基于混合粒子群算法的上升段交会弹道快速优化设计

基于梯度搜索的高效性和粒子群搜索的随机性,提出了一种混合粒子群算法,并应用该算法研究了运载火箭上升段交会弹道快速优化设计问题.以运载火箭与目标飞行器在交会时刻的距离最小为目标函数,设计了运载火箭飞行程序,建立了运载火箭上升段交会弹道优化模型,同时分别采用混合粒子群算法、遗传算法和粒子群算法进行求解.仿真结果表明:基于本文算法对运载火箭上升段交会弹道进行优化设计,平均交会位置误差为4.137m,较遗传算法减少了17.940m,平均优化耗时488.922s,较粒子群算法缩短了2342.125s.混合粒子群算法搜索速度较快,收敛精度较高,可用于运载火箭上升段交会弹道的快速优化设计.      

双通道恒模干扰抑制VHF接收机设计与实现

为了解决民航地空通信受到无线电干扰的问题,提出了双通道恒模干扰抑制自适应抑制接收机的设计实现方案。接收机中的信号处理平台在FPGA中实现自适应干扰抑制,使用DSP判断恒模算法输入信号是否存在干扰,以及对恒模算法输出信号进行属性判断以防止误捕获。再配以具有VHF信号接收功能的射频前端电路,实现接收、干扰抑制、解调地空通信信号的功能。系统测试表明,双通道恒模干扰抑制接收机能够自适应地抑制恒模干扰。     

基于优化智能网络的发动机推力指令模型

针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法.其中子模型Ⅰ采用BP网络映射与推力密切相关的气路参数,其输出作为子模型Ⅱ的输入;子模型Ⅱ采用优化极端学习机(ELM)算法,输出为额定发动机推力,并以此推力为性能蜕化缓解控制指令.为了减小ELM网络规模,提高推力指令模型实时性,采用微分进化算法(DE)优化ELM初始网络参数.数字仿真验证表明:各飞行包线内推力指令模型预测值最大相对误差小于4‰,远优于单一神经网络最大8.17％和单一极端学习机最大14.5％的误差,模型推力指令计算时间仅需0.64ms,实时性好,验证了该推力指令模型的有效性.     

基于壁面压力分布的非对称喷管反设计

针对目前非对称喷管的设计方法上的缺陷,给出了通过指定壁面压力分布规律来反设计其膨胀面型线的方法,获得了膨胀面型线反设计程序,并结合优化算法寻找综合性能较好的喷管壁面压力分布.将采用该方法设计得到的喷管模型与最大推力喷管进行了对比研究.结果表明:在设计点,该喷管的推力系数比最大推力喷管只降低0.102%,而升力和俯仰力矩分别提升2.295%和15.774%.验证了设计思想的正确性,为非对称喷管的设计提供了一种高效的设计方法.      

变循环发动机稳态控制规律设计的新方法

变循环发动机(VCE)具有较多的可调参数,为了进行变循环发动机的多变量稳态控制规律优化设计,提出了用于变循环发动机稳态控制规律优化设计的一种新方法-逆算法。该方法基于敏感性系数矩阵,采用可调参数替换传统部件级性能计算模型中的独立变量,在给定变循环发动机主要状态参数和部件参数的条件下,实现了可调参数的求解,进一步完成发动机稳态控制规律的优化设计。对比表明,逆算法的计算精度和收敛速度与传统算法一致,收敛性得到了改善。对带有核心机驱动风扇(CDFS)的双外涵变循环发动机亚声速巡航的节流状态控制规律优化后,使得巡航推力下的安装耗油率比定几何的双外涵和单外涵发动机分别下降7.8%和16.4%,而地面安装耗油率最大降低约3.4%。结果表明,逆算法是变循环发动机稳态控制规律优化设计的一种有效途径。     

示温漆图像等温线提取算法

分析示温漆（TIP）图像特征,根据等温线附近产生局部梯度极值的特点,实验对比了4种边缘提取算法效果。根据实验结果,选用Canny算子提取等温线。提出在边缘提取前进行K means聚类处理,并对K means聚类算法和Canny算子进行了改进。提出了两种K means初始聚类中心的选择方法,更适于示温漆图像的分割。改进了Canny算子的内核,提升了等温线的质量。结果表明:该算法能够快速提取清晰、连续的等温线,效果良好,满足工程应用要求,已用于示温漆自动判读软件开发。      

基于多岛遗传-模拟退火算法的气动外形优化

针对超声速翼型滑翔机的气动外形优化问题,提出了一种多岛遗传算法与模拟退火算法相结合的混合优化算法。首先,通过多岛遗传算法产生一个随机的初始种群,找到全局最优点附近区域的一个次优解;然后,将此次优解作为模拟退火算法的初值启动退火进程,缩小设计空间的范围,找到全局最优解。优化结果表明,所提混合算法可以有效地解决飞行器外形优化问题;在数量巨大的设计空间中,滑翔机的最优气动外形能够以较低的计算资源代价快速得到;双弧形翼型的气动特性较六边形翼型更有优势,叉形尾翼的静稳定性和控制效率高于十字形;优化后的外形极大地增加了滑翔机的滑翔距离。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

空时分组编码的无人机中继通信航迹规划方法

无人机(UAV)中继通信是实现远距离点对点无线通信的一种重要技术手段。为提高无人机中继通信系统链路传输的可靠性,提出基于空时分组编码的无人机放大转发中继通信传输方案,并基于双跳链路遍历容量最大化的准则给出了无人机最佳航迹规划方法,并进一步利用FM-EM算法给出了基于空时分组编码无人机中继通信系统的中断概率及遍历信道容量计算公式。计算机仿真表明:提出的方法显著优于传统的单发单收(SISO)无人机中继通信系统。     

基于粒子群算法-最小二乘支持向量机算法的磁化曲线拟合

磁化曲线是强非线性函数,提高磁化曲线的拟合精度对含有铁磁材料的电气设备建模准确性至关重要。提出了一种基于粒子群算法-最小二乘支持向量机(PSOLSSVM)算法的磁化曲线拟合方法。该方法用粒子群优化算法解决了最小二乘支持向量机(LSSVM)参数的选择问题。仿真结果显示PSOLSSVM算法能获得最优的LSSVM参数,且采用PSOLSSVM算法拟合的磁化曲线与实际测量的磁化曲线基本无偏差,拟合精度较高。