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。     

系统群进化环境的模型设计

由于系统群复杂性的增加和有关实践的非成熟性，开发了一个系统化的方法来进行进化活动显得十分必要。本提出了一个系统群进化的综合环境的设计模型，介绍了该环境的设计思想，操作的流程，主要的模块以及如何运用系统构架知识来支持系统的进化，最后给出了该环境设计的高层结构。     

黎曼流形中运动群不变量

黎曼流形运动群的研究是微分几何中一个重要问题。本文构造了黎曼流形中亏数为2的一个运动群，进而对黎曼流形度规运动群、共形运动群以及亏数为2的运动群的黎曼不变量进行了刻划。文中证明上述三个运动群之间存在着某种所谓“自相关性”。此外，还给出黎曼空间中共形运动群在共形于黎曼空间的空间中变为度规运动群的一个有趣的例子。     

基于动态扰动策略的人工搜索群算法

为了提高人工搜索群算法(ASSA)的整体性能,提出一种基于动态扰动策略的人工搜索群算法.为了增加算法的种群多样性,在算法初期,通过Tent映射的混沌策略产生初始种群.结合反向学习策略,算法在进化过程中对种群进行反向学习扰动,从而增加算法跳出局部最优解的可能性.算法采用动态步长的方式,在初期时能够扩大最优解的搜索范围,在...     

冷却塔群塔干扰条件下脉动风压分布模式

冷却塔群塔为常见的群体建筑物组合形式,存在复杂的塔群干扰效应.传统的群塔干扰效应研究通常面向塔筒等效静风荷载,忽略了群塔组合对于脉动风压分布模式干扰效应的量化研究.为了研究群塔组合条件下脉动风压的干扰分布模式,选取具备多种气动干扰特点的八塔组合矩形布置方案为研究对象,对群塔进行刚性模型同步测压风洞试验,获取了不同风向角...     

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。     

一种新型路径共享真时延波束合成架构的设计

为满足宽带天线通信系统多输入多输出的要求,提出了一种新型路径共享真时延波束合成架构。通过真时延单元提供的一定延时差弥补信号到达天线的时间差,合成多路信号来提高输出能力。相比于传统的波束合成架构,该架构通过真时延单元共享,节省芯片面积。该架构具有中心对称性与可扩展性,可支持2M个输入和2K个输出。基于HHNEC 0.18 μm CMOS工艺设计四入四出波束合成器单元,对提出的架构加以验证。仿真结果表明,工作频带为0.5~1.5 GHz,延时分辨率为80 ps、最大延时为720 ps。在天线间距为10.5 cm的情况下,能够提供±43°和±13°四个扫描角度。输入输出回波损耗≤-10 dB,带内整体增益为约26 dB,增益平坦度≤3 dB。版图面积（包括I/O焊盘和ESD）为3.69 mm×3.62 mm。      

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。     

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.     

一种改进的微粒群优化算法

标准微粒群优化(PSO)算法是一种群体智能算法,它容易陷入局部极值点,进化后期收敛速度慢且精度较差,而且参数的选择对算法的优劣影响很大。针对这些缺点,首先提出了一种在位置进化方程中引进动态参数的方法,改进了标准微粒群算法收敛速度;然后通过在速度、位置进化方程中同时引进动态参数来提高算法收敛速度和收敛率。经J．D．Schaffer函数和LevyNo．5函数对改进算法的测试表明,相比于标准微粒群算法,该方法的收敛速度和平均收敛率均有大幅度提高。