导弹定向定时航迹规划的改进PSO方法研究

为提高导弹的突防概率,协同攻击目标,需要对攻击角度和攻击时间同时进行协调,针对此,本文研究了改进的混沌PSO算法,并将其引入到导弹的航迹规划中.基于导弹的质点模型,将存在边值、过载和禁飞区等约束条件的导弹最优航迹设计问题,通过Gauss伪谱法转化成一个非线性规划问题进行求解;并对传统过载性能目标函数进行了改进,有效处理...     

有限姿控能力的低RCS微小卫星姿态实时规划

 为提高在轨微小卫星使用效能及生存能力,提出一种受姿控能源消耗及驱动能力约束的低雷达散射截面（RCS）微小卫星姿态实时规划算法。算法应用曲面像素法、时域有限差分法及假设检验,在三维空间内对微小卫星的RCS及雷达探测水平进行建模,并结合雷达分布模型构建了相应的威胁评估函数及规划代价评估函数。同时,为提高算法的实时性能,采用了粒子群优化(PSO)算法以降低计算复杂度。仿真结果表明,在有限计算量的基础上,算法能够以较小规划代价有效降低卫星威胁方向的RCS及雷达探测概率,满足对微小卫星飞行姿态实时规划的需要。     

太阳10.7 cm射电流量中期预报模型研究(Ⅱ)

太阳活动指数中期预报一直是空间环境业务预报的难点之一.本文在自回归方法模型的基础上,利用太阳活动区面积、位置等参数与10.7cm辐射流量之间的定量关系,根据活动区面积衰减规律,建立了一个基于活动区参数及演化规律的改进型太阳活动指数中期预报模型.通过对预报测试实例分析发现,在日面出现较大活动区导致F_(10.7)迅速增长并超过历史数据峰值的情况,在日面活动区消亡导致指数突然出现平静期的情况,新模型的预报准确性相比自回归模型有很大提高,预报的平均相对误差下降约5%～9%.由此可见,新模型在某些特定条件下提高了原有模型的精度.该研究为提高业务型太阳10.7cm射电流量中期预报模型的预报精度奠定了基础.     

GA-PSO组合算法模型修正

文章在遗传算法（GA）和粒子群算法（PSO）的基础上,介绍了GA-PSO组合算法的流程和模态修正适应度函数的确定,并利用该算法对一个5层钢架结构模型进行修正,证实了该算法能有效修正模型。该算法能在前期利用GA算法进行高效全局搜索,后期利用PSO算法进行细致局部搜索,与单独使用PSO算法和GA算法相比,该组合算法修正效率和精度更高。     

物理规划方法及其在飞机方案设计中的应用

 物理规划方法是一种高效的设计优化方法,它与设计者的工程经验紧密联系,能以较低的计算代价获得真实反映设计者偏好的折衷解,对解决多目标优化设计问题具有重要意义。将物理规划设计方法与稳定、高效的粒子群优化算法相结合,有效地求解多目标优化问题中的折衷非劣解。通过求解数值算例和民用飞机方案设计问题,验证了该方法的有效性。     

环帆伞技术与发展综述

环帆伞具有开伞可靠、开伞冲击小和伞衣抗损伤能力强的特点,已广泛应用于载人航天回收系统。为全面了解和跟踪环帆伞技术的发展,特别是了解和掌握基于群伞使用的大型环帆伞技术,文章通过分析环帆伞的结构特点,总结环帆伞在航天领域的成功应用经验,证明环帆伞是大型降落伞,尤其是载人航天群伞技术的首选伞型。同时文章还对环帆伞的设计改进过程进行了回顾,包括伞衣侧剖面形状、伞衣上下缘张满度、透气量、使用材料、加工工艺和包伞技术。最后对群伞使用情况进行了探讨,尤其是开伞不同步的问题,并提出了提高充气同步性的建议,这对于中国新一代载人飞船群伞技术的研究具有重要的参考意义。     

基于粒子群优化算法的柔性生产线排产方法

大力推进信息化和工业化的融合,要在航空航天装备上实现重点领域的技术突破。在未来十年,我国对飞机的需求将会持续加大,这就要求飞机零件的制造效率要高、响应速度要快。但实际生产中,对生产线排产算法的研究与应用还比较少,这就导致实际生产不能发挥出生产线的最大效能。针对上述问题,对实际柔性生产线进行了研究,建立符合现场生产实际的排产调度模型,采用优化的粒子群算法对模型进行求解,得到满足实际排产要求的最优解,使其发挥最大生产效能。     

基于人工蜂群算法的固定时间多脉冲交会

在两航天器交会问题中,采用多脉冲变轨策略往往能取得更小的燃料消耗.利用人工蜂群算法优化了航天器固定时间多脉冲交会问题,提出一种改进的人工蜂群算法.该方法能够简化时间约束的处理,能获得满足地球半径约束的解.该方法易于编程,鲁棒性强,可以应用到不同的摄动模型.仿真结果表明,该算法不易陷入局部最优,相比于粒子群算法和传统人工蜂群算法具有更高的求解精度.     

基于粒子群算法的发动机部件模型求解

传统求解航空发动机部件模型中的非线性方程和共同工作方程组的方法因对初值的依赖使得模型并不总能收敛。首先针对模型中的非线性方程求解的特点,在带邻域的粒子群算法的基础上,将收敛因子、被动聚集压力因子和自适应惯性权重引入算法,提出一种混合粒子群算法HPSO1。而对模型中的共同工作方程组的求解,则是在基本粒子群算法的基础上,将收敛因子和被动聚集压力因子引入基本粒子群算法,提出另一种混合粒子群算法HPSO2。实验仿真表明HPSO1和HPSO2均克服了对初值的依赖性,因而对发动机部件模型求解是有效的。     

一种基于生物趋化的改进粒子群算法

针对标准粒子群算法进行多极点函数优化时易导致早熟收敛及陷入局部最优的问题,把生物趋化原理引入到粒子群优化算法中,改变传统粒子群优化算法只存在吸引操作而没有排斥操作的单向性,提出一种保持种群多样性的改进算法,并对其关键参数的选择进行了研究。仿真实验结果表明,与传统粒子群优化算法相比,基于生物趋化的粒子群算法对于处理复杂的多峰函数或优化问题,可显著提高算法的全局寻优性能。