基于遗传算法的航空发动机机载模型支持向量机修正方法

航空发动机的实时模型与发动机的匹配精度直接影响着航空发动机故障诊断的精度.提出了基于自适应遗传算法的最小二乘支持向量回归机(AGA-LSSVR)方法对航空发动机机载实时模型进行修正,有效的提高了模型的匹配精度.分析了最小二乘支持向量机中的参数的选取对模型修正的影响,在参数的选取空间里采用自适应遗传算法搜索最优参数.最后,比较了Back propagation(BP)神经网络、支持向量回归机、AGA-LSSVR等方法在机载模型中的修正效果.结果表明:提出的AGA-LSSVR具有很好的修正精度,验证了修正模型的有效性.      

风险驱动的安全关键实时任务调度

安全关键系统面临着日趋严峻的安全威胁,如何降低安全关键实时应用的风险成为挑战。通过结合风险评估与实时调度,给出一种风险驱动的任务调度方案。在分析非周期实时任务可调度性的基础上,提出一种基于处理器瞬态利用率、系统安全风险最小的在线调度近似算法。在不违背关键任务的时间约束和安全约束的前提下,该算法能够在低时间复杂度内得到安全性能确保的次优解。实验结果显示所提算法能明显降低安全关键实时应用的风险。具体来讲,最大安全风险可降低22.2%,并且在安全风险近似率上界为110%情况下,真实近似率最小为102.4%。     

适用于连续数值标签的兴趣漂移增量学习方法

针对现有兴趣漂移增量学习方法大多针对包含二值数据标签的用户反馈进行学习的不足,提出了一种适用于连续数值标签反馈的兴趣漂移增量学习方法,以或然概念集的形式描述用户兴趣,将用户反馈中包含的数据标签视为用户对该实例的喜好概率,并采用基于指数近度加权平均的方法对兴趣模型进行增量学习.在不同学习任务下的实验结果表明,该方法能够在反馈数据标签为连续数值的条件下达到比现有方法更好的学习效果.     

基于混合遗传算法的火箭姿态控制设计方法

针对火箭控制系统姿态网络设计,提出了一种采用遗传算法和模拟退火算法混合的算法进行姿态网络自动设计的方法。该算法实现了已知校正网络幅频特性曲线的幅频向量,通过系统辨识和寻优搜索,可以计算出该网络的传递函数。本文对该算法进行了试验验证,证明该方法可行并优于单纯的模拟退火算法和遗传算法。     

基于自适应模拟退火遗传算法的最优Lambert转移

主要研究了航天器采用Lambert二脉冲变轨的优化问题。对于初始位置、目标位置和转移时间都不固定的Lambert二脉冲转移,由于多变量以及方程本身的复杂性,采用传统的优化方法效率低甚至无法求解.采用了自适应遗传算法(AGA),寻求多变量的最优解.同时结合模拟退火算法,得到了自适应模拟退火遗传算法(ASAGA),该算法既具有全局搜索能力,又改善了一般遗传算法的局部寻优能力.通过仿真,比较了遗传算法和自适应模拟退火遗传算法的寻优结果,表明两者寻求最优转移的有效性,以及自适应模拟退火算法具有更强的寻优能力.      

一种基于切比雪夫插值的联想记忆系统

提出了一种基于切比雪夫插值的高阶联想记忆系统(TI-AMS),能提供对任意阶多变量多项式函数的无误差逼近.切比雪夫插值的近似于最优一致逼近的性质从理论上保证了对任意连续函数的全局逼近精度.特别在对一些不连续函数(如矩形脉冲函数)的逼近中也有其它AMS无法比拟的优势.理论分析和数值模拟表明,该系统具有计算简单、学习精度高、收敛速度快、总的存储单元空间较小等优点.可广泛应用于图像压缩、模式识别、及高精度实时智能控制等领域.      

柔性杆子杆模型参数的遗传算法优化求解

研究了应用实数型的遗传算法解决柔性机器人子杆法建模中,子杆模型参数的优化求解问题.子杆模型参数形成高度非线性的方程组,它的求解是子杆法能否实现的关键.普通的牛顿迭代法及其变形,要求初始向量足够靠近解,一些所谓大范围收敛的算法又有方程组的Jacobian矩阵非奇异等要求,在此都难以应用.本文基于遗传算法的解法可求得模型参数的最优解,实例仿真显示了这一方法的可行性和高效率.      

复合材料蜂窝夹层结构的优化设计

利用复合材料蒙皮结构的弯扭耦合效应可以改善翼面的气动弹性特性.为使这种结构的弯曲扭转耦合效应最大,采用遗传算法来优化设计这类结构,并以蜂窝结构为例进行分析.采用有限元计算软件分析目标函数,将铺层板、蜂窝夹芯的强度作为约束函数,并通过遗传算法优化与有限元计算有机的结合,开发了以有限元为基础的复杂问题的结构优化软件系统.      

Time suboptimal formation flying manoeuvres through improved magnetic charged system search

The development of fast and reliable optimization algorithms is required in order to obtain real-time optimal trajectory on-board spacecraft. In addition, the wide spread of small satellites, due to their low costs, is leading to a greater number of satellite formations in space. This paper presents an Improved version of the Magnetic Charged System Search (IMCSS) metaheuristic algorithm to compute time-suboptimal manoeuvres for satellite formation flying. The proposed algorithm exploits some strategies aimed at improving the convergence to the optimum, such as the chaotic local search and the boundary handling technique, and it is able to self-tune its internal parameters and coefficients. Moreover, the inverse dynamics technique and the differential flatness approach, through the B-splines curves, are used to approximate the trajectory. The optimization procedure is applied to the circular J2 relative model developed by Schweighart and Sedwick and to the elliptical relative motion model developed by Yamanaka and Ankersen. The results of this paper show that the convergence is better achieved by using the proposed tools, thus proving the efficiency and reliability of the algorithm in solving some space engineering problems.     

基于遗传算法的直升机总体优化设计

遗传算法是一种可以混合整型、离散型和连续型变量一起使用的新兴优化算法，在单或多目标带约束优化设计领域有广阔的应用空间。本文在算例中采用与先验法相结合的遗传算法，以总体参数为设计变量，飞行性能和结构要求为约束条件，换算生产率为目标函数，并使用罚函数法处理成无约束的适应度函数，建立优化设计模型。对本文算例计算结果进行分析，可以使遗传算法更好地应用到直升机优化设计领域。