多目标非线性控制分配方法研究

 提出了一种新的多目标非线性规划控制分配方法,对其理论基础、建模与求解过程进行了详尽描述, 并给出了多目标非线性控制分配的解的评价指标及评价方法。该方法不依赖于伪控制指令与广义操纵面偏转角度之间呈线性关系这一假设,直接处理非线性控制分配问题,并充分利用冗余操纵面,实现不同飞行条件和任务下对多种目标的综合权衡分配。仿真结果表明该方法具有较高的精度,能很好地处理故障情况下的控制分配问题,为控制重构提供了算法保证。     

基于LMI的组合导航多目标控制

针对模型不确定性和噪声非高斯容易导致Kalman滤波精度下降的问题,研究了一类组合导航系统的鲁棒H2/H∞多目标控制问题。将组合导航误差状态方程转化为不确定系统多胞型描述,基于线性矩阵不等式(LMI)将控制器存在条件转化为凸优化问题进行求解。系统的稳定性通过Lyapunov稳定性理论得到保证,通过H2和H∞控制达到抑制干扰的目的,通过保性能控制提高系统的快速性,而对于非零初始条件通过极点配置加速初始阶段的收敛。由仿真结果可以看出,该方法收敛快、鲁棒性强、精度较高。     

利用图像相关等级的目标判别方法及其应用

提出一种根据PCA重构图像与原目标相关等级进行的目标识别方法,解决伪目标参与识别影响识别准确度的问题。首先建立目标模板库特征空间,将定位到的目标对象映入特征空间,利用PCA变换进行图像重构,定义降维重构图像与原目标之间的相关度函数,根据该函数判别图像等级;若原目标与其重构图像相似度很低,认定原目标为伪目标,将其剔除,不进入识别过程;若认定为真实目标后,根据相似性程度,分别选用降维重构图像或原图像作为识别对象,利用Hu不变矩距离分类器进行识别。该方法可有效剔除伪目标,并根据图像质量选用识别目标,提高了目标识别准确度,交通卡口获取的实测车辆图像车标识别试验验证了该方法的鲁棒性和有效性。     

基于三次B样条的机翼气动隐身优化设计

应用参数化三次B样条对机翼进行了参数化建模,在自动几何生成基础上,应用面元法与物理光学法对机翼气动性能与隐身性能进行分析,利用遗传算法进行气动隐身多学科多目标优化,建立了一套适用于总体设计阶段的机翼气动/隐身设计方法,这种方法简单、快捷、适应性强,可方便地对机翼进行优化设计,同时也可用于其它翼面类部件的气动隐身优化设计.     

基于CCD着陆相机的行星软着陆岩石检测与规避方法

 提出了一种基于CCD相机的行星软着陆岩石检测与规避方法。首先,利用多分辨率分析方法对着陆区图像进行快速处理,根据着陆区的光照特性检测出着陆区的岩石,针对着陆过程的时间需求,多灰度阈值分割方法被采用;其次,基于无监督聚类算法对着陆区的岩石进行识别并标记,构建着陆区岩石分布的拓扑图;再次,利用激光测距仪得到的高度信息和着陆相机的参数,计算着陆区岩石拓扑图的实际危险区域面积,从而根据着陆器的需求安全范围和探测任务需要,利用安全着陆点的螺旋式搜索方法选择具有冗余度的安全着陆点;最后,建立着陆器安全规避策略,制导控制着陆器进行安全着陆,通过对安装侧向发动机和利用万向节调节推力方向的主发动机两种情况的仿真,实验结果令人满意。     

耦合均衡论和隐式约束伴随方法的翼型气动多目标优化设计

通过耦合Nash竞争对策和伴随方法来研究气动多目标优化问题,其中对策论是描述现实世界中包含有矛盾、冲突、对抗、合作等诸因素的数学模型的数学理论与方法。将对策论的方法应用于互为冲突的多目标气动优化设计中,寻找各冲突目标之间的平衡解。计算结果表明：Nash均衡论可以很好地处理多目标优化问题,并且能自然地运用于并行环境。     

一种新的并行测试任务调度算法

 并行测试的任务优化调度是并行测试技术的核心问题。为了解决现有调度方法耗时、实际应用范围有限以及缺少对资源冲突和系统死锁的形式化分析等问题,采用赋时有色Petri网(TCPN)建立并行测试任务调度的TCPN模型,基于TCPN模型的可达标识图利用改进蚁群算法求解最优任务调度序列。算法搜索过程中,采用多目标优化,目标函数综合了测试时间、仪器成本和负载平衡度,使得算法更符合工程应用。采用动态标注方法在搜索过程中加大可行解间的信息素差别,避免算法早熟。仿真实例证明该算法是有效的。     

基于多目标遗传算法的航空发动机PID控制器参数优化

提出了1种基于多目标遗传算法以及多属性决策的PID参数设计方法,综合考虑了系统超调量、稳定时间和ITAE指标,采用改进非支配解排序的多目标遗传算法（NSGAII）求出了Paret0最优解;用这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵法对最优解的属性进行了权值计算,然后采用逼近理想解的排序方法（TOPSIS）进行了多属性决策（MADM）研究,对Pareto最优解给出了排序;计算了某型航空发动机PID控制的数值算例,结果表明所提出的联合方法通用性好,所设计的PID性能优异,适合工程实际应用。     

IOSO NM多目标优化软件在航空发动机设计上的应用

IOSO NM是一个独特的软件包,为解决"复杂"的实际问题提供了新的方法,被用来改善复杂系统的性能,技术设备、工程进程,探索原材料的最佳参数,开发新材料.该软件使花费较少的研究支出和较短的执行时间成为了可能.该系统的主要目的是,将设计者或研究者从探索最优系统设计参数的复杂过程以及繁重的体力劳动中解放出来,为航空发动机设计这样的多目标优化问题提供有效的解决方法,目前已广泛应用于航空航天、汽车、石油和天然气、医药、经济学、光学、化学、生物技术、电子、海洋等各个领域.     

混合遗传算法及其在翼型气动多目标优化设计中的应用

把基于实数编码的自适应遗传算法（SAGA）与可变容差法相结合，建立了数值优化设计中的混合遗传算法（HGA），并将其与翼型的气动分析相结合进行跨声速翼型的单目标和多目标气动优化设计。与自适应遗传算法相比，混合遗传算法的优化质量略有改善，优化效率有明显的提高。优化结果表明混合遗传算法在翼型单目标和多目标气动优化设计中是十分有效的。