面向“最后一公里”的无人机需求预测

针对“最后一公里”配送的无人机需求预测问题,考虑无人机性能、空域环境和运输任务等限制条件,分别以最大化快递运输量、最小化运输成本为目标函数,建立多阶段无人机需求预测模型。考虑快递业务历史数据和影响因素,建立组合预测模型预测快递业务量;利用动态分配算法预测无人机快递分担量和无人机需求量。以某区域实际快递数据和低空飞行条件进行算例分析。结果表明,本文提出的预测方法不仅可以根据配送中心业务量、工作时间和成本要求提供灵活的无人机需求方案,还能够使得无人机的工作时间利用率达到95%以上。     

基于动态增添法的DBN滚动轴承故障诊断

针对深度信念网络(DBN)层数的不确定性而导致故障诊断精度不高的问题,提出了一种基于动态增添算法的DBN诊断方法.首先通过动态增添算法确定隐含层层数,之后按照逐层递减原则,设置模型的隐含层神经元节点数目;并以滚动轴承为研究对象,通过分析其训练样本与测试样本的分类误差曲线,来表明基于动态增添算法的DBN方法对滚动轴承故障...     

基于遗传算法和空间推进方法的单壁扩张喷管优化设计研究

 将单目标遗传算法和多目标遗传算法（包括NSGA-II和NCGA）,与高效、高精度的空间推进流场数值模拟方法——SSPNS方法相结合,对二维超燃冲压发动机尾喷管即单壁扩张喷管（SERN）进行了气动优化设计研究。在巡航点（Ma=6.0）讨论了推力系数C_T最大单目标模型,推力系数C_T最大升力系数C_L最大两目标模型,以及推力系数C_T最大升力系数C_L最大俯仰力矩系数C_m最小三目标模型,分别得到了喷管的最大推力设计和关于多个目标性能的Pareto最优前沿。结果表明,扩张壁初始扩张角θ_r,i和外罩长度L_c对C_T影响较大;较小的L_c和较大的θ_r,i设计,将降低外罩内表面的负升力作用而使得SERN的C_L较大;较长外罩和较小的θ_r,i,对应Pareto最优设计的C_M较小。     

基于自适应模拟退火遗传算法的月球软着陆轨道优化

 将自适应遗传算法与模拟退火算法相结合,形成一种自适应模拟退火遗传算法。该算法不但具备了自适应遗传算法的强大全局搜索能力,也拥有模拟退火算法的强大局部搜索能力。针对月球软着陆轨道优化的特点,利用一种新的参数化方法将轨道优化问题转换为非线性规划问题,并应用提出的自适应模拟退火遗传算法进行优化。数值结果表明：该算法的收敛速度快,优化精度高,且避免了初值敏感、病态梯度和局部收敛等问题,能够搜索到全局最优轨道。     

近地小推力转移轨道的加权组合制导策略

 研究了近地小推力转移轨道的制导问题,给出了一种基于局部最优控制律的自主制导算法。推导出了各改进春分点根数对应的局部最优控制律;通过最优推力分配和目标偏差两个策略,对各局部最优控制律进行动态加权组合,从而有效减少了制导律的设计参数。在此基础上,针对燃料最省转移轨道,定义了一种新的发动机开关函数。采用遗传/逐次二次规划混合优化算法计算了最优制导参数。与传统算法相比,该制导算法是一种闭环制导算法,能够实现飞行器的自主制导,并且制导过程中无需对制导参数进行更新。以地球低轨到高轨的小推力转移为例,采用该方法分别求解了时间和燃料最省转移问题,并与传统算法进行了比较分析。数值结果验证了该算法的有效性。     

基于视线角序列的机动目标视线角速率计算

 依据拦截弹与机动目标间的相对位置关系,采用导引头球面模型,基于当前统计模型,实现了强跟踪状态自适应滤波,计算出了可用于制导的视线角速率。该算法利用导引头球面模型,将测角信息转换成距离信息,进行方差自适应调整和卡尔曼滤波。在只给出视线角序列信息的情况下,根据相对状态滤波结果求出所需的视线角速率。     

基于人工免疫的直升机传动系统在线异常监测方法

 针对直升机在线监测时难以提取状态特征的问题,提出一种适用于直升机传动系统在线状态监测方法。该方法基于生物免疫系统反面选择机理,利用改进型反面选择算法并结合人工神经网络进行监测。该方法能有效地提取直升机传动系统的状态特征,并结合直升机传动系统的实际情况准确得出状态异常度。在线监测实例结果表明,该方法能较准确监测出直升机传动系统的异常状态,验证了该方法具有较好的在线性、准确性及鲁棒性。     

高超声速飞行器气动热预测技术研究进展

气动热预测技术是制约高超声速飞行器发展的关键技术之一.飞行器在高速飞行过程中,气动加热对其结构强度影响显著,严重时甚至可能导致结构损伤,因此,为保障飞行器飞行安全,必须采取有效的热防护措施,而掌握气动热变化规律是合理设计高超声速飞行器热防护措施的基础,它对于飞行器结构设计、材料选择均有重要的指导意义.本文从试验、工程计...     

多无人机协同任务分配混合粒子群算法

针对多无人机协同任务分配问题(MTAP),设计了一种综合考虑飞行航程、任务收益以及任务完成时间窗口的混合粒子群任务分配算法。首先,将粒子位置编码为一组任务分配向量,针对同时打击场景可能存在的死锁问题,设计了一种基于多打击任务有向图的死锁检测和修复算法,解码出对应一组可行的任务分配解或方案,实现粒子群算法解的离散化。另外,对于传统粒子群算法(PSO)容易陷入局部收敛的缺点,提出一种基于变邻域搜索算法的跳出局部收敛策略,并建立局部搜索启动概率准则,实现跳出局部收敛和计算开销的平衡。最后,将跳出局部收敛的策略嵌入到粒子群算法中,得到协同任务分配的混合粒子群算法(HPSO)。另外,针对新目标发现导致的初始计划失效问题,设计了一种基于匹配策略的局部任务重分配方法。仿真实验证明,所提出的混合粒子群算法能够有效解决异构多无人机同时打击场景中的任务分配问题。     

发动机进气压力控制系统噪声抑制方法

高空台进气压力控制系统具有大时滞特性,被控对象受到输入噪声、相位延迟等不确定因素的影响,导致控制系统难以精准控制,给控制器的设计带来挑战。针对该问题,首先采用基于跟踪微分器(TD)的测量噪声抑制对系统输入噪声进行估计,通过引入基于跟踪微分器与Fal函数滤波算法的相位补偿进行了补偿器设计。然后对高空台进气压力控制系统设计了跟踪微分器的测量噪声抑制算法,并进行了滤波特性分析。在设计相位补偿方法时,不仅考虑了测量信号中随机噪声的分离,还对微分信号中的抖动信号进行了滤波,使得系统初始信号和滤波后的光滑微分信号重新构成新的有用信号,最终解决了输出信号的相位滞后对控制精度影响的问题。通过数值模拟对经典fhan算法和提出的Fast+PA(Phase Advancer)算法进行了比较,验证了Fast+PA算法噪声抑制的优势。结果表明,Fast+PA算法通过调整重要参数滤波因子h₀和向前预报补偿因子λ的值既能消除颤振及保证滤波的效率,又具有较好的相位补偿和动态响应能力。