用遗传算法求解双冲量最优交会问题

在考虑第一次脉冲位置变化情况下 ,推导了航天器双冲量交会时的优化模型 ,以此为基础构造了最优交会的燃料 -时间混合优化指标 ,并设计了与之相应的遗传算法。仿真结果表明 ,考虑和不考虑第一次脉冲位置 ,优化指标值相差悬殊 ,同时也证明了遗传算法的设计是成功的     

应用遗传算法的频域最大似然参数辨识

针对基于变量误差模型EV模型(Errors-in-Variables Model)的传递函数频域最大似然参数估计中存在的初始值以及收敛问题提出了使用浮点遗传算法的改进算法.仿真试验表明,单独使用遗传算法难以得到系统传函的精确估计,传统的非线性数值递推算法在一些情况下容易收敛到局域最小值.将两种算法结合使用,可以有效地克服各自的不足.新算法可以给出系统延迟的初始值的估计.当代价函数存在多个局部最小值时,它仍然能够快速准确地寻找到全局最优点.改进的算法比原算法具有更强的适应性.      

复杂目标散射强度的三维分布特性

建立复杂目标几何外形的数学模型,对独立目标使用外法向判断可见面元,对复杂目标使用Z-buffer算法处理自动遮挡问题.通过求解电磁场边值问题求解目标表面的等效电磁流分布,并求解散射强度的三维分布特性.仿真计算结果被若干测试结果验证,证明该方法的精度较高、实用性强、可靠性好.算法可以直观地显示目标散射强度的三维分布图.      

基于调频高斯小波变换的导航传感器故障诊断

为提高多传感器组合导航系统对各导航传感器的在线故障检测能力,在分析调频高斯小波特性的基础上,提出了一种基于调频高斯小波变换的导航传感器故障诊断算法.该算法仅利用传感器的观测量来直接诊断传感器工作是否正常.它可以对方差突变等软故障进行有效的在线检测.仿真结果证明了所提方法的有效性.     

基于D-S证据理论的知识融合及其应用

知识融合是上世纪末提出的一种新概念,它不但能够融合数据、信息,而且还可对方法、经验,甚至人的思想进行融合.针对企业失败预警问题,提出了一种基于D-S(Dempster-Shafer)证据理论的新的知识融合方法,该方法主要包括数学建模、知识融合以及结果分析与决策三个步骤.给出了基于D-S证据理论知识融合方法的具体实现:提出了一种数学建模方法,将信息熵的概念引入到基础概率分配的确定中;针对企业失败预警问题,推导了基于D-S证据组合理论的知识融合公式;提出了一种简洁的融合结果分析与决策方法.最后通过对具有典型企业风险特性的两个上市公司进行分析和处理,验证提出的基于D-S证据理论的知识融合方法的有效性.结果表明,该方法能有效降低企业失败预警方法的不确定性.      

机翼低速风洞试验颤振模型优化设计方法

对于机翼的低速风洞颤振试验模型设计中涉及学科多、难度高、工作量大、周期长等问题,把具有很好的全局和局部寻优能力且收敛速度很快的遗传/敏度混合优化算法应用于模型设计过程;详细说明了遗传/敏度混合优化算法的优化设计原理、设计过程,以及应用范围;论述了机翼颤振模型设计的基础理论和设计思路;根据实际问题的物理模型,并通过对机翼颤振模型设计原理的分析,建立了优化设计的数学模型;通过优化设计方法的实际应用,完成了设计工作,提高了设计效率,保证了设计精度,该设计方法所得到的设计结果与计算得到的设计要求之间的误差在5%以内;在此基础上建立了完整的机翼颤振模型工程优化设计方法,使该方法能够应用在模型设计的很多方面,为工程设计提供了一种有效的手段.      

T型尾翼动气动弹性优化设计

T型尾翼构型复杂,操纵面多,在动气动弹性的有限元建模和颤振特性设计中,需要修改的参数多,颤振分析复杂,设计人员面临很大的困难.通过在设计过程中引入优化方法,能够有效的解决这些问题.依据遗传算法和敏度优化算法的特点,针对固有振动和颤振优化设计的不同要求,将两种优化方法进行混合和递进应用,形成不同的优化设计方法.建立固有振动频率和颤振阻尼对结构参数的敏度公式,设计两种不同优化问题的数学模型.将优化方法应用于某T型尾翼的结构动力学优化设计,提高了设计速度,保证了设计精度,固有振动频率误差保证在3%以内.在保证质量最小的要求下,使颤振速度得到提高,并为实际结构的设计提供一定指导.      

智能监控场景中运动目标轨迹聚类算法

轨迹分析是视频监控场景理解的基础,但由于遮挡等原因,跟踪过程会出现不完整的噪声轨迹,导致分析结果不准确.针对此类问题利用改进的轨迹相似度度量和聚类方法进行场景区域分割.首先,对轨迹进行编码,提出利用轨迹的空间特征和速度方向特征改进相似性度量方法计算轨迹间距离;其次,采用改进的层次聚类算法,以该类最长轨迹作为运动物体行为模式代表,将在空间上接近且具有相似速度特征的轨迹划分为同一场景区域,得到符合实际情况的聚类结果.本算法无需对轨迹进行复杂的预处理或过滤,并且加入速度方向特征使区域划分更加合理.最后,在真实场景下,验证了该聚类算法的有效性和普遍适用性.     

基于遗传算法的涡喷发动机身份证模型建立

为建立发动机身份证模型,针对发动机个体差异和寿命期内性能蜕化引起的发动机模型与真实发动机之间的失配问题,提出1种基于遗传算法的发动机部件级模型自动修正方法。在发动机部件级模型中,引入能反映个体发动机部件特性的性能调节因子。根据发动机试车数据与待修正部件级模型输出数据,以发动机关键测量参数残差最小为优化目标,采用遗传算法获得不同换算转速下的特性修正系数,建立发动机身份证模型。以某型涡喷发动机为对象进行试验验证,结果表明该方法能有效提高发动机部件级模型精度,适用于建立发动机身份证模型。     

基于深度强化学习的多无人机协同进攻作战智能规划

无人机依靠作战效费比高、灵活自主等优势逐步替代了有生力量作战,多无人机协同作战任务规划成为热点研究问题。针对传统任务规划采用的智能优化算法存在的依赖静态、低维的简单场景、机上计算较慢等不足,提出一种基于深度强化学习（DRL）的端到端的多无人机协同进攻智能规划方法。将压制敌防空作战（SEAD）任务规划过程建模为马尔科夫决策过程,建立基于近端策略优化（PPO）算法的SEAD 智能规划模型,通过两组实验验证智能规划模型的有效性和鲁棒性。结果表明：基于DRL 的智能规划方法可以实现快速、精细规划,适应未知、连续高维的环境态势,智能规划模型具有战术协同规划能力。