基于径向基代理模型的序列优化中自适应再采样策略

针对径向基插值代理模型样本点预测误差为零时无法获得误差函数进行序列再采样优化的问题,将样本点分布约束引入序列再采样过程,利用潜在最优解加速收敛性,提出一种适用于径向基插值代理模型序列优化的再采样策略,该策略兼顾仿真模型的输出响应特性与样本点的空间分布特性。仿真结果表明,使用该在采样策略后,算法寻优效率和精度均优于传统基于代理模型的优化方法,在对最优解进行有效预测的同时,能显著减少原始模型计算次数。     

序列近似优化方法及其在火箭外形快速设计中的应用

针对序列近似优化方法在代理模型构造与采样策略等方面的不足,基于采样点局部密度,引入与局部密度成反比的样本点影响体积概念,通过优化总影响体积确定径向基函数最优核宽度,满足序列近似优化过程不同规模、非均匀样本条件下的函数近似需要;建立潜在可行域最大距离加点准则,并与潜在最优加点准则结合平衡算法的探索能力与开发能力;建立三步收敛判定准则;构建改进序列近似优化的算法流程。对于Golinski减速器的优化设计问题,算法在目标函数调用42次后便搜索到全局最优解,体现了其良好的全局寻优能力与搜索效率。以"天航二号"火箭为例,建立其外形优化问题数学模型,所提优化方法在调用原始计算模型165次之后便搜索到全局最优解,大大提高了设计效率,同时飞行试验也表明设计结果满足要求。     

基于采样点局部密度的径向基函数核宽度确定方法及其在装备设计中的应用范例

固体火箭发动机是导弹的核心系统,为了提高固体火箭发动机的设计效率,将代理模型技术引入发动机的装药设计中.为在径向基代理模型中得到较好的近似能力,分析了径向基函数核宽度的物理意义及其对近似能力的影响,指出已有直接确定方法的不足.提出一种样本点的局部密度的计算方法,并基于采样点局部密度提出了一种核宽度的直接确定方法.数值实验验证了该方法在样本点均匀分布和非均匀分布的情况下均可以得到很好的近似效果.最后将改进的序列近似优化方法用于固体火箭发动机装药设计中,有效提高了发动机的设计效率.     

基于近似策略的联合优化方法

针对优化中收敛速度和优化解全局性的问题,提出了一种联合优化方法:构造原问题的近似模型,使用全局优化方法对近似函数进行优化,得到优化点作为初值,再使用局部优化方法对原问题进行优化.为了获得对原问题更好的近似,改进了径向基插值方法,以优化误差的方法来选择参数.利用临近空间机翼模型的优化对算法进行了测试,结果表明,优化参数的...     

基于Kullback-Leibler距离离散度的加权代理模型

复杂系统的仿真通常具有高维度、高计算量等特点，代理模型因其明晰的数学表达和良好的计算特性可用于逼近真实系统。加权模型对比单个代理模型来说，其稳定性和适应性更广。不同的代理模型其性能不一，根据特定指标，可以构造最优加权代理模型。基于代理模型预测分布以及Kullback-Leibler距离构造各子代理模型之间的离散度，并提出一种新的权函数构造方法。算例表明，该方法与最优子模型的精度相当，同时能提高对真实响应分布的逼近。     

序列近似优化方法

随着工程优化中仿真模型精度和计算时间的不断提高,常规的智能优化方法难以在可接受的计算代价中得到最优解。序列近似优化方法通过将近似模型技术引入优化过程,并采用不断更新采样点的方法来指导寻优,在基于计算耗时模型的优化中得到了越来越广泛的应用。通过论述序列近似优化方法的若干关键技术及其发展现状,可有效指导其在工程优化中的应用,并给出了序列近似优化方法可能的改进方法及发展趋势。     

RBF神经网络在飞艇单发停车故障中的应用

针对飞艇单发停车故障,提出了一种基于径向基神经网络的模型跟随非线性重构控制策略,并使用遗传算法对RBF网络进行了优化.该方法通过响应误差构造神经网络的学习规则,神经网络的输出驱动系统向着消除误差的方向运动.理论分析和仿真验证表明,该控制策略具有良好的重构性能和鲁棒性.     

一种基于粒子滤波的水下地形匹配算法研究

引入了剩余重采样的概念,通过权值分类和剩余权值重采样两个步骤完成粒子的复制,提高了运算速度.使用三次样条插值的方法对深度数据进行插值,构建了湖泊水下数字高程模型.通过仿真证明了该算法的可行性,并分析了匹配误差与水下地形的关系.     

采用自适应简化不确定性卡尔曼滤波算法的飞行器导航控制方案

针对飞行器绕本体轴高速旋转的飞行过程出现的严重耦合干扰问题和大角加速度和大角速度测量问题,提出了一种自适应简化不确定性卡尔曼滤波算法。该算法使用超球面分布采样点和线性转移等方法简化算法采样计算和采样点的权值计算,提高算法效率;利用模型噪声和线性方程,通过一步预测进行自适应设计,计算滤波值和误差方差矩阵;使用次优噪声估计器推算过程噪声;对过程噪声进行正定判定,防止算法发散。仿真结果表明,这一改进的自适应简化不确定性卡尔曼滤波算法能够有效减少滚转角解算误差和耦合干扰,提高飞行器着陆点的精度。     

基于带精英策略遗传算法的舰艇编队目标分配

结合现代海战海军编队作战样式及作战武器的特点,建立了新的舰艇编队武器分配模型,将舰艇编队目标分配问题抽象化为多目标优化问题,该模型可以在保证我方重点目标得到保护的前提下,达到总体效果最优和总体耗损最小。采用带精英策略的快速非支配进化算法对舰艇编队目标分配问题进行求解。该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好。该算法一次运行可以获得多个Pareto最优解,决策者可以根据实际战场环境选择最终满意解,为各目标函数之间的均衡分析提供了有效的工具。最后,通过仿真及与其他算法的对比证明了模型及算法的有效性。     

导弹命中精度的序贯截尾概率圆检验方法

针对圆概率偏差检验难以直接计算的问题,提出序贯截尾概率圆检验方法,以目标点为中心,绘制两个同心圆,其中小圆以内区域为接受域,大圆以外区域为拒绝域,中间区域为继续试验域,在此基础上定义了序贯检验的基本决策规则,给出了双方风险及平均试验次数计算模型,提出了两种不同的决策阈值优化计算模型,通过求解优化问题确定接受域及拒绝域半径。利用数值仿真分析了两种不同决策阈值计算方法下检验方案中的各类参数,其中以平均试验次数最小为优化目标的计算模型具有更好的工程实用性。     

优化多星协同观测的改进广义模式搜索算法

多星协同观测可以最大化卫星的整体效能,如何对多星进行部署是一个设计空间大、设计变量多的优化问题.对此,提出了基于Kriging模型的改进广义模式搜索算法.在算法的搜索步,通过代理模型最优和最大期望提高在当前网格内进行选点,避免选择的盲目性;在筛选步,利用代理模型预测筛选集中各点提高的比例并排序,减少不必要的仿真分析.最后,采用该算法对多星部署方案进行优化,通过对比发现,算法性能优于STK-Analyzer,证明了算法的可行性和有效性.     

Interval uncertain optimization for damping fluctuation of asegmented electromagnetic buffer under intensive impact load

Aiming at the problems of demagnetization effect of electromagnetic buffer (EMB) caused by high ve-locity under intensive impact load and the difficulty and error of machining composite thin-walled long tube, a segmented EMB is proposed. The inner tube and air-gap are divided into initial segments and the traversing segments. Through theoretical analysis, impact test and simulation, it can be found that the RRF curve has two peaks. Firstly, in order to reduce the resultant resistance force (RRF) peaks, the sensitivity analysis based on optimal Latin hypercube design (OLHD) and polynomial regression was performed. The results show that the smallest contribution ratio to the dynamic response is the seventh and ninth segments of the inner tube, which are less than 1％. Then, fully considering the uncertain factors, important parameters are selected for uncertain optimization after sensitivity analysis. The in-terval order and interval probability degree methods are used to establish interval uncertain optimiza-tion model of the RRF considering robustness. The model was solved using an interval nested optimization method based on radial basis function (RBF) neural network. Finally, the Pareto front is obtained and numerical simulation is performed to verify the optimal value. It indicates that the two kinds of RRF peak is obviously reduced, and the optimization object and strategy are effective.     

干扰及机动条件下的比例导引智能调控策略

由于红外诱饵干扰样式复杂、目标机动形式多变导致传统比例导引律极易被干扰。为提高采用比例导引方法的导弹性能，提出一种利用径向基函数网络调控比例系数及导弹发射时机的智能导引律。以飞行时间及脱靶量为参考，通过构建加权型指标函数将求解最优比例系数及发射时机问题转化为单目标优化问题；引入量子粒子群算法求解最优决策参量，并以其作为网络输出，干扰样式作为网络输入，离线训练径向基函数网络；为提高训练效率，结合K-means及K最近邻算法初始化径向基函数网络。仿真结果表明，当存在红外诱饵干扰时，智能导引律性能优于扩展比例导引律及自适应滑模导引律。     

3D laser scanning strategy based on cascaded deep neural network

A 3D laser scanning strategy based on cascaded deep neural network is proposed for the scanning system converted from 2D Lidar with a pitching motion device. The strategy is aimed at moving target detection and monitoring. Combining the device characteristics, the strategy first proposes a cascaded deep neural network, which inputs 2D point cloud, color image and pitching angle. The outputs are target distance and speed classification. And the cross-entropy loss function of network is modified by using focal loss and uniform distribution to improve the recognition accuracy. Then a pitching range and speed model are proposed to determine pitching motion parameters. Finally, the adaptive scanning is realized by integral separate speed PID. The experimental results show that the accuracies of the improved network target detection box, distance and speed classification are 90.17%, 96.87% and 96.97%, respectively. The average speed error of the improved PID is 0.4239°/s, and the average strategy execution time is 0.1521 s. The range and speed model can effectively reduce the collection of useless information and the deformation of the target point cloud. Conclusively, the experimental of overall scanning strategy show that it can improve target point cloud integrity and density while ensuring the capture of target.     

基于改进粒子群优化RBF神经网络的算法

针对粒子群算法易陷入局部极小的缺陷,提出了一种改进的粒子群优化算法,并将改进后的算法应用到RBF神经网络核函数参数的选取中。依照文中提出的编码方式、迭代公式和适应度函数,在全局空间中搜索具有最优适应值的参数向量。实例仿真表明,基于改进粒子群算法优化的RBF神经网络不仅收敛速度快,且误差精度高。     

起重机吊重摆角的自适应神经网络补偿控制

为了控制起重机吊重摆动幅度在最短时间内衰减到规定范围或平衡点附近,同时考虑到由于外界不确定性因素导致的系统模型的不确定性,设计了自适应径向基函数Radial Basis Function（RBF）神经网络补偿控制器。RBF神经网络对系统模型的未知函数进行辨识,并将辨识信息提供给控制器。实验结果表明：吊重摆角约在5s时跟踪给定幅度的正弦信号,并在参考信号发生突变时,摆角仍在给定的范围内;RBF神经网络约在5s后几乎以零误差辨识未知函数。所设计的控制器对不确定性因素具有较强的鲁棒性,这也验证了控制系统稳定性证明结论。     

针对自适应滤波的组网雷达欺骗干扰优化策略

针对组网雷达系统在跟踪目标发生机动时采用自适应滤波来估计目标状态的特点,在点迹融合数据处理结构的组网雷达基础上提出了一种欺骗干扰优化策略.根据状态和量测方程描述了组网雷达跟踪目标的模型,同时建立了跟踪机动目标的自适应滤波模型.在此基础上,建立了欺骗干扰模型,并在目标机动检测约束下,推导了虚假目标欺骗干扰对于组网雷达融合...