基于贝叶斯优化LSTM的发动机剩余寿命预测

针对航空发动机剩余寿命预测中深度学习算法参数优化效率低、预测准确率差等问题,在长短期记忆网络算法（LSTM）的基础上提出一种基于贝叶斯优化的LSTM算法。利用长短期记忆网络对航空发动机的传感器数据进行时间序列预测,并运用贝叶斯优化算法对长短期记忆网络的超参数进行迭代优化。利用NASA公开数据集对算法进行验证,结果表明,相较于其他算法,优化后的算法在优化参数、提高预测准确率方面有明显改善,能为保证航空器的安全使用以及制定维修替换策略提供参考。     

果蝇算法优化的相关向量机在电子装备中的应用

针对电子装备渐变故障预测问题,提出一种基于果蝇算法优化相关向量机的故障预测方法。该方法将原始时间序列数据进行相空间重构处理,并基于折交叉验证和果蝇算法优化相关向量机模型的核函数参数,从而建立故障预测模型,并以某型雷达发射机速调管监测数据对模型性能进行了验证。实验结果表明,相比已有方法,该方法在全局优化、收敛速度、预测精度以及预测可靠性方面都具有一定优势。     

基于粒子滤波的雷达波束方位指向估计*

雷达波束方位指向估计是雷达侦察及精确干扰等雷达手段的基础和关键技术。传统估计方法难以适应天线扫描速度变化的情形,为此该文建立了波束方位指向估计的状态空间模型,并引入粒子滤波技术对状态变量进行估计。粒子滤波是非线性和非高斯情形下进行状态估计的强有力算法,基于粒子滤波的雷达波束方位指向估计算法具有良好的性能,能够适应天线扫描速度变化的情形。仿真实验验证了所提算法的适用性和有效性。     

递进型优化算法对相控阵天线阵列的波束优化

针对相控阵导引头中存在的误差和干扰对阵列波束的影响,提出了权值近似和遗传算法结合的递进型算法实现对波束的最大优化。该算法综合考虑了阵列的互耦效应对波束的干扰以及量化误差,在权值近似的基础上将阵列波束的旁瓣电平、零深和波束宽度作为优化指标,引入遗传算法不断逼近实现波束的优化。该递进算法在权值近似的基础上优化,进一步提升了波束的性能,同时具有很强的灵活性。     

采用粒子滤波的雷达波束方位指向估计

传统方位指向估计方法难以适应天线扫描速度变化的情形,为此建立波束方位指向估计的状态空间模型,并引入粒子滤波技术对状态变量进行估计。粒子滤波是非线性和非高斯情形下进行状态估计的强有力算法,采用粒子滤波的雷达波束方位指向估计算法具有良好的性能,能够适应天线扫描速度变化的情形。仿真实验验证了所提算法的适用性和有效性。     

基于改进果蝇优化算法的混合火力分配方法

基于弹药组合使用的混合火力分配是联合火力打击筹划工作的目标之一。针对这个问题,建立了混合火力分配的数学模型,提出了一种基于改进的果蝇优化算法的求解方法。改进的果蝇优化算法利用分类演化、步长因子得到新的种群个体。通过仿真实例验证了果蝇优化算法的可行性和有效性。     

一种基于混沌粒子群改进的果蝇优化算法

针对基本果蝇算法在优化过程中收敛速度慢,无法解决复杂的优化问题,引入混沌搜索和粒子群算法(PSO)来修正基本果蝇算法(FOA)。利用混沌搜索初始化果蝇群位置,提高了初始解的随机性和遍历性,从而提高FOA初始种群的多样性;引入PSO算法以减少最优解更新过程中的盲目搜索;选取5种不同的非线性函数作为测试函数,并将改进后的果蝇算法(IFOA)与其他算法相比较,实验结果表明,IFOA的鲁棒性较强,且收敛速度与收敛精度有了明显的提高。     

一种多目标果蝇算法及其在全弹道优化设计中的应用

提出了一种改进的多目标果蝇算法,对搜索空间及味道浓度判定值进行了改进,引入了快速非支配排序及拥挤距离排序方法,提高了果蝇优化算法解决实际工程问题的能力。并且将改进的多目标果蝇算法应用到全弹道优化设计当中,结果表明该算法能够有效的解决多目标工程优化问题。     

发射波束域MIMO-STAP雷达发射接收联合设计方法

研究了信号相关杂波背景下机载多输入多输出(multiple-input multiple-output,MIMO)雷达发射波束形成和接收滤波器的联合设计问题,建立了机载MIMO雷达发射波束域空时自适应处理(space-time adaptive processing, STAP)信号模型。为了提升杂波环境下目标的检测性能,通过最大化输出信干噪比构建了发射波束形成和接收滤波器的联合设计问题;然后,设计了一种新的基于优化最小化(majorization-minimization,MM)框架的迭代优化算法来解决联合设计问题。该算法通过合理寻找目标函数的下界可以有效提升算法的收敛速度并降低算法的运行时间。此外,与传统的相控阵雷达和MIMO雷达相比,优化后的发射波束形成和接收滤波器可以显著提升输出信干噪比,仿真实验验证了所提方法的有效性。     

基于优化神经网络的雷达波束分配方法研究

在多目标的跟踪过程中,自适应地分配雷达波束能够进一步提升雷达的工作效率.为了合理调度雷达波束跟踪目标,根据目标运动状态参数,建立了目标威胁度评估模型.该模型根据目标运动状态,包含类型、速度、加速度、航向角、高度、距离和干扰程度等;然后基于混合遗传粒子群优化算法改进了BP神经网络,分别采用运动状态信息和目标威胁度作为神经网络的输入和输出,建立了目标威胁度评估模型;算法根据威胁度的大小进行波束调度,并采用执行威胁率衡量波束调度的效果.仿真结果表明,该模型具有更高的预测精度,能够准确地实现目标威胁评估,在此基础上具有较好的波束调度效果.