改进的二进制粒子群算法的传感器优化配置

传感器组合优化问题是设备状态检测系统设计的重要问题.在研究传感器与故障有向图的基础上,提出了传感器优化配置模型;根据传感器组合优化自身特点,从位改变率、惯性权重两个方面对BPSO算法进行了参数分析.结合免疫算法的“亲和度”思想以及非线性惯性权重递减公式,提出了改进的二进制粒子群算法.案例显示,改进的二进制PSO算法提高了算法在整个解空间的搜索能力,加快了收敛速度,能够很好地用于解决传感器优化问题.     

基于种群多样性测度的PSO算法及其应用研究

针对基本粒子群算法(particle swarm optimization,PSO)易局部收敛的缺陷,设计了一种根据种群多样性测度动态调整惯性权重的改进粒子群算法,通过仿真测试函数与基本粒子群算法、自适应粒子群算法(adaptive particle swarm optimization,APSO)、带收缩因子的粒子群算法(contractive particle swarm optimization,CPSO)进行比较,改进的PSO算法在提高算法的综合搜索能力方面具有优越性。将改进的PSO算法运用到作战飞行器航迹规划中,并进行了仿真实验,仿真结果验证了改进算法的有效性。     

云模型改进惯性权重的混沌交替粒子群算法

标准粒子群算法通过线性减小惯性权重系数来调整寻优性能,但缺乏智能化机制易导致算法后期产生早熟或陷入局部最优而产生僵局。针对这一问题,提出一种基于云模型改进惯性权重的混沌交替粒子群优化算法。根据粒子迭代变化关系,采用云模型理论对惯性权重ω进行智能化调整,以平衡其全局和局部搜索能力,防止算法产生局部僵局;另外,判定粒子稳定性,对于可能陷入局部僵局的稳定粒子进行混沌扰动,促使其跳出僵局进而向最优位置更新。实验与分析表明,基于云模型改进惯性权重的混沌交替粒子群优化算法能够跳出局部僵局且具有较高的寻优精度,算法接近完全收敛时的平均迭代次数,较现有相关研究分别降低了13.73%~20.11%。     

基于改进多种群PSO算法的火炮随动系统调节器参数优化

针对传统火炮随动系统调节器参数整定难以达到最优的问题,提出一种基于K-均值与惯性权重指数递减的多种群PSO(KEDM-PSO)优化算法。为保证种群的全局搜索能力得到最优的参数,采用将初始种群划分为多个子群协同寻优的策略。综合考虑系统复杂程度、种群规模、解集的多样性及收敛性,采用K-均值算法将初始种群划分为3个子群,使3个子群协同寻优。为保持种群多样性,各子群不断地聚类重组,动态调整子群规模以更好地进化。子群寻优采用惯性权重指数递减策略,使得算法具有初期搜索范围大、速度快,后期惯性权重小,利于收敛、稳定的特点。试验表明该算法是有效可行的。     

基于PSO-RBF神经网络的雷达目标识别

为提高雷达系统目标识别能力,对粒子群算法及RBF神经网络进行了分析。针对离子群算法(PSO)易陷入局部极小的缺陷,提出了基于自适应时变权重和局部搜索算子的改进PSO算法,并将该算法应用到RBF神经网络核函数参数的优化学习中,进行了雷达目标识别仿真实验。仿真结果表明,相对于标准PSO-RBF神经网络,改进算法不仅收敛速度快,且误差精度高,特别在干扰较强时,目标的识别率有较大提高。     

基于改进粒子群算法的火炮内弹道多参数符合计算

为了研究火炮在发射过程中膛内火药燃烧规律以及弹丸运动规律,需要建立火炮内弹道数学模型并进行数值求解,在此过程中对部分内弹道参数进行符合计算是优化内弹道模型的重要途经之一.在经典内弹道方程组的基础上,阐述了经典内弹道计算原理,并对基本粒子群算法进行了改进,使改进后的粒子群算法在迭代初期有较大的惯性权重ω和学习因子c1以及较小的学习因子c2,而在迭代后期有较小的惯性权重ω和学习因子c1以及较大的学习因子c2,从而有效地避免粒子群陷入局部最优而导致收敛精度低的缺陷.将改进后的粒子群算法应用于火炮内弹道多参数符合计算,算例结果表明该方法完全满足工程实际要求,具有收敛速度快、符合精度高的特性,是火炮内弹道多参数符合计算的理想算法之一.     

基于改进PSO的装备维修任务调度方法

针对现有装备维修任务调度方法存在维修时间过长、维修成本过高的问题,提出了基于改进粒子群算法(Particle Swarm Optimization,PSO)的装备维修任务调度方法.建立了以装备重要程度、维修时间、维修成本为指标的装备维修任务调度模型;从惯性权重、学习因子两个方面,提出了基于改进粒子群算法的装备维修任务调度模型求解方法;设计了算法仿真实例,仿真结果表明,该算法具有更快的收敛速度及更好的全局寻优能力,降低了维修时间,节约了维修成本,有效提高了装备维修任务调度的合理性.     

一种改进的变异粒子群算法研究

粒子群优化算法PSO(Partic le Swarm Optim ization)是一类性能优越的寻优算法。但由于早熟问题,影响了算法性能的发挥。针对这一问题,引入粒子距离的概念,提出一种新的PSO改进方法(称为NA-PSO)。通过求解组网雷达的系统偏差,表明了NA-PSO算法的可行性,与对比方法相比较,能有效配准,且具有更好的收敛精度和更快的进化速度。     

粒子群优化算法在无人机设计中的应用

介绍了基本粒子群优化算法的思想、步骤,针对其有时会出现粒子在最优解附近“振荡”的现象,使用加入惯性权重因子的复合粒子群优化算法来对无人机(UAV)进行优化设计。最后以意大利研制成功的喷气无人机(米拉奇-100)为例对该算法进行了验算和仿真。由结果可知,该机的实际起飞重量与优化结果十分相似,证明了优化计算的可行性和高精度。     

基于改进粒子群算法的神经网络及其在核电站故障诊断中的应用

针对传统BP神经网络以及标准PSO算法神经网络在故障诊断过程中易出现收敛速度低及易陷入局部最优点的问题,提出了一种使用改进PSO(IM-PSO)算法进行训练的神经网络。该方法具有收敛速度快、不易陷入局部极小值的优点。使用该方法对核电站二回路凝给水系统的典型故障进行了诊断,诊断结果表明:该方法的性能优于传统BP算法和标准PSO算法,在复杂系统故障诊断领域具有很好的应用前景。     

对流层散射无源监视系统最优布局方法

为提高对流层散射无源监视系统对辐射源的定位精度,利用改进粒子群优化算法对分布式监视节点进行最优布局设计。推导了基于电磁波方位到达角定位机制下的几何精度因子。在改进粒子群优化算法中,采用混沌理论初始化所有粒子的初始参数;通过自适应变化的惯性权重和学习因子来提高算法寻优能力;为防止粒子陷入局部最优,利用双子群机制进行寻优,并在两子群之间进行交叉变异操作,以增加粒子的多样性。仿真结果表明:相对于几种常规的布站方式,所提算法能够明显提高监视系统对辐射源的定位精度,运行时间较遍历寻优算法有所减少。     

舰炮对海上集群小目标射击的毁伤概率

海上集群小目标是水面舰艇面临的主要威胁之一。以单管大口径舰炮对海上集群小目标射击作为研究对象,对集群目标进行了等效处理,分析了弹种、引信和装药的选择以及效力射中的表尺分配问题,提出多表尺效力射方法,利用该方法对海上集群小目标射击的毁伤概率进行了分析。结果表明,采用该方法并使用空炸榴弹或杀伤爆破弹,可有效破坏敌运输工具,杀伤其有生力量。     

PSO算法及在二自由度PID调节器优化设计中的应用

微粒群算法是一种群体智能算法,它是通过模拟以鸟类、昆虫等微粒的自然界的群体行为,构造的一种随机寻优的进化算法.基于灵敏度函数,采用PSO算法对二自由度PID参数进行自适应调整,提出了一种新二自由度PID调节器的设计方法,可以有效抑制参数变化对系统的影响,使系统同时获得良好的目标值跟踪特性、干扰抑制特性和鲁棒性,以工业过程中常见的对象模型进行了仿真实验,仿真结果和改进的遗传算法进行比较,表明了这一方法的有效性,证明了PSO算法的有效性.     

战场环境下无人车辆战术机动路径规划方法

针对不同类型威胁体存在的战场环境中无人车辆战术机动路径规划问题,提出了一种基于威胁代价地图的粒子群优化（Particle Swarm Optimization,PSO）方法。借助极坐标系中关键点的极角进行路径描述,并使用分段3次Hermite插值方法形成光滑路径,将路径规划问题转化为关键点极角的参数优化问题。针对基本PSO（BPSO）算法存在的早熟收敛和后期迭代效率低的缺陷,借鉴以群集方式生活的物种按照不同任务对种群进行分工的机制,提出了一种基于多任务子群协同的改进粒子群优化（Particle Swarm Optimization based on the Multi—tasking Subpopu—lation Cooperation,PSO-MSC）算法。借助该算法的快速收敛和全局寻优特性实现了最优路径规划。实验结果表明：该算法可以快速有效地实现战场环境下无人车辆的战术机动路径规划,且规划路径安全、平滑。     

一种数据驱动的飞行仿真参数辨识方法

目前飞行参数经验公式针对于不同飞机机型拟合不准确,且传统黑箱算法无法定量表达飞行参数相关性。针对上述问题提出一种基于快速存取记录器（quick access recorder,QAR）数据的飞行仿真参数辨识方法,该方法在多项式拟合算法基础上,增加权重系数分配输入参数在算法中所占比重,利用斯皮尔曼等级（Spearman rank）相关系数计算不同输入参数权重系数。由此设计二元多项式,基于改进算法求解最优多项式系数。仿真结果表明,该方法可有效降低仿真误差。     

基于PSO算法的脉冲修正弹控制参数优化*

针对脉冲修正弹自身控制离散不连续特征,开展了脉冲修正弹脉冲控制参数优化设计方法研究。考虑到脉冲成本和精度的双重要求,选择以脉冲发动机工作次数和脱靶量最少为双目标函数,并在风干扰的条件下,提出了以脉冲控制时间间隔为离散脉冲控制参数设计变量建立优化模型,以此发展了一种改进型递减惯性权重粒子群优化脉冲控制参数的方法,提高了修正参数优化收敛速度。仿真结果表明,该算法能快速有效地获得最优解,为在干扰条件下寻找最优的脉冲修正参数和脉冲工作方式提供了一种优化设计思路。     

近战面杀伤武器——枪挂榴弹发射器

枪挂式榴弹发射器是加装在步枪枪管上并依靠步枪操持、瞄准和射击的一种非自动榴弹发射器,是以枪炮原理发射小型榴弹的一种不占编制的步兵近战武器。它可以加装肩托支架变为肩射式单发榴弹发射器;能发射杀伤榴弹、杀伤破甲榴弹,也可发射燃烧弹和防暴弹等特种弹;主要用以杀伤或压制400米距离内暴露或隐蔽的集群目标,也可以毁伤200米内的轻型装甲目标或遂行其他战斗任务。     

基于模糊聚类的粒子群算法在雷达组网优化布站中的应用

提出了一种基于模糊C-均值聚类的粒子群算法,将其应用于雷达组网优化布站.定性分析了雷达组网布站原则并对其量化,建立了优化布站的数学模型.为加快求解速度,结合模糊C-均值聚类对标准粒子群算法进行了改进,给出了基于模糊C-均值聚类的粒子群算法在该优化问题中的设计方法,并与标准粒子群算法和遗传算法进行了仿真对比.结果表明,该方法能够快速得出雷达组网优化布站方案,验证了雷达组网布站模型的可行性和改进算法的有效性.     

基于粒子群算法的多基地雷达优化布站方法

为提高多基地雷达探测及"四抗"能力,提出了一种基于混沌变异粒子群算法的多基地雷达优化布站方法.定性分析了多基地雷达的布站原则,并对其量化,建立了优化布站的数学模型.为加快求解速度,结合混沌理论对标准粒子群算法进行了改进,给出了混沌变异粒子群算法在该优化问题中的设计方法,并与标准粒子群算法和遗传算法进行了仿真对比.结果表明,该方法能够快速有效得出多基地雷达优化布站方案.     

脉冲修正弹控制参数粒子群优化算法

针对脉冲修正弹自身控制离散不连续特征,开展脉冲修正弹脉冲控制参数优化设计方法研究。考虑到脉冲成本和精度的双重要求,选择以脉冲发动机工作次数和脱靶量最少为双目标的函数。在风干扰条件下,提出以脉冲控制时间间隔为离散脉冲控制参数设计变量建立优化模型,以此发展一种改进型递减惯性权重粒子群优化脉冲控制参数的方法,提高修正参数优化收敛速度。仿真结果表明:该算法能快速有效地获得最优解,为在干扰条件下寻找最优的脉冲修正参数和脉冲工作方式提供一种优化设计思路。