基于神经网络的表面热流辨识三维效应修正

在已有顺序函数法对一维、二维表面热流辨识的研究基础上,考虑到三维辨识实时性的困难,提出神经网络和顺序函数法结合的方法。在顺序函数法一维辨识结果的基础上,利用人工神经网络对热传导三维效应进行修正,从而获得峰值热流实时准确的辨识结果。为了获得更优的神经网络模型,引入粒子群算法优化神经网络的初始权值和阈值。通过数值仿真的算例测试结果可以看出,本文提出的方法对于峰值热流的辨识结果准确度在4%以内,避免了三维辨识的时间复杂性,同时具有良好的抗噪性和稳定性。     

多植保无人机协同路径规划

为实现多植保无人机（UAVs）协同作业,并提高作业效率,提出了一种基于改进粒子群优化（PSO）的多植保无人机协同路径规划算法。根据作业区域的形状面积和植保UAV的作业参数划分各架UAV作业区域,采用栅格法生成各区域全覆盖作业航线。以各架植保UAV各架次植保作业距离为算法寻优变量,在确保各架UAV补给时间满足间隔分布约束条件下,综合考虑补给总次数、返航补给总时间、总耗时和最小补给时间间隔4项因素,并构成目标函数,通过采用改进PSO算法,实现了对各UAV返航顺序和返航点位置的寻优。仿真分析结果表明,相较于最大作业距离规划和最小返航距离规划,本文提出的规划算法表现出了较优的性能和较好的作业区域适应性,证实了其有效性和实用性。     

改进PSO优化WNN的液体火箭发动机故障检测

提出一种改进粒子群优化的小波神经网络模型,将其应用于火箭发动机的故障检测研究.针对传统粒子群算法初期容易陷入局部最优的问题,改进粒子群算法的惯性权重和学习因子,采用逐渐递减的选取方式.进行动态调整后的粒子群算法有利于在初始迭代时寻找满足条件的局部最优值,在寻找到局部最优值之后能够快速地收敛逼近于全局最优值,提高运算效率...     

一种新的精英遗传算法及在多弹拦截分配策略的应用

为了有效解决多导弹对多机动目标的拦截对抗实战中的目标分配问题,本文提出一种基于精英策略的多种群自适应遗传算法(MAGA).首先,建立目标分配的综合优势函数和约束条件的数学模型.其次,为改善传统遗传算法容易陷入局部最优的问题,通过多个单遗传算法并行计算,引入自适应策略动态改变交叉、变异概率,设计迁移算子增加各种群之间的联...     

基于增量调制的ICCP地磁匹配序列生成方法

为解决地磁匹配算法中匹配点的选取和匹配序列长度的设置问题,提出一种迭代最近等值线(ICCP)算法的地磁匹配序列生成方法。首先,分析了采样定理、地磁图分辨率、磁场起伏特征和磁传感器测量精度等对匹配序列采样间隔的约束,以及匹配序列长度与误匹配的关系;然后,在此基础上利用增量调制原理实现了匹配点的选取;最后,建立了本文方法参数优化的目标函数,并利用二进制粒子群优化（BPSO）算法对匹配序列的长度和增量调制的量阶进行寻优,使ICCP算法在保证匹配精度的前提下能够缩短匹配时间。仿真结果证明所提方法具有良好的环境适应性,对ICCP算法的精度和实时性都有明显改善。     

基于实际出行大数据的旅客机场选择行为研究——以京津冀机场群为例

旅客的机场选择行为对机场发展具有重要影响,机场群内部由于腹地市场重叠和航线网络类似,旅客航空出行选择更为广泛,选择行为更为复杂。本文以京津冀机场群为例,基于实际出行大数据,采用双层多项式Logit(MNL)模型,研究区域多机场体系中影响旅客航空出行机场选择的关键因素及其具体影响。采用实际出行大数据建模,比常用的SP(Stated Preference意向调查)数据更贴合实际。研究结果表明航空旅客对于时间成本类因素更为敏感,不同区域人群对票价敏感程度呈现差异,航线类型、航班频次、机场准点性等都对旅客选择产生重要影响。基于研究结果,论文对如何促进机场群协同和差异化发展提出了建议。     

基于星载气象雷达的非线性调频信号优化设计

随着天气观测、研究和规划的进展,气象雷达技术的开发工作取得了重大进展。脉冲压缩使新一代低成本、紧凑型星载天气雷达系统成为可能。为了抑制脉压带来的距离旁瓣,目标探测雷达通常采用基于幅度调制和失配滤波的方法,但由于其存在主瓣扩展和功率损失等缺点,不适用于气象观测。非线性调频（NLFM）信号可以调整其功率谱密度,在明显不降低信噪比的情况下提供较低的旁瓣输出。本文设计了一种新的波形优化框架。该框架通过多目标粒子群优化算法（MOPOS）构造了一种针对气象粒子目标的非线性调频（NLFM）脉冲压缩波形,实现了极低的距离旁瓣电平和较高的多普勒容限,可以显著地缓解非常有限的卫星峰值功率的限制和卫星平台运动导致的多普勒对系统影响。仿真实验结果表明：改进的非线性调频波形具有良好的性能。     

基于三方博弈的终端区协同容流调配策略研究

为研究终端区协同容流调配问题,从机场、空管部门、航空公司三方利益出发,以最大化机场容量利用率、最小化航班调整量、最小化航班总延误损失为优化目标,通过动态博弈分析,求解多目标优化模型,研究了多方利益冲突下的终端区协同决策。根据各要素映射关系,将多目标优化模型转化为三方动态博弈模型;采用博弈粒子群算法进行求解,使博弈策略实现最优组合,从而获得子博弈完美纳什均衡解,即为最优解集。经过算例分析,与多目标优化相比,模型在充分利用终端区容量的同时,有效降低了航班调整量,减少了航班延误损失,提升了整体优化的效益。     

组合体航天器智能协同姿态控制研究

组合体航天器在姿态机动过程中的各单体卫星承受的控制力是不均匀的,局部控制力过大将会导致组合链接断裂而失效。应用多体动力学理论建立了组合体航天器间的相互作用模型,对内力、内力矩与整星姿态、控制力矩之间的关系进行了分析;仿真了极端情况下的内力矩分布,其大小可能超过常用对接机构的力矩承受范围;采用粒子群算(PSO)法对控制合力矩进行优化分配,通过预设初值和继承初值来加快PSO算法的收敛速度,实时调整各星控制力矩分配比例,减小星间相互作用力,实现组合体航天器的智能协同控制,保证组合体航天器的连接铰不因受力过大而损坏。算法仿真和Adams软件验证分析表明,本文建立的相互作用模型可准确计算出星间相互作用力,提出的智能协同姿控算法可显著降低姿控过程中的星间内力,确保组合体航天器的安全。