型,并对该模型的预测结果与其他预测模型进行比较分析。结果表明,基于自适应PSO的LSTM股票价格预测模型不但提高了预测准确度,而且具有普遍适用性。      

一种深空粒子采样返回探测器构型设想

以太阳风粒子、深空尘埃等为目标的采样返回探测任务是空间科学与深空探测研究的热点方向之一。对“星尘号”“起源号”两个典型采样返回探测器的构型进行了分析,并梳理了其主要构型特点。结合我国月地高速再入返回飞行器的构型特点,提出了一种深空粒子采样返回探测器构型的设想：总体构型由长方形主体和流线型返回器组成,主体构型适应于承载返回器和其他装器设备,返回器构型适应于样品收集和再入返回气动外形。设计方案采用了充气式采样器进行粒子收集,具有体积小、重量轻、折叠效率高、展开可靠、工程实施简单等特点,并采用了可重复收拢展开的太阳翼,能够适应收集不同类型深空粒子的需求。     

一种基于星载GPS的月球探测器导航算法

为验证GNSS旁瓣信号对中高轨航天器在轨飞行的导航支持能力,"嫦娥5号"飞行试验器搭载了GPS导航接收机。由于目前使用的星载导航解平稳性不够,为此,根据月球探测器不同飞行段落轨道动力学特性,建立了一种基于星载GPS数据的月球探测器实时导航算法。该算法充分考虑了月球探测器不同段落的动力学特性,基于UKF滤波设计,并引入了自适应策略,以降低滤波参数选取的难度。在分析星载GPS数据特点基础上,月地返回段实测数据的处理结果验证了算法的可行性和有效性。     

混合高斯测量噪声下的多模型滤波

就带有混合高斯测量噪声的离散时间系统 ,提出了一种简化的多模型滤波。理论分析证明该滤波方法用较少的计算量得到了与交互多模型滤波相同的估计性能。为满足应用要求 ,给出了该滤波器的数值鲁棒实现方法。一个关于仅有方位测量的制导例子验证了该滤波算法的有效性。     

基于卷积盲分离的强干扰下通信信号分离算法

针对目前通信辐射源个体识别算法在实际试验中由于各类干扰信号和多径衰落导致识别率较低的问题,提出一种用于识别算法前端的信号分离算法,可有效地减少其他电磁信号对于识别算法输入信号的影响,从而提高在复杂电磁环境中通信辐射源个体识别的正确识别率。该算法将灾变策略和搜索状态的自适应引入量子粒子群算法,通过对混合信号的联合对角化从截获的观测信号中提取出目标通信辐射源的有用信号。为了更加系统、直观地衡量算法的分离效果,提出分离熵来量化算法的整体性能。仿真结果表明,该分离算法可以把目标通信辐射源的有用信号从复杂电磁环境中提取出来,从而提高通信辐射源个体识别在复杂电磁环境中的正确识别率,具有较好的可行性和有效性。     

发射系下SINS/GPS/CNS组合导航系统联邦粒子滤波算法

传统的扩展卡尔曼滤波(Extended Kalman filter, EKF)算法应用于未来高超、空天飞行器的组合导航系统时,因其模型线性化展开会导致模型不准确,从而引起导航精度下降;采用蒙特卡洛方法来实现递推贝叶斯估计问题的粒子滤波(Particle filter,PF)算法能有效避免引入线性化误差,具有一定的优势。据此,针对高超、空天飞行器在发射过程中通常需要直接获得发射惯性系下的高精度导航参数的需求,提高发射惯性系下弹载组合导航系统滤波算法的精确性就尤为重要,PF滤波算法无需对非线性系统进行线性化展开即可直接实现对非线性系统的状态误差估计。为此,本文将PF滤波算法引入空天飞行器SINS/GPS/CNS多信息融合组合导航系统,设计了发射系下基于联邦滤波器的PF滤波算法,实现了对组合导航系统状态参数的直接建模估计。算法仿真结果表明,相较于发射系下SINS/GPS/CNS组合导航系统联邦EKF滤波算法,PF滤波算法有效提高了组合导航系统滤波精度。     

粒子群算法在APU转子平衡工艺中的应用

在辅助动力装置（APU）装配工作中,转子组件平衡是极其重要的步骤。由于转子组件零部件的动力学参数未知,为达到维修工艺所需的剩余动态不平衡量,需要对各零部件的装配角度进行多次匹配尝试,但现装配工作依赖工作者经验而缺乏理论性指导,所测数据无法得到有效利用,造成极大的工时浪费。本文运用欧拉公式对不平衡量的表达进行简化,并使用粒子群算法求解,编写计算机应用程序应用于APU转子平衡工艺,可提高装配质量与效率。     

一种无人机极点区域约束系统输出反馈滤波设计

针对参数变化引起的系统不稳定情况,研究其闭环极点处于区域约束下滤波问题,提出了基于输出反馈的滤波系统设计方法。在被控系统及反馈滤波系统同时存在不确定性的情况下,以线性矩阵不等式形式给出输出反馈滤波系统的可解性条件,使其闭环系统渐近稳定,滤波误差输出对干扰的抑制性能指标小于给定上界,并把闭环系统极点配置于复平面上指定区域。运用该方法对某型警用无人飞行器纵向运动进行仿真验证,闭环系统的极点均分布在预期界限,系统趋于稳定,达到了设计目标,表明了该方法的有效性。     

临近空间高超声速跳跃滑翔式目标自适应跟踪模型

针对临近空间高超声速跳跃式滑翔目标跟踪问题,在将加速度建模为具有正弦波（SW）自相关随机过程的基础上,提出一种自适应非零均值正弦波相关（ANM-SW）模型。其核心是对正弦波相关模型进行均值补偿构建ANM-SW模型,并推导了模型状态方程;为深入分析均值补偿的作用,分别从时域和频域的角度探讨了自适应非零均值模型的物理本质;此外,为进一步说明模型的适应性问题,结合Kalman滤波推导了SW及ANM-SW模型状态更新的系统动态误差,验证了ANM-SW模型在机动适应方面的优越性;最终仿真表明与SW模型相比,ANM-SW模型在跟踪精度及机动适应能力方面具有一定的优势性。