Hypersonic reentry trajectory planning by using hybrid fractional-order particle swarm optimization and gravitational search algorithm

This paper proposes a novel hybrid algorithm called Fractional-order Particle Swarm optimization Gravitational Search Algorithm (FPSOGSA) and applies it to the trajectory planning of the hypersonic lifting reentry flight vehicles. The proposed method is used to calculate the control profiles to achieve the two objectives, namely a smoother trajectory and enforcement of the path constraints with terminal accuracy. The smoothness of the trajectory is achieved by scheduling the bank angle with the aid of a modified scheme known as a Quasi-Equilibrium Glide (QEG) scheme. The aerodynamic load factor and the dynamic pressure path constraints are enforced by further planning of the bank angle with the help of a constraint enforcement scheme. The maximum heating rate path constraint is enforced through the angle of attack parameterization. The Common Aero Vehicle (CAV) flight vehicle is used for the simulation purpose to test and compare the proposed method with that of the standard Particle Swarm Optimization (PSO) method and the standard Gravitational Search Algorithm (GSA). The simulation results confirm the efficiency of the proposed FPSOGSA method over the standard PSO and the GSA methods by showing its better convergence and computation efficiency.     

智能天地一体化网络的卫星跟踪测控技术综述

随着卫星互联网和我国航天测控技术的不断进步,航天测控网络朝着智能化、一体化的方向发展,在自主测控、资源分配等方面进展良好。因此,建立智能天地一体化的航天测控网是我国航天未来发展的重要目标。针对智能航天测控网中的跟踪测轨、遥测和遥控三个方面,分别介绍了相关原理与技术。同时,结合CCSDS提出的空间数据链路标准协议详细介绍了TM、TC、AOS、Proximity-1以及USLP标准,分析了不同标准所使用的技术与实际应用。本文从数据链路层和物理层的角度介绍了智能航天测控系统的工作原理及技术要求,为我国智能天地一体化卫星测控通信网的研究提供参考并予以展望。     

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。     

谱估计理论在弹道数据参数化建模中的应用

针对高超声速飞行器防御作战中目标运动规律的描述问题,提出一种基于经典和现代谱估计理论的弹道数据参数化分析和建模方法。该方法将弹道数据视作非平稳随机信号,研究其变化规律：首先,通过线性消势法消除信号的线性趋势,将其转变为平稳信号,以便于进行谱估计;然后,采用Welch算法给出大致的谱图,结合该谱图和改进的协方差法确定自回归参数模型的阶数,以避免模型阶数选择准则引起的不确定性问题;最终,给出弹道数据的参数化模型。仿真结果表明,使用本文算法建立的弹道数据参数化模型与动力学模型具有较高的一 致性。     

二维复值Ginzburg-Landau方程的一个高阶紧致ADI差分格式

对二维复值金兹堡朗道(Ginzburg-Landau,GL)方程提出一个基于时间分裂的高阶紧致交替方向隐式有限差分格式。本文通过时间分裂法将GL方程分裂成一个非线性子问题及两个线性子问题,对非线性子问题以及其中一个线性子问题均通过精确积分进行计算,并对另一线性子问题构造紧致交替方向隐式差分格式进行数值计算。实际计算中,在每一时间步,利用追赶法求解一族常系数三对角线性代数方程组,从而使得算法既具有较高精度又拥有较快的计算速度。数值实验表明该算法在时间和空间方向分别具有二阶和四阶精度,并模拟了方程的一些动力学行为。     

基于粗糙集特征选择的过拟合现象及应对策略

在粗糙集方法中,利用向前启发式算法进行特征选择,是一个逐步加入重要度最高的特征的过程,直至满足所给定的约束条件。但使用这一策略选择出来的特征子集有可能产生过拟合现象。鉴于此,设计了一种新的启发式算法,其主要思想是借助交叉验证的方法对特征的重要度进行计算,当过拟合出现时,则采用截断式机制终止算法。使用邻域粗糙集模型,在UCI数据集上将启发式算法与所提算法进行对比分析,实验结果表明:所提算法能够有效地降低过拟合的程度;利用所提算法得到的特征子集能够带来更好的分类性能。     

基于欠采样的零阶优化算法

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。     

基于STM32F429的全向运动平台的运动控制

全向运动平台系统是可以实现人体在各个方位行走的2D运动平台。针对实现人体在全向运动平台稳定行走的运动控制,采用加入观测器的一阶控制算法对平台运动控制进行探究。先通过MATLAB软件进行算法的仿真,验证方法的可行性;再通过现场测试,验证控制算法的有效性。最终试验表明,加入观测器的一阶控制算法可对全向运动平台实现有效的运动控制。此运动控制策略的探究为全向运动平台的运动控制提供了一种可行的控制思路和方案。     

基于CMPSO算法的永磁同步电机转动惯量识别研究

永磁同步电机(PMSM)是一种具有很强非线性的动态系统,在工业驱动应用中发挥着重要作用。实时辨识转动惯量对于高精度PMSM系统控制和稳定性状态监测具有重要意义,但传统转动惯量识别方法精度较低。在传统离散模型参考自适应理论基础之上,用柯西变异粒子群优化(CMPSO)算法代替待辨识参数自适律设计环节,以实现PMSM转动惯量识别。该转动惯量辨识方法充分利用了CMPSO算法的快速高效收敛性,仿真结果和试验结果表明了可行性、正确性和准确性。     

基于改进粒子群优化模糊控制的MPPT算法研究

在光照强度和温度变化时,常规的最大功率点跟踪(MPPT)算法难以快速准确地跟踪光伏系统最大功率点。针对此问题,设计了一种改进粒子群优化算法(PSO)的模糊控制器。首先,依据常规MPPT特性,设计了一种带调整因子的模糊控制算法以快速收敛到最大功率点;然后,采用参数自适应PSO对设计的模糊控制器调整因子进行动态优化。仿真结果表明:所设计的参数自适应PSO优化模糊控制器能快速准确地跟踪最大功率点,保证了MPPT的动态响应速度和稳态精度,提高了光伏系统的工作效率。