基于S-PSO分类算法的故障诊断方法

将监控数据的已知状态作为先验类别标签,构造出新的有监督的粒子群优化(S-PSO)分类算法,并对设备进行故障诊断。为提高故障诊断的准确率,降低随机性对分类算法的影响,提出了新的基于动态邻域的自适应探测更新(ADU-DN)的干预更新策略来拓展粒子搜索整个解空间的能力,引导粒子自适应地跳出局部最优区域,确保获得全局最优解;同时设计出基于最小类内距离、最大类间距离和训练样本最大分类精度的适应度函数,使得输出的最优类别中心兼顾了这3个因素,增强了分类算法在故障诊断中的通用性和容错性,提高了测试样本的分类精度。S-PSO分类算法有效克服了聚类算法只考虑数据间相似性特征、不考虑数据蕴含的物理意义以及不能很好指导样本分类的缺陷。对GE90发动机孔探图像纹理特征分类进行了对比研究,研究数据表明:S-PSO分类算法表现出了较强的鲁棒性,在故障诊断中的分类精度高于支持向量机(SVM)和常用神经网络模型。     

机翼后缘柔性支撑结构的拓扑优化

针对机翼后缘柔性支撑结构的多目标拓扑优化问题,分析了柔性支撑结构的优化目标及目标函数,并采用位矩阵表示机翼后缘柔性支撑结构,利用非支配排序遗传算法(NSGA-Ⅱ)对该优化问题进行了求解。在优化过程中,引入连通性分析和相似个体过滤,借助ANSYS对可行个体进行有限元分析(FEA),获得了结构质量、变形性能和承载能力等目标值。通过MATLAB对违约个体进行惩罚,实现了位矩阵表示的NSGA-Ⅱ,得到了一组互不支配的机翼后缘柔性支撑优化结构,可根据实际需求选择这些相应的拓扑结构。结果表明,本方法可为机翼后缘柔性支撑结构的拓扑优化提供可行、有效的解。     

GPS/伪卫星组合定位中伪卫星改进选址模型

为了更为有效地改善GPS卫星的几何结构,提高GPS/伪卫星组合定位的精度,在推导伪卫星增强GPS系统基本公式的基础上,阐述了GPS绝对定位精度因子的相关理论,说明了引入伪卫星的必要性;提出了建立以观测时间、高度角和方位角为自变量,绝对定位精度因子为因变量的四维选址模型,并采用一次性添加伪卫星方式,改进现有的逐颗添加方式,建立了整体最优的伪卫星选址模型,给出了该模型的工作流程。以空间位置精度因子PDOP为例,进行实测数据测试与分析,结果表明：基于两种伪卫星添加方式建立的四维模型均可为高效的伪卫星选址工作提供可靠依据,实现伪卫星的优化选址;其中一次性添加方式优于逐颗添加方式,尤其对于添加2颗伪卫星,PDOP值在局部的优化程度达到了1.0以上,较大程度地改善了逐颗添加伪卫星方式产生的不利区域,可以提供更为有效的伪卫星选址方案。     

一种基于有限K近邻的强度帕累托进化算法

在航天器控制计算机的软硬件协同设计过程中,需要解决多目标优化问题。当前的强度帕累托进化算法在求解高维多目标优化问题时具有优势,但是在环境选择阶段的计算时间复杂度仍然较大。文章针对这一问题,提出了一种改进算法。新的算法采用有限K近邻方法,减少了原算法中K近邻策略的比较次数,使时间复杂度由O(M3)下降为O(max(l,logM)M2。试验结果表明文中算法的计算速度更快,并且具有更优的收敛性和分布多样性特征。     

基于粒子群算法的电帆轨迹优化设计

电帆是一种利用太阳风动量的新颖的无工质空间推进系统,文章研究了以电帆为对象的行星际转移轨迹优化问题。以地球轨道转移到火星、金星轨道为任务对象,采用连续推力模型,研究极坐标系下最小时间转移轨迹优化设计问题。提出了两种基于粒子群算法(PSO)的直接优化方法,避免对协态变量初值敏感的两点边值问题（TPBVP）求解。方法一是通过打靶法直接离散化控制量输入,将最优控制问题转化为非线性规划参数优化问题,采用PSO算法寻优,获得近似最优的转移轨迹。方法二是针对任何连续控制律曲线都能以一定精度的多项式函数进行曲线拟合的特性,设计逼近最优转移轨迹控制律的多项式函数,通过PSO算法优化多项式函数参数获得逼近最优解的转移轨迹。仿真结果表明采用上述两种方法进行转移轨迹优化设计,具有随机猜测初值、全局收敛、鲁棒性强的特点。     

Loop细分曲面精加工刀具轨迹生成

细分曲面既能表示连续的几何设计模型也能表示离散的加工模型,避免了模型转换的复杂中间过程.细分曲面除了对于构造具有任意拓扑结构的复杂零件具有巨大的优势外,对于数字化制造也极具发展潜力.因此,对基于Loop细分曲面的精加工刀具轨迹生成算法进行了研究.首先利用基于弦长误差的自适应插值Loop细分得到精加工模型;然后利用等斜率跟踪法将精加工模型分割为平坦区域和非平坦区域.对各个区域依次进行处理,不同区域实施不同的刀具轨迹规划.据此,既避免了因细分过程数据量过大而导致的曲面精度不足或表面质量降低的问题,又可顺利计算整张曲面相对均匀残留高度的刀具轨迹.最后,为验证该算法的可行性进行铣削加工实验.      

基于连续蚁群算法的Bayesian方位估计快速方法

针对蚁群算法(ACO)在解决高维非线性搜索问题方面的有效性,提出了基于蚁群优化算法的Bayesian最大后验概率方位估计(ACO-Bayesian)快速方法.该方法将Bayesian最大后验概率函数作为蚁群算法的目标函数,选取若干一维高斯函数的加权和作为连续蚁群算法中信息量概率分布函数,经过有限次迭代得到Bayesian方法的非线性全局最优解.仿真结果表明,ACO-Bayesian方法在保持Bayesian方法优良性能的同时,将Bayesian方法的计算量减少到原来的1/14.水池实验结果验证了ACO-Bayesian方法的正确性和有效性,为其工程应用奠定了基础.      

基于地面分布式数据中心的天地一体化网络

天地一体化网络通常具有覆盖范围广、数据传输量大等特点。现有的一体化网络研究侧重于网络间传输协议,以及如何有效管理网络资源等。但考虑到当前卫星网络数据处理能力相对较差,而地面网络发展已非常成熟,因此将一体化网络与数据中心网络融合,把数据中心网分布式地接入骨干光网络中,卫星作为网络的传输节点与地面分布式数据中心网络构成统一整体;以中国电信骨干网为基础,针对一体化网络的内部传输代价和外部请求代价等多种因素,进行折中,使用整数线性规划得到网络的最优化部署。所提出的网络架构能很好地满足一体化网络的要求,提供了一种具有竞争力的信息平台设计架构。     

拦截弹道快速设计方法

针对传统优化算法在解决多约束条件下拦截弹道设计问题时迭代计算耗时过长的缺点,提出了一种快速拦截弹道设计方法.该方法基于人工神经网络的非线性拟合技术,先通过普通优化算法进行离线样本计算,对样本中目标位置和优化得到的飞行程序参数进行输入-输出映射拟合训练,从而实现在给定目标位置的情况下对最优飞行程序参数的快速计算,达到提高拦截弹道设计效率的目的.经过数值仿真验证,将该方法应用于拦截弹道设计,在保证良好命中精度的同时,设计所需的计算时间大大减少,从而提高了弹道设计的时效性.