小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

内外分区空间统一精度场建立方法研究

针对内外分区空间内结构和设备安装的数字化测量需求,研究内外参考点之间的关联技术,构建与外测量精度场相统一的内测量精度场。对于内外空间不同的开口数,利用多测点定位法、二测点和水平仪单站位定位法、二测点和水平仪双站位定位法等方法建立内精度场,实现与外精度场的统一。以某型设备为例进行试验表明,利用内外精度场测量同一检测点进行比较,测量的最大不一致误差为0.14 mm,证明构建模式可行、简单、可靠。     

航空发动机润滑系统通用分析软件开发

发展了一种全新的航空发动机润滑系统通用分析软件.采用流动换热的网络算法, 将发动机润滑系统分解成由相应的典型元件和节点组成的网络, 用有限的元件和流动介质类型就可描述通用的发动机润滑系统.元件分为简单元件和组合元件, 并和润滑系统结构一一对应, 方便了元件的初始化.软件前台采用图形建模方式生成计算网络, 后台采用了网络自动识别技术, 方便了复杂网络的建立.可视化界面及支撑数据库, 提高了软件的易用性.      

利用幅值信息的超视距雷达多路径概率数据互联算法

天波超视距雷达是通过电离层反射实现超视距广域监视的,其地理坐标系下的量测方程存在强非线性,同时由于电离层的不同分层,造成了多路径传播的严重问题,即同时存在多个量测模型。多路径概率数据互联(MPDA)滤波器将坐标配准与概率数据互联相结合,解决了超视距目标跟踪中的多路径传播问题,但在杂波环境下滤波跟踪精度不高。文中提出了一种基于信号幅值特征信息的MPDA算法(A-MPDA),当跟踪单一的、存在4种可能非线性量测的非机动目标时,仿真结果表明所提出的算法比标准MPDA有更好的跟踪精度。     

基于粒子群神经网络的轮盘优化

将粒子群算法(PSO)和BP神经网络相结合, 构建了一种新型智能结构优化算法.PSO方法除用于结构优化外, 还被用于BP神经网络的构造及网络训练, 使之可自适应调整优化.结构优化中, 以BP神经网络取代有限元方法, 通过设计变量来映射目标函数和约束, 从而大大提高了计算速度.将此方法用于轮盘结构优化, 使得轮盘体积减少了17.5%, 结果通过检验.该方法便捷、高效, 为解决工程结构优化问题提供了一个新途径.      

高灵敏GPS接收机抗干扰特性研究

采用圆环阵列天线,利用最小规范算法和线性约束最小方差算法对弱GPS信号的干扰信号进行了抑制,并分别针对固定和可变天线阵元数目以及固定和可变干扰信号等多种情况进行了仿真和分析.GPS信号的功率电平假设为-175dBW,干扰信号的功率值在-100dBW～-140dBW范围内可变.仿真结果表明,圆环天线阵列能精确地判定干扰信号的来波方向,该方法能很好地改善对来波干扰信号的赋零深度.     

基于更新法估计空闲时间的Inter-DVS算法的优化与实现

动态电压调整(DVS)技术是软件节能技术的另一种形式。由于CMOS电路的能耗和供电电压的平方及频率成正比关系,所以降低供电电压和频率是减少能耗的最有效方法之一。本文首先对DVS的各种算法作了详细的分类分析。然后,以"使用更新法"估计空闲时间的任务间DVS算法为例,采用嵌入式Linux操作系统对其进行了优化。最后,讨论了实现具有动态电压调解功能的嵌入式Linux操作系统的节能方法。     

求解非线性方程及方程组的模拟退火算法

探讨了用模拟退火算法求解非线性方程及方程组的方法,该方法把方程组求解问题转化为函数优化问题.计算中不需要使用目标函数的导数信息,在Matlab环境下实现了该算法,数值实验结果表明了该算法的有效性.     

基于DDPG的单目无人机避障算法

提出了一种基于单目相机的小型多旋翼无人机的连续避障策略。所提出的方法包括深度估计和导航决策两个模块。其中,在深度估计模块采用条件对抗网络对无人机采集得到的RGB图片进行训练预处理,在导航决策模块采用深度确定性策略梯度(DDPG)算法实现无人机的连续避障。在此基础上,对DDPG中的Actor网络进行改进,通过使用多模态网络代替原有策略网络,从而抑制无人机飞行震动,提高避障能力。最后,在Airsim仿真环境中进行测试,实验表明所提算法模型经过训练能够使无人机成功躲避障碍物并到达指定目标点,与原有算法相比避障轨迹得到明显改善。