基于遗传退火算法的数字阵列稀疏布阵

应用遗传退火算法对32个数字阵列天线单元在64个位置进行了稀疏布阵,将单元间距和激励作为优化变量,在控制主瓣形状的同时,改善了阵列的副瓣电平,提供了更多的自由度来控制稀疏阵列的性能。结果表明,全局优化峰值旁瓣可低至-26dB,遗传退火算法能够避开遗传算法在搜索过程中的早熟收敛。     

一种基于遗传RBF神经网络的智能容错滤波算法

针对组合导航中标准卡尔曼滤波容错性能不足的问题,提出一种基于遗传RBF神经网络的智能容错滤波算法,其基本思想是通过RBF网络自动调节滤波增益来控制不确定性噪声的影响,进而提高滤波容错性。在RBF神经网络中,隐层单元与核函数宽度的选取对网络的性能具有重要影响,进而利用自适应遗传算法对其隐层单元数及核函数宽度进行了优化,隐层单元中心和输出层连接权值分别由K-均值聚类和最小二乘算法确定,最后得到精度较高且结构优化的RBF网络。为检验方法的应用效果,以SINS/GPS组合导航系统为例进行了仿真验证,实验结果表明遗传RBF网络容错滤波算法能在满足导航精度和计算量增加较小的前提下,比标准卡尔曼滤波具有更强的容错能力,由此也说明了方法的有效性。     

基于模糊策略的高速飞行器滑模控制律设计

以通用高超声速飞行器GHV为研究对象,针对其俯仰通道设计了具有良好鲁棒性的飞行控制系统.为了便于应用滑模控制理论,对该模型进行了输入输出反馈线性化,将其转换成仿射型.鉴于鲁棒性与抖振的矛盾,基于指数趋近律完成了滑模控制律结构设计,进而采用了模糊控制理论改进指数趋近律.基于遗传算法完成了所有控制参数的设计,确定了模糊逻辑...     

基于转移时间约束的异面圆锥曲线变轨算法

在圆锥曲线转移轨道Lagrange方程的基础上,分析了双曲线和多圈飞行椭圆轨道的转移时间与半长轴的几何关系,以及椭圆转移问题的虚焦点位置对长程、短程轨道的约束.给出了一种与初始速度方向相关的转移角定义,以及一种基于Lagrange方程的圆锥曲线变轨计算方法,随后提出了一种以半长轴为迭代变量的变轨算法.通过异面椭圆和双曲线转移两个实例,验证了该算法与Vaughan算法具有相同结果,并具有明确的几何意义.     

伴飞航天器燃料最优交会

应用遗传算法针对伴飞航天器由共面椭圆伴飞轨道不同位置出发，与中心航天器进行直接碰撞交会和软交会的燃料最优问题，进行了历遍求解。根据计算结果，应用多元线性回归分析得到了直接碰撞最优交会问题的解析解表达式。直接碰撞最优交会问题的解析解可作为软交会问题的次优解。     

平流层飞艇艇身外形研究

为了完成特定的任务,平流层飞艇需要克服风场保持长期定点,因此要求其阻力最小。飞艇总阻力中艇身阻力占60-70%,因此对飞艇而言,针对艇身外形进行研究得到阻力小而且实际可用的外形是非常重要。本文采用势流-边界层耦合方法与混合遗传算法对平流层飞艇艇身的外形进行了优化。外部势流采用在艇身表面分布点源的Hess\|Smith面元法求解,边界层计算采用积分边界层方法,阻力系数采用
Squire\|Young方法计算得到。最优外形通过由遗传算法和Nelder\|Mead单纯形法组成的混合遗传算法优化得到。通过优化分析得到了一种实际可用的优化外形,具有在湍流和层流两种流态下阻力系数都比较小的优点。     

基于分层策略的三维航迹快速规划方法

快速航迹规划能力是任务规划系统追求的目标之一。提出了一种基于分层策略的三维航迹快速规划方法。该方法分为两个层次：全局规划和局部规划。全局规划在综合利用战场信息的基础上,利用遗传算法规划出最优或次优的引导点集,该引导点列所在的区域为最优连通域,并且在该连通域内能找到可行航迹,全局规划利用引导点列大致指明了最优航迹的走向;局部规划根据全局规划提供的引导信息和战场信息,利用SAS(Sparse A Search)算法快速规划出满足攻击角度约束的平面可行航迹,高度规划采用速度较快的几何规划方法。仿真实验表明,该方法比SAS规划方法要快,且生成的三维航迹近似最优。     

地球同步轨道卫星群在轨加注任务规划

以地球同步轨道卫星群为研究对象,开展“多对多”在轨加注任务规划问题研究。首先建立了任务规划的数学模型,该任务规划属于多目标规划问题,求解过程中需要解决TSP问题。其次,给出了该规划问题的求解方法及流程,采用遗传算法进行求解并设计了相应的遗传算子。最后,选取了14颗地球同步轨道卫星作为目标星进行求解,并在小角度近似条件下对计算结果进行了分析,计算结果验证了算法的有效性。     

Global aerodynamic design optimization based on data dimensionality reduction

In aerodynamic optimization, global optimization methods such as genetic algorithms are preferred in many cases because of their advantage on reaching global optimum. However, for complex problems in which large number of design variables are needed, the computational cost becomes prohibitive, and thus original global optimization strategies are required. To address this need, data dimensionality reduction method is combined with global optimization methods, thus forming a new global optimization system, aiming to improve the efficiency of conventional global optimization. The new optimization system involves applying Proper Orthogonal Decomposition (POD) in dimensionality reduction of design space while maintaining the generality of original design space. Besides, an acceleration approach for samples calculation in surrogate modeling is applied to reduce the computational time while providing sufficient accuracy. The optimizations of a transonic airfoil RAE2822 and the transonic wing ONERA M6 are performed to demonstrate the effectiveness of the proposed new optimization system. In both cases, we manage to reduce the number of design variables from 20 to 10 and from 42 to 20 respectively. The new design optimization system converges faster and it takes 1/3 of the total time of traditional optimization to converge to a better design, thus significantly reducing the overall optimization time and improving the efficiency of conventional global design optimization method.     

基于遗传算法的地磁匹配搜索策略

为降低导航成本,提出仅利用磁测计和里程计的地磁场匹配定位方法.为解决搜索空间过大的问题,提出以遗传算法在匹配区域搜索可能路径的方法.该方法以相关性度量作为适应度函数,交叉与变异仅针对点列的相对关系完成,提出用局部适应度函数自适应调整交叉概率与变异概率.仿真结果表明,该方法可以有效完成地磁匹配导航中任意形状路径的匹配.