舰艇武器布置问题的一种协同优化算法

针对舰艇武器布置问题的特点,提出了一种基于粒子群优化和分类器系统的协同优化算法,以粒子群优化进行优化计算,用分类器系统消除约束.计算实例表明,该算法能较好地实现优化计算,并能节省大量的计算时间.     

具有热阻、热漏和内不可逆性的联合卡诺热机生态学优化

用有限时间热力学的方法分析具有热阻、热漏、内不可逆性的定常流联合卡诺型热机循环.导出了在傅立叶导热定律下联合循环功率、效率和生态学指标的性能,并进行优化;得到功率、效率和生态学指标之间的优化关系,并由数值计算分析了功率、效率和循环熵产率之间的关系.所得的结果表明,最大生态学指标下的效率十分接近于联合循环可以达到的最大效率;相应的熵产率也要低于以输出功率为优化目标时的熵产率.     

新型多目标遗传算法及其在导弹射击效能优化中的应用

多目标规划是一类重要的优化模型,有着广泛的实际应用,但其求解至今仍是运筹学的一个难点.针对一般约束多目标优化问题,在设计了新的适应度函数和选择算子的基础上,提出一种新型多目标遗传算法.将其应用于导弹对集群目标射击效能优化问题,验证了算法的有效性.     

基于退化速率跟踪粒子滤波的剩余使用寿命预测框架

毋庸置疑,剩余使用寿命预测对于设备的健康管理越来越重要。近年来粒子滤波方法被越来越多地应用到设备寿命预测技术当中,这是因为粒子滤波方法能更好的解决非线性非高斯系统滤波问题,而且能够获得不确定度信息。但该方法的预测性能却过度依赖于预测模型,并且对于模型参数的初始分布也比较敏感,这在一定程度上限制了粒子滤波预测方法的进一步发展。本文针对基本粒子滤波预测方法的不足,提出了一种基于退化速率跟踪粒子滤波的通用预测框架,以历史观测数据的退化速率统计规律作为指导来跟踪目标数据的退化速率,实现对粒子滤波预测方法的简化。并将该方法用于轴承和锂离子电池的剩余使用寿命预测,验证了方法的有效性。     

面向任务的随舰备件配置方法

研究了多阶段任务成功概率的计算方法,根据舰船多阶段任务的特点,建立了随舰备件配置模型.提出了系统修整过程中确定备件配置方案的分析方法与系统执行任务过程中基于粒子群算法的备件配置模型.经实例分析表明:该模型既满足了任务成功概率的要求,又充分利用了舰船排水量和宝贵的备件存储空间,对于随舰备件的配置具有普遍的适用性.     

舰艇编队协同反导火力分配的改进多目标粒子群算法

为提高协同反导时的多目标火力分配计算能力,首先建立了火力分配多目标数学模型;然后,针对火力分配多目标规划具有的线性不等式约束条件难以使用多目标粒子群优化算法、粒子群算法自身存在的盲目搜索等问题进行了改进,并明确了计算流程;最后,对算法进行了仿真实验,仿真实验表明:改进的多目标粒子群算法求解多目标火力分配规划模型得到的非劣解集可构成Pareto前端,且非劣解集的适应度最大值随迭代步数演变具有稳定的收敛性,验证了改进多目标粒子群算法的有效性.     

坦克分队作战要素量化研究

为实现坦克分队作战指挥的自动决策和科学决策,针对坦克分队火力优化控制作战要素估计这一先期环节,从环境、武器、目标3个方面,进行4种量化处理:环境信息量化处理、武器信息量化处理、目标信息量化处理与打击效率评估.量化结果可为坦克分队火力优化控制提供数据支持,并为指挥决策自动化奠定良好基础.     

河北：优化结构布局

整组工作开始前,河北省军区专门组织人员,深入乡村、深入企业、深入基层,对全省民兵预备役部队建设现状进行调查摸底;组织军分区、人武部、预备役部队和相关军兵种现役部队,以及人防、交战等地方有关部门,共同对民兵预备役组织调整的预案、措施和办法进行科学论证;成立军地联合领导小组,召开专题会议,科学制定方案,联合下发通知,指导各级展歼工作。     

基于逆向强化学习的舰载机甲板调度优化方案生成方法

针对计算机辅助指挥调度舰载机甲板作业的决策过程无法脱离人参与这一特点,引入基于逆向学习的强化学习方法,将指挥员或专家的演示作为学习对象,通过分析舰载机的甲板活动,建立舰载机甲板调度的马尔可夫决策模型(MDP)框架;经线性近似,采用逆向学习方法计算得到回报函数,从而能够通过强化学习方法得到智能优化策略,生成舰载机甲板调度方案。经仿真实验验证,本文所提方法能够较好地学习专家演示,结果符合调度方案优化需求,为形成辅助决策提供了基础。     

粒子群优化齿轮箱振动信号周期分量提取方法

为了从齿轮箱振动信号中快速获得各零部件的振动信号,给准确定位故障部件提供理论依据,提出了一种适合于齿轮箱振动信号周期分量提取的改进型粒子群优化算法。在对齿轮箱振动信号、周期信号振幅与对应频率间的关系以及初始相位与对应频率间的关系分析的基础上,以各特征频率及其组合为基准生成初始种群进行优化,减少了周期信号提取中的盲目性,加快了周期信号的提取过程。最后,对实验室的齿轮箱进行了不同工况下振动信号的检测,以这些信号为例进行了周期分量的提取,结果说明所提方法是可行有效的。