基于启发式算法的可重构性指标分配

串联有约束条件下的可重构性指标分配问题,针对考虑部件故障的系统给出了可重构度的概念和计算方法,并论证了其合理性.结合最优冗余分配理论和可重构度定义给出了可重构度最大化的冗余分配模型,在此基础上提出了基于启发式算法的可重构性指标分配方法,该方法可解决约束条件内资源优化配置问题,并得到系统最大可重构度的解.直接寻查法作为以往具有代表性的最优冗余分配方法,用作系统可重构性指标分配仿真,与所提方法作比较,结果显示基于启发式算法的可重构性指标分配方法较前者有更高的有效性.     

零极点偶配置在横向自动驾驶仪设计中的应用

系统特性主要取决于系统闭环传递函数中零极点的分布。采用零极点偶配置法，将零极蹼合理地配置在理想位置，不但能使系统简化，降低其阶次，而且可以改善系统性能，使系统满足各方面的指标要求。     

开环机构末杆自由度的对偶矢量解法

运用对偶矢量理论定量地分析开环机构中各运动副所容许的相对运动在末杆上的反映，通过计算末杆独立对偶对速度来确定末杆独立运动的数目，从而给出一种求解末杆自由度的方法     

远航南极直升机的使用和维护

 本文介绍远洋航途中和南极地区的海情、地理环境和气象特点及其给直升机使用和维修带来的主要问题,并提出为适应远洋、极地使用要求,我国远洋舰载直升机应具备的性能。     

基于目标分配的无人机航路规划

在航路规划中．如果存在多个目标点，优化问题就会变得复杂化。因此，在多目标点存在的情况下，航路优化问题应充分考虑目标的有关因素及空域状况，对目标和航路进行优化选择以取得某种效益。针对这一问题，提出了目标选择及航路规化的优化模型．并提出了一种改进的A*算法——大规模平行扩展A*算法对这一问题进行求解。在此基础上，针对无人机的水平飞行航路进行了规化。结果表明，通过该方法可以有效地解决多目标点存在时的航路规划问题。     

电传飞机纵向自动驾驶仪控制律设计

在电传飞机纵向自动驾驶仪控制律的初步设计过程中，以电传飞机的纵向低阶等效系统为控制对象，采用零极点偶配置方法合理地配置零极点偶，使纵向自动驾驶仪控制律的设计得到了最大程度的简化，用所获得的控制律进行了数字仿真，仿真结果表明，纵向自动驾驶仪各个功能模式获得了良好的动态响应特性，满足了各项指标的要求，从而证明了这种设计方法是简便可行的。     

限时令牌网络实时特性的关键参数研究

针对限时令牌网络消息传输的实时性问题 ,建立了网络和消息模型 ,指出影响网络实时性能的关键参数 ,并依据线性令牌传递网络 ( L TPB)的消息调度原则推导出其关键参数的数学表达 ,最后 ,对限时令牌网络典型代表光纤分布式数据接口网络 ( FDDI)和 L TPB的实时特性进行了分析比较     

基于预测的VBR优化带宽分配模型

研究 VBR业务的动态带宽分配问题。以往的 VBR动态带宽分配模型中多只注重对VBR业务的预测研究 ,而忽视分配机制对业务的 QOS参数影响。基于此 ,提出了一个优化的动态带宽分配模型。该模型在预测值的基础上 ,以信元丢失率最小为优化目标对系统的带宽资源进行了优化分配 ,并用随机优化算法求出最优带宽分配向量。与以往方案相比 ,最优化的带宽分配在信元丢失率上达到最优 ,有效地保证了业务 QOS参数。     

考虑协同航路规划的多无人机任务分配

针对多无人机任务分配与协同航路规划问题，以分布式合同网拍卖算法为基础，构建无人机集群任务拍卖架构与拍卖收益函数，结合模拟退火算法协调任务执行次序，采用A^*算法完成两任务点间航程预估，在任务分配阶段同步完成多无人机间协同航路的初规划，确定最佳任务执行次序，实现任务分配与协同航路规划的紧耦合。仿真结果表明，在考虑禁飞区、障碍威胁情况下，该算法能够有效完成多架无人机不同类型任务的分配，且目标分配、执行次序合理，总执行代价小，各机间负载均衡；在任务分配阶段考虑协同航路规划具有明显的效果，能够有效提高任务分配的合理性。     

Multi-UAV reconnaissance task allocation for heterogeneous targets using an opposition-based genetic algorithm with double-chromosome encoding

This paper presents a novel multiple Unmanned Aerial Vehicles (UAVs) reconnaissance task allocation model for heterogeneous targets and an effective genetic algorithm to optimize UAVs’ task sequence. Heterogeneous targets are classified into point targets, line targets and area targets according to features of target geometry and sensor’s field of view. Each UAV is regarded as a Dubins vehicle to consider the kinematic constraints. And the objective of task allocation is to minimize the task execution time and UAVs’ total consumptions. Then, multi-UAV reconnaissance task allocation is formulated as an extended Multiple Dubins Travelling Salesmen Problem (MDTSP), where visit paths to the heterogeneous targets must meet specific constraints due to the targets’ feature. As a complex combinatorial optimization problem, the dimensions of MDTSP are further increased due to the heterogeneity of targets. To efficiently solve this computationally expensive problem, the Opposition-based Genetic Algorithm using Double-chromosomes Encoding and Multiple Mutation Operators (OGA-DEMMO) is developed to improve the population variety for enhancing the global exploration capability. The simulation results demonstrate that OGA-DEMMO outperforms the ordinary genetic algorithm, ant colony optimization and random search in terms of optimality of the allocation results, especially for large scale reconnaissance task allocation problems.