基于免疫粒子群算法的滑油屑末支持向量机预测模型设计

将人工免疫理论的克隆选择算法中的抗体克隆、变异和抑制策略引入粒子群优化算法中,提出了一种基于克隆选择的免疫粒子群优化算法,克服了基本粒子群算法易于陷入局部最优解的缺点.针对支持向量机预测模型的参数选择影响其预测精度的问题,引入免疫粒子群优化算法设计了参数自适应优化的航空发动机滑油屑末支持向量机预测模型.仿真结果表明:与传统的交叉验证试算法相比,基于免疫粒子群优化的预测模型实现了参数的自动择优,并且提高了预测精度.      

基于信息熵距和FSVM隶属度的转子振动状态评估方法

为了更有效、直观地对航空发动机的振动状态进行实时监控,运用信息熵和模糊支持向量机(FSVM)方法,建立了基于信息熵距和FSVM隶属度的转子振动状态评估方法。研究了振动信号的信息熵特征,提出了可以表示转子振动状态的指标—信息熵距;通过模糊支持向量机(FSVM)确定模糊隶属度矩阵,将模糊隶属度矩阵与信息熵距相结合,建立了一个多参数的转子振动状态评估模型;应用此模型对转子振动信号进行系统分析和定量计算,验证了该方法用于转子振动状态评估是有效、可行的。      

分布式天线组阵优选设计

分布式天线组阵是指利用现有的天线资源,使用较低成本实现超大的天线口径。针对分布式天线组阵中,不同口径天线接收信号信噪比差异较大,任意天线是否均可引入天线阵中,加入较低接收信噪比的信号进行组阵合成能否提高最终合成信号的误码率性能等问题,提出了分布式天线组阵的优选准则。该准则依据载频、时延以及相位这三者估计算法的性能及其克拉美罗性能下界,证实当接收信号信噪比低于载频估计的异常值效应门限时,受载频差估计精度急剧恶化的影响,将该信号加入天线阵中进行合成将引起最终合成信号误码率性能的恶化。系统仿真算例验证了结论的正确性,为我国未来深空探测任务提供可靠的保障。     

数控车削编程系统图素工艺信息自动输入模块的研究

根据NC车削自动编程系统的需要,为高效输入图形零件信息,实现数控编程的自动化,确定了基于回转体零件的数据结构(包括几何信息和工艺信息).通过求交算法实现各图素的特征提取和输入,客户可在屏幕上点选特征图素并同时输入其对应的工艺信息,随后通过动态绑定技术利用数据库来进行数据处理和储存.不同的特征图素将产生不同类型的表,可通过打开数据库的方式使零件图形输入并重现,最终实现输出系统所需的数据结构,提高了图形输入效率,为虚拟化数控加工仿真提供技术支撑.     

基于特征分解及模板库的涡轮叶片分模方法研究

为实现复杂涡轮叶片外形模具分模自动化,提出了一种基于特征分解及模板库的涡轮叶片分模方法.该方法运用离散和集成的思想,采用自动特征识别和人机交互特征识别的方式提取型腔体模型分解特征,将涡轮叶片的核心包络块分解为简单特征体,然后针对每个简单特征体,采用基于模板库的分模方法实现自动分模,从而有效地提高了涡轮叶片外形模具的设计...     

智能交通系统中车辆调度问题的遗传算法研究

在智能交通系统(ITS, Intellignet Transportation Systems)的各个子系统中,先进的公共交通系统(APTS, Advanced Public Transportation System)具有重要地位和作用,其中车辆调度问题是APTS的关键.为了提高车辆调度的智能化,提出了一种基于遗传算法(GA, Genetic Algorithm)的公交车辆智能调度方法,采用最小费用作为目标函数,考虑了车辆配置、时间、运营效率及资源利用等方面因素,通过选择、交叉及变异等遗传操作,得到了最优的调度排序方案,并对2种交叉方式进行了比较,仿真结果表明,利用GA解决车辆调度问题具有可行性、先进性和快速性.      

基于演化计算的线性规划原对偶内点法中的初始点选取算法

采用原对偶内点法求解线性规划问题,对初始点要求严格。根据初始可行内点的准则,定义了相应的达成度函数,并由达成度函数定义了适应值函数,从而提出了基于演化计算的线性规划原对偶内点法中的初始点选取算法。该算法基于和声搜索演化算法实现,经数值实验测试,结果表明,对所选取测试的典型线性规划问题,算法都能求得大部分问题的初始可行内点。     

基于结构光的空间大目标特征重构与位姿测量

针对因缺少空间非合作大目标的全局特征而难以实现相对位姿测量的问题,提出利用点状光源与单目光学相机组成点结构光视觉测量系统进行特征重构与位姿测量的方法。以非合作大目标上尺寸未知的局部矩形特征为测量对象,首先建立点结构光视觉测量系统相对位姿测量模型;接着利用相对约束关系给出特征重构方法并获得隐性特征点;然后利用特征点计算测量系统与非合作大目标之间的相对转移矩阵得到相对位置和姿态。通过数字仿真校验该方法的有效性并对测量误差因素进行分析,仿真结果表明该测量方法是有效的。     

载人小行星探测目标选择与轨道优化设计

针对2020-2040年载人小行星探测任务,研究了探测目标选择与轨道优化设计问题。首先,针对已编目的近地小行星,综合考虑绝对星等、燃料消耗等多方面因素与约束,给出了适合载人探测任务的候选小行星序列;然后,构建了载人小行星探测任务轨道的设计模型,采用参数优化算法对探测轨道进行了设计;进一步,为了获得最优探测轨道,利用主矢量原理对探测轨道进行了优化。该研究可为载人小行星探测任务设计提供有价值的参考。     

改进免疫算法在函数优化中的应用

在对已有克隆选择算法的抗体行为特征分析的基础上,提出了一种新的偏心动态免疫克隆算法(EDICA,Eccentric Dynamic Immune Clone Algorithm).利用进化过程中子代抗体比父代抗体更靠近最优解的启发性信息,提出偏心变异策略,使抗体更快地靠近最优解域.引入控制因子,通过动态调整变异搜索半径的方法,在进化初期加大步长以加快搜索速度,而在后期减小搜索粒度以提高优化精度.采用超球体混沌变异策略以克服各向异性的不利影响并提高全局搜索能力.实验结果表明:EDICA不仅能够准确地找到静态函数的多个最优点,而且还能以较高的精度锁定和跟踪动态函数的最优点.