航行通告最低意群表意的发布策略

在我国民用航空领域现行对外航行通告发布中已经形成了一部分惯例式发报用语。然而,随着该领域的不断发展以及新技术新情报的不断出现,我国对外发布的航行通告内容复杂程度也不断提高。为降低航行通告E项冗余信息量,减小飞行人员处理航行通告时的信息负载,本文从语言的基本元素语素出发,通过探讨如何使用最低意群完成航行通告的表意功能,探索了该理论下的航行通告发布策略。     

基于随机有限集的空间碎片群运动状态估计

传统的空间目标监测是建立在单目标状态估计基础之上,在面对突发产生的大量空间碎片时,由于碎片尺寸小,且密集分布以"群"的方式出现,传统单目标处理方法很难奏效。以"群"整体作为处理对象,基于随机有限集(RFS)技术,对"群"的状态特征进行估计。为了解决漏检目标密度分配问题和轨迹关联问题,提出一种面向量测的改进集势概率假设密度(CPHD)滤波器,并结合滤波后的信息处理过程,完成了对低轨空间碎片群的目标密度分布、群内目标数以及群内显著目标的状态估计。在仿真实验中,提出的滤波器表现明显优于传统滤波器和标准CPHD滤波器,且在某些传统滤波器和标准CPHD滤波器已失效的情况下,所提技术仍能有效工作。     

无喷管助推器药柱结构优化设计研究

为了得到无喷管助推器药柱设计的最优解,采用无喷管助推器一维非定常内弹道计算方法和粒子群模式搜索混合优化算法,构建了无喷管助推器药柱优化设计框架,优化框架中粒子群算法用于全局搜索,模式搜索算法用于局部搜索。对圆柱内孔装药无喷管助推器的药柱结构进行了优化设计,最大化总冲设计在不增大峰值压强的条件下总冲提升了5.4%,最小化峰值压强设计在总冲不降低的条件下峰值压强降低了33.8%,表明设计框架适用于无喷管助推器药柱优化设计过程,能够满足不同药柱设计的需求,混合优化算法的采用大大降低了优化设计代价。     

基于聚类与粒子群极限学习机的航空发动机推力估计器设计

针对航空发动机推力不可测,部件级模型求解推力精度不高、实时性差的问题,提出了基于快速寻找密度极点聚类与粒子群极限学习机的航空发动机推力估计方法。首先利用基于快速寻找密度极点的聚类算法对全工况范围内的台架试车数据聚类,然后在每一个子类中,用粒子群极限学习机设计了子推力估计器。在子类推力估计过程中,为使网络拓扑结构最优,用粒子群算法寻找极限学习机的最优隐层神经元数目的方法。训练与测试表明,推力估计测试相对误差最大值为3.06‰,优于传统的RBF(7.25‰)与BP(14.84‰)神经网络方法,能够满足直接推力控制与机载在线实时状态评估的需求,且可将方法扩展到其他不可测参数的估计。     

基于微粒群算法的复合控制逻辑参数优化方法

针对复合控制中采用PSR调制器控制发动机开关机的控制逻辑参数选择问题,基于微粒群算法提出了一种控制逻辑参数优化方法。该方法以提高复合控制性能为目标,将复合控制的控制逻辑参数选择问题转化为对以复合控制性能为指标的多目标优化问题。在此基础上,将微粒群算法应用于该优化问题的求解,提出了一种基于微粒群算法的PSR调制型复合控制逻辑参数优化方法,并设计了算法流程图。仿真结果表明,采用该设计方法对参数优化后,复合控制总体性能有明显提升。     

基于群决策层次分析法的 潜射反舰导弹武器系统作战效能评估

文章着眼于潜射反舰导弹武器系统组成和作战过程,构建了较为全面的武器系统作战效能评估指标体系,应用群决策方法对层次分析法进行改进,采用Hadamard乘法凸组合对不同专家的判断矩阵进行集结来确定指标权重,克服了传统层次分析法易受个人偏好影响、评价结果不够客观的弊端。同时,针对效能指标的模糊、不确定性,运用灰色系统理论进行定量化处理,实现了定性与定量评估的转换,建立了集中群决策层次分析法和灰色理论两者优点的效能评估方法。实例表明,该方法切实可行,能够提高评估的准确性。     

基于改进PSO-WNN的高频地波雷达 电离层杂波抑制方法

高频地波雷达的海上目标探测能力与电离层杂波的抑制效果息息相关,而电离层杂波的复杂性与变化多样性又为抑制带来了难题。为实现电离层杂波的抑制,分析了电离层杂波的混沌特性,在此基础上提出一种基于改进粒子群算法优化小波神经网络的抑制方法,解决了粒子群算法易早熟和易陷入局部最优的缺点;提出一种自适应概率变异的策略,丰富了种群多样性,使得整个迭代过程中粒子群能够跳出当前最优,寻得全局最优。实测实验表明,基于改进粒子群算法优化的小波神经网络（PSO-WNN）能够基本预测电离层杂波的数值,进行电离层杂波的抑制,有效改善了信噪比,对电离层杂波的抑制研究具有重要意义。     

粒子群优化方法及其实现

介绍了一种新颖的全局优化搜索新方法-粒子群优化方法,讨论了其中的参数设置问题,给出了一个用VB实现的程序,详细给出了该实现的数据结构和程序框架,该程序以二维视图形象地表现粒子群的寻优过程,并辅以学习曲线,有利于进一步的研究。     

基于粒子群优化支持向量机的测控设备校准间隔预测

针对计量保证方案中仪器校准间隔的预测问题,提出了基于粒子群优化支持向量机的预测方法。综合运用了粒子群优化算法对支持向量机的参数进行全局并行寻优的能力和SVM强大的非线性映射功能,具有很高的预测精度。实例验证表明,该方法具有较好的预测效果。     

基于免疫粒子群算法的地磁特征区域选择

为了实现在已知的地磁场区域内快速、智能化地选取易于实现地磁匹配的适配区,提高地磁匹配概率,给出了一种基于免疫粒子群优化算法的地磁特征区域选择方法。将地磁特征区域选择视为一个组合优化问题,通过一定的粒子编码和搜索策略,在规则网格化的地磁图中实现一定大小的、空间连续分布的特征区域选择。采用MSD匹配算法在不同路径的各种噪声强度下进行匹配仿真,实验结果表明,在所选择的适配区内,地磁匹配概率远高于整个地磁场区的平均匹配概率,特别是随着噪声强度的增加这种优势愈发明显。