关于N=31～64位最佳PCM群同步码的研究

本文是关于N=31至64位最佳PCM群同步码研究成果的总结报告。这些最佳码是世界上迄今为止(在该范畴内)的最新成果。文中给出了N=31～64位最佳群同步码的码组图样、误同步概率和主要特征参数。此外,还阐述了歧码问题和某些关键理论。     

基于振动传递符号有向图的齿轮箱嵌入式传感器优化配置模型与算法

针对嵌入式条件下振动信号的采集方式、传递路径与传统方式不同的特点,采用有限元仿真方法,分析了嵌入式传感下齿轮箱故障振动的传递特性,在此基础上建立了基于故障振动传递符号有向图的优化配置模型,并研究了基于粒子群优化的求解算法.案例仿真结果验证了上述方法的有效性,为在齿轮箱内部合理嵌入传感器提供了一种可行途径.      

环火星自主导航系统设计及参数优化研究

当前火星探测器环绕段的导航信息主要依赖地面深空探测网提供,基于光学成像的导航方式尚不能提供较高的导航精度。因此提出一种应用相对测量的探测器实现火星环绕段的自主导航。两颗编队飞行的探测器进行相对测量,观测信息为探测器之间的相对视线矢量(LOS)。同时利用主星的星敏感器确定星体在惯性空间的姿态,将观测信息转换至惯性系下获得简化的观测方程,使用扩展卡尔曼滤波器(EKF)对卫星的轨道进行确定。介绍了具体导航方案的实现方法和技术细节,使用粒子群优化方法(PSO)对模型设计的相关参数进行优化,导航精度得到明显提高。实现位置确定精度10 m,速度确定精度0.01 m/s。为设计最优的编队导航系统参数提供了有效思路。     

信息系统群演化的综合环境SEE的研究

旨在通过对系统构架各视角的研究，开发一个信息系统综合演化环境，从而提供针对各类系统演化特征的通用的解决方案，并利用方法论的手段规范、指导和维护系统(群)的演化活动。本文首先论述了大型系统中各个系统和组件变化及改进活动中存在的问题，分析相关的研究及面临的挑战，从而提出系统群演化的概念。然后文章概括了系统群演化的特征，提出解决以上问题的思想方法，即开发“信息系统群演化的综合环境(Synthetic environment of evolution，SEE)”，将各种演化活动纳入规范，指导系统群的演化活动；在此基础上，进一步就实现SEE的关键技术给出了描述及运用的范例。     

AC-PSO算法在无人机任务规划中的应用

无人机飞行中合理的路线规划可以减小飞行时间、降低油耗,减小被敌方发现、攻击的可能,从而提高了完成任务的概率.鉴于大部分无人机是以一个相对固定的高度进行侦察和任务飞行,故可将无人机的飞行任务规划视为二维平面的TSP问题.本文进一步将地面防空威胁与飞行距离统一量化,通过求解TSP求取最优无人机任务规划.文中通过分析蚁群算法与粒子群算法,提出了一种新的混合方法AC-PSO算法解决TSP求解问题.算法借鉴了蚁群算法的路线构造方法和粒子群算法的进化策略思想,同时给出了提升算法效率的一些措施.实验验证,该算法和威胁建模方法相结合,能有效地满足无人机飞行任务规划的要求.     

基于粒子群优化算法的不完全数据的处理

不完全信息下的数据挖掘是一个困难的问题,但它在实际决策中是不可避免的。在介绍几种处理方法的基础上,提出了基于粒子群优化算法的处理方法。对适应函数进行了讨论,实例表明该方法比较有效。     

基于Contourlet域Krawtchouk矩和改进粒子群的遥感图像匹配

为了进一步提高遥感图像匹配的精度和运算效率,提出了一种利用Contourlet变 换、Krawtchouk矩和改进粒子群的遥感图像匹配算法。在分别对参考图像和目标图像进行Co ntourlet分解的基础上,引入Krawtchouk矩来提取图像的局部特征,并利用改进的带极值扰 动的简化粒子群优化算法对低分辨率的遥感图像进行匹配操作,然后逐级上推,
最终实现全分辨率情况下遥感图像的匹配。实验结果表明,该算法与目前常用的遥感图像匹 配算法相比,不仅具有更高的匹配精度和运算效率,还有较强的鲁棒性。
     

多无人机协同任务分配混合粒子群算法

针对多无人机协同任务分配问题(MTAP),设计了一种综合考虑飞行航程、任务收益以及任务完成时间窗口的混合粒子群任务分配算法。首先,将粒子位置编码为一组任务分配向量,针对同时打击场景可能存在的死锁问题,设计了一种基于多打击任务有向图的死锁检测和修复算法,解码出对应一组可行的任务分配解或方案,实现粒子群算法解的离散化。另外,对于传统粒子群算法(PSO)容易陷入局部收敛的缺点,提出一种基于变邻域搜索算法的跳出局部收敛策略,并建立局部搜索启动概率准则,实现跳出局部收敛和计算开销的平衡。最后,将跳出局部收敛的策略嵌入到粒子群算法中,得到协同任务分配的混合粒子群算法(HPSO)。另外,针对新目标发现导致的初始计划失效问题,设计了一种基于匹配策略的局部任务重分配方法。仿真实验证明,所提出的混合粒子群算法能够有效解决异构多无人机同时打击场景中的任务分配问题。     

卫星数传调度问题的速度可控粒子群优化算法

针对卫星数传调度这一类复杂的约束组合优化问题,提出了一种速度方向和尺度可控的粒子群优化求解算法。为克服粒子群算法的早熟问题,该算法引入了速度更新的方向控制规则和尺度控制规则用于增加群体的多样性,并根据两种控制规则,提出了种群粒子的速度迭代策略,实现了算法运行过程中粒子间吸引和排斥过程的动态调整,同时保证了算法的收敛速度。设计了卫星数传调度问题的编码和解码方式,并证明了该编码方式下最优可行解的存在性。通过仿真实例验证了算法的有效性,并分析了算法控制参数对优化结果的影响。