平面波导器件封装工艺软件的研究与开发

平面波导器件的耦合封装是制约其发展的一个瓶颈,通过研究平面波导器件的封装工艺特点,分析了封装过程对控制系统的要求.基于Visual Basic.Net开发了封装工艺软件,研究了手动调整、视觉引导粗对准、自动化对准以及点胶固化四个模块的设计方法,并对编程过程中的关键技术进行了讨论.     

基于Kriging的多目标遗传算法

为了提高多目标优化问题的求解效率,提出了一种新的处理约束多目标优化问题的基于Kriging的多目标遗传算法(MOKGA)。MOKGA采用物理规划法将多目标优化转化为单目标优化,然后构建目标函数的考虑约束的EI(Expected Improvement)模型,并采用遗传算法进行求解。六峰值驼背函数和一个导弹多目标多学科设计优化问题用于MOKGA算法性能的测试。结果表明,与理论解相比,MOKGA算法有很好的优化结果;与NSGA II相比,MOKGA有很快的收敛性。     

Automated design architectures for co-orbiting spacecraft swarms for planetary moon mapping

This work describes the design and optimization of spacecraft swarm missions to meet spatial and temporal visual mapping requirements of missions to planetary moons, using resonant co-orbits. The algorithms described here are a part of Integrated Design Engineering and Automation of Swarms (IDEAS), a spacecraft swarm mission design software that automates the design trajectories, swarm, and spacecraft behaviors in the mission. In the current work, we focus on the swarm design and optimization features of IDEAS, while showing the interaction between the different design modules. In the design segment, we consider the coverage requirements of two general planetary moon mapping missions: global surface mapping and region of interest observation. The configuration of the swarm co-orbits for the two missions is described, where the participating spacecraft have resonant encounters with the moon on their orbital apoapsis. We relate the swarm design to trajectory design through the orbit insertion maneuver performed on the interplanetary trajectory using aero-braking. We then present algorithms to model visual coverage, and collision avoidance in the swarm. To demonstrate the interaction between different design modules, we relate the trajectory and swarm to spacecraft design through fuel mass, and mission cost estimations using preliminary models. In the optimization segment, we formulate the trajectory and swarm design optimizations for the two missions as Mixed Integer Nonlinear Programming (MINLP) problems. In the current work, we use Genetic Algorithm as the primary optimization solver. However, we also use the Particle Swarm Optimizer to compare the optimizer performance. Finally, the algorithms described here are demonstrated through numerical case studies, where the two visual mapping missions are designed to explore the Martian moon Deimos.     

基于神经网络和人工势场的协同博弈路径规划

协同博弈路径规划是空战自主决策、机器人体育比赛等应用场景中的重要问题，其难点在于对环境对抗性反馈的实时自适应和多智能体的相互配合。提出一种基于神经网络和人工势场的协同博弈路径规划方法，使用反向传播（BP）神经网络自适应调整人工势场函数系数，并将人工势场作为神经网络输出端的特征提取。为解决真实样本质量和数量不足的问题，基于遗传算法仿真生成样本数据用于神经网络训练，并通过滚动时域的思路面向动态博弈优化样本性能。从样本数据中提炼出距离差与航向差以反映协同和博弈特性，利用神经网络的黑盒特性和学习能力解决协同博弈问题。应用于二对一反隐身超视距空战路径规划，比经典人工势场法有明显性能提升，且计算开销可接受，计算复杂度分析表明该方法可以较好扩展到多机对抗场景。     

非结构混合网格自适应并行技术

计算流体力学（CFD）模拟实际工程问题所采用的网格规模可达千万量级，并行技术是减少计算时间的有效方法。耦合流场信息的网格自适应技术能有效动态优化计算网格，被NASA视为一项亟待发展的CFD关键技术。混合网格自适应系统包含网格分布优化、表面网格投影和空间网格匹配等关键技术。针对以上3项关键技术分别建立了高效的并行算法。首先，提出了"先唯一后同一"的两步法策略实现了网格单元分布优化过程的并行相容性；其次，基于局部曲面拟合思想，实现了曲面重构和新增物理网格点投影的完全并行；再次，提出了空间网格匹配技术的半并行算法，快速解决了网格单元交错问题。为了提高后续流场计算的并行效率，发展了基于并行重分区-网格数据迁移方法的动态负载平衡技术，并采用圆柱激波流场自适应模拟对动态负载平衡技术进行初步验证。最后，采用三角翼自适应加密测试了自适应系统的并行效率。结果表明，建立的混合网格自适应系统并行效率较高，且相比流场求解耗费总时间的比例低于1%。     

具有星间链路的导航星座重构研究

针对具有星间链路的导航星座在卫星节点或链路失效情况下的重构优化设计问题,提出了一种基于遗传算法的设计方法。首先,根据导航星座的功能需求与设计约束,建立了星座综合重构优化设计模型。其次,提出了基于遗传算法的综合优化设计方法,并根据问题特性对遗传算法的具体操作进行了修改。最后,应用该方法对Walker 24/3/2构型星座及网状星间网络在节点和链路混合故障模式下的重构进行了优化设计。结果表明,基于该方法重构后的星座与网络拓扑性能能够得到一定程度的改善,证明了方法的可行性。     

基于遗传算法的一种高分辨率雷达目标识别方法

目标识别是防空信息处理中的一个重要环节,而对空中目标类型的识别还没有成熟的理论。通过对高分辨雷达回波信号的分析,在遗传算法的基础上,提出了一种高分辨雷达目标识别方法,由此进行目标识别。仿真实验结果表明,该方法具有高的识别率和强的抗干扰能力。     

高升力翼型的气动优化设计和实验研究

利用遗传算法进行了低雷诺数高升力翼型的气动优化设计,并利用风洞实验检查了设计的正确性。优化后的翼型其气动特性有明显改善,这说明了利用遗传算法进行低雷诺数翼型气动优化的可行性。风洞实验结果验证了优化设计方法的正确性,同时也表明新设计翼型有较高的升力系数和相对大的升阻比,其升阻比提高了10%。     

基于遗传算法的飞机低空突防航路规划

针对在飞机低空突防航路规划中存在的计算复杂和收敛性等问题,本文提出了一种基于遗传算法的搜索算法,并且对传统遗传算法的算子操作进行了改进。该方法有效地加快了收敛速度,并且其得到的飞机航路,严格经过起始点和目标点,尽量远离了威胁点,同时很好地满足了飞机的机动性能要求。     

遗传算法在反舰导弹航路规划中的应用

针对具有航路规划功能反舰导弹的飞行特性、导弹使用上的战术需要和遗传算法的特点．提出了一种反舰导弹参考航路编码方法。基于此编码方法．对种群中的个体进行编码，并设计了相应的交叉和变异操作。仿真结果表明，基于此编码方法的遗传算法具有很好的全局寻优能力。