基于早期数据的航天测控软件缺陷预测

为提高航天测控软件的质量与可靠性,提出一种基于改进的PSO-SVM(Particle Swarm Optimization-Support Vector Machine,粒子群优化支持向量机)方法的航天测控软件缺陷预测模型。针对航天测控软件领域特征,构造了基于软件生命周期的软件度量集,并收集了实际航天测控软件的度量和缺陷数据,通过对软件历史版本数据的学习,在软件当前版本的生命周期早期数据的基础上进行缺陷预测。实例应用结果表明,采用历史版本软件数据对当前软件版本进行缺陷预测,从全局来看可达90%的预测准确度。因此,该方法可用于对航天测控软件的缺陷预测。     

基于Kriging模型的轴承结构参数优化设计方法

轴承的生热率与轴承的使用寿命密切相关,为了减小轴承的生热率,以滚动轴承拟静力学分析和滚道控制理论为基础,求得轴承运转过程中的相关参数,进而得到轴承生热率.将轴承最小生热率为目标函数,通过Kriging模型和粒子群优化算法相结合的方式进行了轴承结构参数优化.对NSK 7016A5轴承的研究结果表明:轴承结构参数优化后,轴承整体和轴承内外圈生热率均变小.Kriging模型和粒子群优化算法相结合的轴承结构参数优化方法取得了良好的设计效果,并且提高了轴承的设计效率.      

平衡风速下十字形伞弹系统姿态摆动分析

以一定高度和速度飞行的母弹从其伞弹舱中抛撒伞弹系统群,各个伞弹系统的姿态摆动情况将影响其落点及落角,进而影响其作战效能。采用立式风洞试验和非定常数值仿真(CFD),分析平衡风速下十字形伞弹系统的姿态摆动情况。通过立式风洞试验,可确定柔性伞的外形、伞弹系统的阻力系数和摆动频率,并创新"拉拽式"试验模型的约束方法;采用基于三维N-S方程的CFX软件,进行伞弹系统非定常数值仿真,分析其摆动机理。结果表明:数值仿真得到的阻力系数、法向力系数、侧向力系数及其摆动频率,均与风洞试验结果相吻合,即数值仿真结果能够反映风洞试验中伞弹系统的摆动情况;伞弹系统的流场极不稳定,伞衣内部有一对方向相反、强度交替变化的旋涡,伞衣外部存在不稳定分离流动,二者相互关联,使得气动参数呈周期性波动,导致伞弹系统的姿态摆动。     

基于CPSO的UAV编队集结路径规划

针对多无人机编队集结路径规划问题,提出了具有合作机制的分布式协同粒子群(CPSO)算法。为了满足无人机运动学约束,采用曲率连续的PH曲线作为备选路径。基于协同进化思想提出CPSO算法,为每架无人机规划出一条满足机间协同约束的最优安全可飞行路径。仿真结果表明,规划得到的多条路径能够满足无人机运动学约束、安全性及无人机之间的协同性要求;相比于协同进化遗传算法,CPSO算法搜索成功率更高,稳定性更好。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

基于粒子群算法-最小二乘支持向量机算法的磁化曲线拟合

磁化曲线是强非线性函数,提高磁化曲线的拟合精度对含有铁磁材料的电气设备建模准确性至关重要。提出了一种基于粒子群算法-最小二乘支持向量机(PSOLSSVM)算法的磁化曲线拟合方法。该方法用粒子群优化算法解决了最小二乘支持向量机(LSSVM)参数的选择问题。仿真结果显示PSOLSSVM算法能获得最优的LSSVM参数,且采用PSOLSSVM算法拟合的磁化曲线与实际测量的磁化曲线基本无偏差,拟合精度较高。     

基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。     

PSO-LSSVM在民机气动性能数学建模上的应用

目前风洞试验仅为民用飞机飞行性能提供有限数据.全飞行包线的技术支持对于民机飞行试验十分重要,需要采用数学建模和参数辨识的方法.选择合适的机器学习算法是参数辨识中最为关键的一步.支持向量机(SVM)采用结构风险最小化原理,尤其适用于小样本情形.根据A320非巡航起降阶段的几组真实数据,以及全机气动力估算的结果,使用最小二乘支持向量机建立预测模型.随后采用粒子群算法优化模型参数从而提升泛化能力.由此实现民机飞行包线的气动性能整体建模与辨识.与Ma=0.78时的实验数据相比较,PSO-LSSVM模型的预测结果吻合,是一种有效的气动数学建模方法.     

涂层材料瞬态传热实验与导热系数辨识

针对涂层-基体一体化的双层结构,为测试评估其中涂层材料的导热性能,提出基于瞬态平面热源法（transient plane source, TPS）的涂层材料导热系数反演辨识方法。根据Hot-Disk实验测试原理,建立基体-涂层-探头整体的二维非稳态传热模型;结合测量过程中的瞬时温升数据信息,采用粒子群优化算法反演辨识获得涂层材料的导热系数;并通过实验和数值模拟论证了上述方法的可靠性。结果表明：该测量方法能够有效获得涂层导热系数,测试反演的数值偏差小于4.0%。最后,实际测量和反演辨识获得了一种涂层材料常温至773 K的导热系数,随温度提高呈现增大趋势,数值范围为0.18～0.29 W/(m·K)。     

降落伞伞衣载荷的性能试验

在改变伞衣面积和透气量的情况下,在定常风洞中对小型平面圆形伞的开伞过程进行了动态试验,研究了开伞过程中伞衣形状和伞衣所受载荷之间的动态关系.伞衣载荷不仅受降落伞阻力和附加质量变化率产生的力影响,同时,不稳定性及伞衣(绳)的抖动也是产生伞衣载荷的一个重要因素.稳定型伞衣充满后的载荷平均值约为最大开伞动载的60％左右,伞衣投影直径变化引起的呼吸现象也会引起载荷波动.透气量越大,降落伞稳定性越好,但降落伞的充气性能将会变差.该实验研究可为降落伞的载荷分析提供一定的依据.