基于AFI混合聚类算法的轴承故障诊断方法

针对滚动轴承振动信号标记数据量小、故障模式多样的现状,提出了一种基于AFI混合聚类算法的半监督式轴承振动信号故障诊断方法。利用小波包分解方法提取了信号的能量特征谱,并通过主成分分析方法增强了信号的特征;参考迭代自组织数据分析的“分裂”和“合并”的思想,为人工鱼群算法中的个体鱼增加了“分裂进化”和“合并进化”行为;采用模糊C均值方法定义了隶属度矩阵和目标函数,并利用改进的人工鱼群算法,迭代搜寻了目标函数的全局最优解,得到了各故障模式的聚类中心;通过计算测试数据的最近邻聚类中心,实现了故障模式识别。结果表明,该方法无需指定聚类簇数,能在标记数据量小的情况下完成训练,较同类方法表现出了更优的故障模式识别性能。     

基于LADRC的无人机高精度定高控制

针对复杂气流扰动对无人机（UAV）航迹高度控制的影响,对存在复杂气流扰动下的定高控制策略、控制结构和控制器参数优化展开研究,实现高精度高度控制。基于线性自抗扰控制（LADRC）确定总体控制架构,设计扩张状态观测器（ESO）观测估计纵向高度通道和速度通道中存在的总扰动,在控制中引入扰动补偿,减小扰动对系统输出造成的影响。对UAV在飞行过程中存在的大气紊流扰动或离散突风等风干扰分析其功率谱密度,构造考虑风扰动对高度影响、时域响应特性和稳定裕度的综合目标函数,通过粒子群优化算法得到具有高精度、高抗干扰性能的控制器参数,优化中考虑风干扰的功率谱密度分布,减小了控制器参数设计的保守性。通过与常规比例-积分-微分（PID）控制器控制效果进行对比,说明基于线性自抗扰控制器的纵向高度控制的优异性能。      

利用遗传算法优化TTCAN网络的时间调度系统矩阵

引入了遗传算法对时间触发CAN(TTCAN)网络中的时间调度表进行优化。同时,针对问题的特殊性,本文对所引入遗传算法作了进一步改进,以取得更好的性能。最后,本文利用汽车工业的PSA标准消息子集对本方法进行了验证,实验表明,本方法可以有效的减少网络中的抖动问题,取得了满意的效果。     

牛顿迭代收敛的加速

基于Newton迭代法单根的二阶收敛性和重根的线性收敛性,提出了加速牛顿迭代收敛的思想。利用反函数的性质,取Taylor展开式的前三项进行迭代;并利用差商代替导数的方法,构造出更高收敛阶的迭代公式。大量的数值实验结果表明,本文算法理论上的推导是完全可行的,且有效地提高了迭代公式的收敛速度。     

基于遗传算法的机载武器调度优化

针对航母机载武器弹药调度存在的过程复杂、不确定性强、涉及因素多等特点,建立了现阶段机载武器弹药调度模型。通过设计编码方案,选择适应度函数,设定交叉、变异操作建立了基于遗传算法的调度优化模型,并通过 Matlab软件进行了仿真验证。结果表明,该优化过程可在一定程度上缩短调度总时间,提高调度效率。     

共聚焦三维数据表面重建的一种反走样方法

用边界体素的集合表示物体表面,将边界体素作为点投影到屏幕上形成光照图像时,可能出现空洞和图像走样.改进了体素表面算法:用剖分立方体算法得到物体的边界体素集,然后用边界体素的中心点构造投影表面点,用脚印函数计算表面点对显示图像平面上像素的影响范围,以此值作为该像素的权值,形成最后的图像.这样,边界体素不是只投影到一个点上,而是有一个投影区域,从而避免空洞现象,并减轻走样现象.实验证明,该方法具有较快的表面重建速度,消除了空洞,改善了显示效果.     

基于改进Q学习的IMA系统重构蓝图生成方法

重构蓝图定义了故障状态下系统软硬件资源的重新配置方案,是实现综合模块化航空电子系统重构容错的关键。提出了一种基于改进Q学习的重构蓝图生成方法,综合考虑负载均衡、重构影响、重构时间、重构降级等多优化目标,并应用模拟退火框架改进探索策略,提高了传统Q学习算法的收敛性能。实验结果表明,与模拟退火算法、差分进化算法、传统Q学习算法相比,本文提出的改进Q学习算法效率更高,所生成重构蓝图质量更高。     

基于PSO-ELM的军用飞机维修保障系统效能评估研究

维修保障系统效能评估是军用飞机精细化、规范化管理的一项重要措施,科学的维修保障系统效能评估是精细化保障的基础,是提升战斗力的保证。针对军用飞机的维修保障系统效能评估问题,在总结军用飞机维修保障系统效能评估体系的基础上,提出基于粒子群优化极限学习机算法(PSO-ELM)的维修保障系统效能评估模型;并通过实例进行验证。结果表明:该算法应用于军用飞机维修保障系统的效能评估是可行的,可为军用飞机维修保障效能评估提供借鉴。     

基于改进匈牙利算法的航空企业动态调度方法研究

航空零件生产调度时,应尽量满足多目标和实时性的要求。结合某航空制造企业的实际生产情况,提出一种基于"穷尽成对比较"技术和改进匈牙利算法的动态调度方法。首先以航空零件调度时的最大完工时间、生产加工成本以及生产能耗为优化目标,构建柔性作业车间多目标动态调度数学模型;然后利用基于"穷尽成对比较"技术的权重参数调节模型对数学模型中各个目标的权重参数进行实时动态调整;最后以各个目标的加权值为总目标,采用改进匈牙利算法求得工序的最优分配结果。结果表明:与传统的动态调度方法相比,动态调度方法能够有效地提高航空企业的生产效率、减少航空企业的生产加工成本并降低对环境的污染,具有较好的综合调度性能。     

Upgrading CCIR's foF2 maps using available ionosondes and genetic algorithms

We have developed a new approach towards a new database of the ionospheric parameter $f_{o}F2$. This parameter, being the frequency of the maximum of the ionospheric electronic density profile and its main modeller, is of great interest not only in atmospheric studies but also in the realm of radio propagation. The current databases, generated by CCIR (Committee Consultative for Ionospheric Radiowave propagation) and URSI (International Union of Radio Science), and used by the IRI (International Reference Ionosphere) model, are based on Fourier expansions and have been built in the 60s from the available ionosondes at that time. The main goal of this work is to upgrade the databases by using new available ionosonde data. To this end we used the IRI diurnal/spherical expansions to represent the $f_{o}F2$ variability, and computed its coefficients by means of a genetic algorithm (GA). In order to test the performance of the proposed methodology, we applied it to the South American region with data obtained by RAPEAS (Red Argentina para el Estudio de la Atmósfera Superior, i.e. Argentine Network for the Study of the Upper Atmosphere) during the years 1958–2009. The new GA coefficients provide a global better fit of the IRI model to the observed $f_{o}F2$ than the CCIR coefficients. Since the same formulae and the same number of coefficients were used, the overall integrity of IRI’s typical ionospheric feature representation was preserved. The best improvements with respect to CCIR are obtained at low solar activities, at large (in absolute value) modip latitudes, and at night-time. The new method is flexible in the sense that can be applied either globally or regionally. It is also very easy to recompute the coefficients when new data is available. The computation of a third set of coefficients corresponding to days of medium solar activity in order to avoid the interpolation between low and high activities is suggested. The same procedure as for $f_{o}F2$ can be perfomed to obtain the ionospheric parameter M(3000)F2.