基于S-PSO分类算法的故障诊断方法

将监控数据的已知状态作为先验类别标签,构造出新的有监督的粒子群优化(S-PSO)分类算法,并对设备进行故障诊断。为提高故障诊断的准确率,降低随机性对分类算法的影响,提出了新的基于动态邻域的自适应探测更新(ADU-DN)的干预更新策略来拓展粒子搜索整个解空间的能力,引导粒子自适应地跳出局部最优区域,确保获得全局最优解;同时设计出基于最小类内距离、最大类间距离和训练样本最大分类精度的适应度函数,使得输出的最优类别中心兼顾了这3个因素,增强了分类算法在故障诊断中的通用性和容错性,提高了测试样本的分类精度。S-PSO分类算法有效克服了聚类算法只考虑数据间相似性特征、不考虑数据蕴含的物理意义以及不能很好指导样本分类的缺陷。对GE90发动机孔探图像纹理特征分类进行了对比研究,研究数据表明:S-PSO分类算法表现出了较强的鲁棒性,在故障诊断中的分类精度高于支持向量机(SVM)和常用神经网络模型。     

基于三迭代与二阶锥规划的机载MIMO雷达稳健降维STAP方法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)中期望目标导向矢量的失配问题,提出一种基于三迭代(TRIA)与二阶锥规划(SOCP)的稳健降维MIMO-STAP方法。首先将MIMO-STAP权矢量分解为发射、接收、多普勒3个低维权矢量的Kronecker积,然后分别限定实际发射、接收、多普勒导向矢量与假定导向矢量之间的误差范数边界,通过优化最差性能,利用SOCP对各个低维权矢量进行三迭代求解,最后进行权矢量合成。该方法在保证机载MIMO雷达获取稳健STAP性能的同时,通过三迭代降维处理,能够有效降低训练样本数需求与运算复杂度,因此更具有实际应用价值。仿真结果验证了算法的有效性。     

机翼后缘柔性支撑结构的拓扑优化

针对机翼后缘柔性支撑结构的多目标拓扑优化问题,分析了柔性支撑结构的优化目标及目标函数,并采用位矩阵表示机翼后缘柔性支撑结构,利用非支配排序遗传算法(NSGA-Ⅱ)对该优化问题进行了求解。在优化过程中,引入连通性分析和相似个体过滤,借助ANSYS对可行个体进行有限元分析(FEA),获得了结构质量、变形性能和承载能力等目标值。通过MATLAB对违约个体进行惩罚,实现了位矩阵表示的NSGA-Ⅱ,得到了一组互不支配的机翼后缘柔性支撑优化结构,可根据实际需求选择这些相应的拓扑结构。结果表明,本方法可为机翼后缘柔性支撑结构的拓扑优化提供可行、有效的解。     

空空导弹固体火箭冲压发动机设计参数优化

为使空空导弹在较宽的空域范围内获得优化的综合性能,提出了以导弹综合特性为目标函数来优化固体火箭冲压发动机设计参数的思路,以空空导弹在飞行高度分别为5,10km和15km的飞行距离和飞行速度的综合性能参数为目标函数,建立了固体火箭冲压发动机设计参数优化模型,利用遗传算法进行了固体火箭冲压发动机设计参数的优化.优化的结果表明:当参数选择适当时,采用非壅塞固体火箭冲压发动机的空空导弹在较宽的工作包线内也能够具有优秀的飞行性能,在高度为5,10km和15km时,空空导弹的飞行距离分别达到了62.9,89.2km和133.1km,空空导弹的平均飞行速度也得到了提高.      

空间科学任务协同设计过程优化

为了对概念设计阶段空间科学任务协同设计过程进行合理规划, 减少设计反馈, 降低系统耦合度, 提出了设计结构矩阵(DSM)过程建模和遗传算法(GA) 过程优化算法. 该方法采用DSM对空间科学任务设计活动序列进行建模, 通过DSM描述设计活动间的信息依赖关系, DSM上三角之和代表该设计活动序列设计反馈次数; 将 DSM对应的设计活动序列视为染色体, 采用GA进行序列优化, 最小化设计反馈次数. 通过过程优化算法获取最佳设计活动序列, 优化设计过程, 降低系统耦合度. 空间科学任务实例分析结果表明, 该方法能够有效应用于空间科学任务协同设计的过程建模和过程优化, 指导设计过程的制定.      

高精度高动态星模拟器研究

给出了高精度高动态星模拟器系统组成和总体结构, 提出一种基于亚像素显示技术提高动态星模拟器星点位置显示精度从而减小星点几何中心与能量中心位置偏差的新方法. 针对动态星模拟器高动态性要求, 提出一种快速精确检索全天球导航星的新方法, 将已知SAO (Smithsonian Astrophysical Observatory) 星表进行分区, 计算当前姿态四元数并分析航天器视轴所在区域, 对于距离视轴较远区域停止搜索和匹配, 很大程度上缩小了导航星搜索范围, 进而缩短了全天球恒星遍历所需时间. 软件测试结果表明, 此快速检索法可使全天球导航星的选取速度提高近10倍.      

一种基于有限K近邻的强度帕累托进化算法

在航天器控制计算机的软硬件协同设计过程中,需要解决多目标优化问题。当前的强度帕累托进化算法在求解高维多目标优化问题时具有优势,但是在环境选择阶段的计算时间复杂度仍然较大。文章针对这一问题,提出了一种改进算法。新的算法采用有限K近邻方法,减少了原算法中K近邻策略的比较次数,使时间复杂度由O(M3)下降为O(max(l,logM)M2。试验结果表明文中算法的计算速度更快,并且具有更优的收敛性和分布多样性特征。     

基于粒子群算法的电帆轨迹优化设计

电帆是一种利用太阳风动量的新颖的无工质空间推进系统,文章研究了以电帆为对象的行星际转移轨迹优化问题。以地球轨道转移到火星、金星轨道为任务对象,采用连续推力模型,研究极坐标系下最小时间转移轨迹优化设计问题。提出了两种基于粒子群算法(PSO)的直接优化方法,避免对协态变量初值敏感的两点边值问题（TPBVP）求解。方法一是通过打靶法直接离散化控制量输入,将最优控制问题转化为非线性规划参数优化问题,采用PSO算法寻优,获得近似最优的转移轨迹。方法二是针对任何连续控制律曲线都能以一定精度的多项式函数进行曲线拟合的特性,设计逼近最优转移轨迹控制律的多项式函数,通过PSO算法优化多项式函数参数获得逼近最优解的转移轨迹。仿真结果表明采用上述两种方法进行转移轨迹优化设计,具有随机猜测初值、全局收敛、鲁棒性强的特点。     

基于连续蚁群算法的Bayesian方位估计快速方法

针对蚁群算法(ACO)在解决高维非线性搜索问题方面的有效性,提出了基于蚁群优化算法的Bayesian最大后验概率方位估计(ACO-Bayesian)快速方法.该方法将Bayesian最大后验概率函数作为蚁群算法的目标函数,选取若干一维高斯函数的加权和作为连续蚁群算法中信息量概率分布函数,经过有限次迭代得到Bayesian方法的非线性全局最优解.仿真结果表明,ACO-Bayesian方法在保持Bayesian方法优良性能的同时,将Bayesian方法的计算量减少到原来的1/14.水池实验结果验证了ACO-Bayesian方法的正确性和有效性,为其工程应用奠定了基础.      

基于地面分布式数据中心的天地一体化网络

天地一体化网络通常具有覆盖范围广、数据传输量大等特点。现有的一体化网络研究侧重于网络间传输协议,以及如何有效管理网络资源等。但考虑到当前卫星网络数据处理能力相对较差,而地面网络发展已非常成熟,因此将一体化网络与数据中心网络融合,把数据中心网分布式地接入骨干光网络中,卫星作为网络的传输节点与地面分布式数据中心网络构成统一整体;以中国电信骨干网为基础,针对一体化网络的内部传输代价和外部请求代价等多种因素,进行折中,使用整数线性规划得到网络的最优化部署。所提出的网络架构能很好地满足一体化网络的要求,提供了一种具有竞争力的信息平台设计架构。