一种改进的多目标粒子群优化算法

为了增强多目标粒子群优化算法的收敛性与多样性,提出一种改进的多目标粒子群算法.采用Kent映射对种群进行初始化,并将目标空间均匀划分为若干扇形区域;基于一种新的多样性和收敛性判定标准,选取合适的收敛性最优解和多样性最优解,并提出一种改进的粒子群更新公式进行全局搜索;采用聚类算法对外部种群与坐标轴夹角进行分析,维护外部种群.通过标准测试函数的仿真实验,与多目标优化算法基本MOPSO(Multi-objective Particle Swarm Optimization Algorithm)和NSGA-II(Nondominated Sorting Genetic Algorithm II)进行对比,结果表明了该改进算法的有效性.     

基于改进粒子群算法的串列叶型优化设计

为了提高串列叶型优化设计的质量,设计了一套基于改进粒子群算法的串列叶型自动优化系统。研究了原始粒子群算法,提出了一种粒子群算法的改进方法。结果发现,改进粒子群算法的收敛速度和收敛精度明显优于原始粒子群算法和遗传算法。以50°大弯角串列叶型为研究对象,使用程序对串列叶型参数化。以叶型参数和串列叶型相对位置的参数作为优化变量,结合BP神经网络和改进粒子群算法对串列叶型进行优化设计。优化结果表明,优化后的叶型在设计攻角时的总压损失系数降低了22%,静压比升高了0.6%,在负攻角时,优化后的叶型的流动性能得到了明显改善。适当减小串列叶型前后缘的半径可以减小叶型的损失,合理的缝隙结构可以有效减小前排叶型压力面和后排叶型吸力面附面层的分离损失。     

微分法在定位误差分析与计算中的应用

介绍了微分法分析计算定位误差的原理和适用范围,通过生产实例分析,证明了该方法在解决多误差因素定位误差分析与计算中的简便与快捷,从而有效简化了复杂定位方案定位误差的分析与计算,提高了夹具的设计效率。     

基于6SPS并联机构标定新方法

系统研究6SPS并联机构标定的方法。研究中应用激光跟踪仪测量、基于并联机构正解和定位误差旋量的计算,正交试验进行试验设计,应用非线性最小二乘参数辨识。仿真验证辨识的几何误差可以等于假定值,试验验证位姿精度提高了10倍。     

高速率光信号消光比测量的误差分析

介绍了基于示波器眼图的对光纤通信系统中高速率光信号消光比的测量方法,对测量过程中的主要误差来源进行了详细分析,并给出了减小这些误差项对测量结果影响的解决办法。     

大部件调姿系统的误差分析

对基于三坐标定位器的大部件数字化柔性装配系统,建立系统运动控制所需的装配坐标系、动坐标系和POGO柱坐标系,并在此基础上分析了其正反解算法.根据大部件对接的高精度要求,用全微分的方法建立各结构误差与对接部件位姿误差之间的误差正解模型,提出了一种基于工作空间的位姿补偿方法.最后,建立带有误差源的正解模型,以实例计算验证了误差正解模型和补偿方法的正确性.     

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。     

基于天牛群优化算法的转台控制系统研究

人为依据经验确定转台调节过程中的PID参数不仅效率低,而且参数的精度低,难以达到满意的效果。为解决该问题,提出了一种基于天牛群算法的PID参数寻优方法。首先建立了转台的数学模型,其次介绍了天牛群算法的算法流程、目标函数和寻优过程,最后使用IAE准则通过该算法对参数寻优得到一组最优解。通过与依据经验确定的PID参数对比,采用天牛群优化算法得到的PID参数更有依据,而且转台控制系统的阶跃响应稳定时间为1.1s,超调量为7.4%。