基于高斯伪谱法的飞机下降段轨迹优化

以大型运输机为研究对象,进行风干扰下的飞机下降段轨迹优化.通过对飞机下降过程的分析,建立了飞机的运动学模型、油耗模型和大气模型,得出了问题的目标函数和约束.运用高斯伪谱法把最优控制问题转化为非线性规划问题,并用序列二次规划求解非线性规划问题.仿真计算得到飞机最短下降时间的最优轨迹,讨论了不同的成本指数对下降时间和燃油消耗的影响.仿真结果表明,成本指数越大,飞机下降时间越短,燃油消耗越多.     

基于改进AHP的某自主防空作战平台技术成熟度评估

为提高某自主防空作战平台系统技术成熟度,研究了技术成熟度评估方法.简要介绍了技术成熟度的研究现状,构建了某自主防空作战平台系统技术成熟度评估模型,并运用改进的层次分析法对其技术成熟度等级进行了评估,从而为某自主防空作战平台系统技术成熟度评估和提高提供参考.     

基于伪谱法的空间绳系组合体最优燃耗离轨研究

为了优化空间绳系组合体轨道转移的燃耗,提出一种基于伪谱法求解的包含拖拽、平衡、甩摆三个阶段的绳系组合体最优燃耗离轨方案. 首先将全过程离轨的燃耗作为性能指标,采用简化的绳系组合体动力学模型,利用高斯伪谱法求解出拖拽阶段系统状态最优轨迹;其次考虑较复杂的绳系组合体动力学模型,使用模型预测控制方法跟踪拖拽阶段系统状态最优轨迹. 仿真结果表明该方法能实现主动星安全、高效,并以最低燃耗地将目标星转移到目标轨道.     

航天器分布式智能计算体系的数学建模与调度算法研究

航天器对大容量高效计算的要求越来越高,现有的星载计算体系的能力已经难以满足其需求,需要建立具有自组织能力的智能计算体系,还要实现高效的任务调度.给出了航天器分布式智能计算体系的模型和任务调度问题的多目标优化模型,并根据该模型设计了改进粒子群算法和改进蚁群算法结合的DPSO-EACO算法,先利用粒子群算法生成初始调度方案,再用该方案初始化蚁群算法,利用蚁群算法生成最终调度结果.仿真结果表明,该算法的性能与改进粒子群算法和改进蚁群算法相比具有明显的性能优势.     

双变异率自适应遗传算法研究及其应用

针对标准遗传算法的不收敛性，提出一种双变异自适应遗传算法，即通过全局变异算子和局部变异算子共同作用，增加种群的多样性，提高算法的全局收敛能力。实例证明：改进算法具有很好的寻优能力和效率。     

多分辨率分析在图像边缘检测中的应用

本文针对传统图像边缘检测算子——微分算子和LOG算子在图像边缘检测中存在的不足，引入了多分辨率分析方法，并理论上分析了在不同的尺度下，多分辨率分析中由粗至精的特点，使其在图像边缘检测中具有更良好的特性。     

基于遗传算法和空间推进方法的单壁扩张喷管优化设计研究

 将单目标遗传算法和多目标遗传算法（包括NSGA-II和NCGA）,与高效、高精度的空间推进流场数值模拟方法——SSPNS方法相结合,对二维超燃冲压发动机尾喷管即单壁扩张喷管（SERN）进行了气动优化设计研究。在巡航点（Ma=6.0）讨论了推力系数C_T最大单目标模型,推力系数C_T最大升力系数C_L最大两目标模型,以及推力系数C_T最大升力系数C_L最大俯仰力矩系数C_m最小三目标模型,分别得到了喷管的最大推力设计和关于多个目标性能的Pareto最优前沿。结果表明,扩张壁初始扩张角θ_r,i和外罩长度L_c对C_T影响较大;较小的L_c和较大的θ_r,i设计,将降低外罩内表面的负升力作用而使得SERN的C_L较大;较长外罩和较小的θ_r,i,对应Pareto最优设计的C_M较小。     

基于自适应学习策略的改进鸽群优化算法

鸽群优化（PIO）算法已广泛用于无人机编队和控制参数优化等领域,但标准PIO算法容易陷入局部最优。提出了一种基于自适应学习策略的改进鸽群优化（ALPIO）算法。该算法引入了基于容差的搜索方向调整策略、基于自学习的候选者生成策略以及基于竞争学习的预测策略,通过增强种群的多样性,可提高算法全局最优概率,其已在8个基准函数上进行测试。仿真试验结果表明:所提算法在多峰函数优化问题中的收敛精度和收敛速度有了显著提升,并且能够更有效避免陷入局部最优解。      

混沌多精英鲸鱼优化算法

针对无人机（UAV）的航迹规划问题,提出了一种基于混沌多精英鲸鱼优化算法（CML-WOA）的航迹规划方法。首先,在已知飞行环境下,建立3D飞行空间模型和航迹代价模型。通过引入罚函数,将有约束3D航迹规划问题转化为无约束多维函数优化问题,利用CML-WOA求解模型来获得最优航迹。其次,为克服WOA易陷入局部最优的缺陷,引入立方映射混沌算子改善初始种群,增强种群多样性,并通过自适应框架融入正余弦算法（SCA）,利用多精英搜索策略有效地提高了算法开发能力和探索能力。最后,使用贪婪策略保证了收敛效率。通过20个基准函数测试和航迹规划仿真实验对提出的改进WOA进行验证。结果表明:所提算法相对其他算法,寻优性能明显提升,具有较强局部最优规避能力和更高的收敛精度与收敛速度;能够稳定快速地规划出代价最少、满足约束的安全可行的飞行航迹。      

遗传算法设计梯度子实现优化的图象边界检测

计算机图象处理技术可广泛应用各种图象测试、模式识别和计算机视觉等领域，而图象边界检测是计算机图象处理的最基本和最低层的步骤之一。由于噪声的干扰和图象光照不均匀等因素的影响，目前的图象边界检测方法还不能有效地检测出各种不同模式的边界。本文提出了一种基于遗传算法和灰度梯试算子的图象边界检测法，通过对样本图象的训练，设计对训练样本模式最优的灰度梯度算子，增加了对噪声的抗干扰能力，并且使被检测出的边界更准确。