基于遗传算法(GA)的具有约束的飞行轨迹规划

轨迹规划的一个最基本目标是规划飞机通过威胁空间并实现任务目标的飞行轨迹,这个轨迹需满足任务规划所确定的约束,这些约束包括：地形、威胁（静、动态）、燃油、时间、飞行性能等,构成了一个多维、多模态且具有组合爆炸的搜索空间,造成了轨迹规划的具有挑战性的难题。对基于ＧＡ的自适应搜索技术的轨迹规划方法和轨迹规划器进行了研究。提出了用来解决满足约束条件最优飞行轨迹问题的描述方法。     

基于MAX—⊙复合运算和模糊关系Pb的多维模糊推理算法

模糊推理是广泛应用在人工智能AI中的一种不精确推理方法 ,本文采用MAX -⊙复合运算和模糊关系Rb,依据J.F .Baldwin真值限定概念 ,给出在离散隶属函数下的多维Sugeno -Takagi模糊推理算法。     

空间交会近程导引段控制方法与控制算法

阐述了空间交会近程导引段控制方法与控制算法。停泊点转移控制采用终端控制法,以终点标称状态为控制目标;停泊点位置保持应用轨迹控制法原理。对转移控制,冲量制导的控制目标是终端位置,连续常推力制导的控制目标是终端位置和速度,可应用不同控制方式,对转移时间有不同影响。模拟计算结果表明,提出的控制方法及其算法是有效的。     

3点逐步r型自适应网格算法

为了根据某个流场参数梯度较合理地分布网格同时又不增加网格点的数量,提出一种基以总变差为基础的r型3点逐步自适应网格算法,通过3点逐步调整网格点的位置以减小网格线的扭曲,生成质量较好的计算网格.以绕二维圆柱和三维双椭球的超声速流动为算例,用Euler方程模拟,以流场的压力总变差来进行自适应,通过分别用所提出的自适应方法生成的自适应网格与用原始网格计算所得的流场结果对比,计算结果表明,用自适应网格计算所得的激波比用初始网格计算所得的激波薄,采用自适应方法所计算出的流场数值解具有更高的分辨率.      

Hermite算法的收敛性分析及其改进

为了提高多点切触加工算法的计算效率,对其中的Hermite算法进行了改进,并且对改进后的Hermite算法的收敛性进行了理论分析,推导了改进后算法的局部收敛条件,同时给出算法的Steffensen加速迭代公式并新提出了一种基于试算的待定系数迭代法.分析和实例表明,改进后的Hermite算法属于线性收敛的算法,而待定系数迭代法则有接近二阶的收敛速度.综合应用上述算法,可以满足一般性自由曲面多点切触加工刀位计算的要求.      

基于改进蚁群算法的低空突防航迹规划

为保证低空突防的成功率,在航迹规划时必须设计出以最小的被发现概率及可接受的航程为目标的航迹.蚁群算法ACA(Ant Colony Algorithm)作为一种新型的模拟进化算法,适合用于航迹规划中最优航迹的搜索,但是算法存在搜索时间长、收敛速度慢、易陷于局部最优解的缺点,为了克服算法自身不足,提高算法性能,引入了遗传算法中变异操作和挥发系数的自适应调节,从而形成改进蚁群算法,最后结合建立的航迹规划性能指标,利用等概率寻优、原有蚁群算法和改进蚁群算法3种方法分别进行航迹规划,并通过比较和分析结果的时间花费和航路代价,验证了改进蚁群算法的有效性.      

一种通用红外成像跟踪实验装置的设计

介绍了一种先进的红外成像跟踪实验装置的研究与设计实现,给出了系统结构、主要性能参数、跟踪算法设计以及试验结果.在成功设计含双微处理机的并行图像识别跟踪器基础上,针对不同类型的目标开发了不同的跟踪算法以及噪声生成算法程序.该实验装置能模拟多种红外跟踪系统,可安装在直升机上对多种目标进行搜索、捕获和跟踪试验,试验恶劣天气、烟雾以及改变空间分辨率等系统参数对图像识别与跟踪的影响,也可进行各种干扰试验,以检查干扰效果.经试验验证,该系统有很好的应用效果.这些试验为模拟实验的研究提供大量原始素材,将为红外图像跟踪系统的设计和使用提供重要数据.      

基于LCMV算法的星载SAR距离模糊抑制方法

距离模糊抑制是星载合成孔径雷达(SAR)系统顶层设计中的关键问题之一.增加天线高度可以抑制距离模糊,但卫星平台往往对天线尺寸有所限制.指出了距离模糊抑制对于提高可视观测带宽度、产生高质量雷达图像的重要性,介绍了距离模糊的数学模型,提出了分布距离模糊度的概念,分析了平均距离模糊度与分布距离模糊度的区别,给出了应用线性约束最小方差(LCMV)算法抑制星载SAR距离模糊的方法.仿真结果证明,该方法在天线高度不变的情况下,不仅能够提高平均距离模糊度,也可以改善分布距离模糊度.      

低轨卫星移动系统的点波束确定算法

根据星座空间几何基础,以及卫星对地面的覆盖情况以及点波束的形状,通过建立数学模型,提出了地面终端确定所在点波束的仿真算法;并以典型的低轨卫星移动系统Globalstar为仿真背景,仿真得出了与实际系统参数接近的结果,验证了算法。     

改进BP算法在模糊神经网络中的应用

引入一种改进的BP算法——动量因子-自适应学习率算法.通过调节动量因子以及在学习过程中的学习率实现自适应,以提高学习速率和增强学习的平稳性.将该学习算法引入到串形结构的多层前向模糊神经网络中,通过学习确定了模糊映射关系,实现了对象的模糊故障诊断.在应用模糊神经网络进行故障诊断时,被监测的故障征兆信号与网络输入层相连,即将输入向量输入到网络中,经过模糊化处理,得到各故障征兆在所定义征兆的模糊子集上的隶属度向量,再利用神经网络的前向计算,得到故障原因的模糊隶属度向量,最后通过对向量的分析确定故障原因的类型.将上述模糊神经网络应用到空气静压轴承中,实现了设备的故障诊断,测试结果验证了该方法的有效性.