基于自适应遗传算法的LS—SVM漏磁缺陷重构

提出基于自适应遗传算法的最小二乘支持向量机算法（AGA-LS-SVM）的新方法,用于二维缺陷重构,建立由缺陷的漏磁信号到缺陷二维轮廓的映射关系。该方法实现人工裂纹缺陷的二维轮廓的重构,试验结果表明,该方法具有速度快、精度高和很好的泛化能力,为漏磁检测定量化提供了一种可行的方法。     

基于遗传算法的气体爆轰参数计算

在研究气体爆轰条件和物理模型的基础上,首次以遗传算法为工具,解决了气体爆轰参数求解时温度、压力假设的盲目性和复杂性,并应用具体算例对该方法进行了验证,为气体爆轰参数的求解提供了一个新的途径。     

一种改进的连续域蚁群算法

简要介绍了蚁群算法,并从解决连续域问题的角度分析了段海滨等提出的基于网格划分策略的连续域蚁群算法的基本原理,针对该算法的特点和存在的缺陷,提出了改进的办法:在前期用遗传算法快速生成初始信息素,再利用蚁群算法寻求精确解。最后通过对一个二维连续域函数优化仿真实验,证明了改进后蚁群算法的有效性。仿真实验结果证明:改进后的蚁群算法无论是时间性能还是优化性能都明显优于改进前的蚁群算法,克服了蚁群算法的缺陷,大大提高了算法的速度和求解效率,达到了时间性能和优化性能的双赢。     

基于EMD、遗传算法及神经网络的柴油机故障诊断

研究了将经验模式分解(Empirical Mode Decom position,EMD)、遗传算法及BP神经网络相结合对柴油机振动信号进行故障诊断的方法。首先运用经验模式分解方法对柴油机缸盖表面振动信号进行分解并提取特征参数;然后利用遗传算法对得到的特征参数进行选择,找到对于故障诊断最为敏感的参数;最后建立了BP神经网络模型对柴油机典型故障进行诊断。通过对某型柴油机的验证,表明该方法能够准确识别柴油机供油系统的典型故障。     

基于量子粒子群优化的无人飞行器路径规划

根据地形障碍、敌方防御雷达、防空火力等威胁以及禁飞区的分布情况,引入最小威胁面的概念,利用B-Sp line插值逼近最小威胁面中的三维航迹在二维水平面内的投影,从而将三维曲线的规划问题简化为二维平面中控制点的寻优问题。采用量子粒子群优化算法,将约束条件和搜索算法相结合,有效解决了简单粒子群算法在高维空间中易陷入局部最优点的问题,简化了问题复杂度、提高了计算效率。仿真结果表明,生成的航迹具有地形跟随、障碍回避和威胁回避等功能。     

基于改进遗传算法的平流层飞艇定点悬停控制(英文)

平流层飞艇定点悬停控制是飞艇应用领域的关键技术。该控制问题可以转化为非线性多目标优化问题来求解。遗传算法是解决现代非线性多目标优化问题的一种重要方法。但是基本遗传算法在解决定点悬停飞艇实际控制问题时,具有易陷入局部最优解、在遗传进化过程中随机性较强、搜索效率低下及耗时多等缺陷。通过借鉴并行遗传算法、模拟退火算法和向量评价遗传算法的基本思想,在基本遗传操作中添加切断算子和拼接算子,设计一种改进遗传算法来改善上述缺陷。仿真结果表明该方法是有效可行的。     

直升机全包线飞行控制律的优化设计及其仿真

提出了一种基于多目标遗传算法的直升机全包线飞行控制律优化设计方法。把直升机全包线飞行控制律设计处理成一个多目标优化问题,并以全部设计点总体性能最优作为多目标优化的总目标,以各设计点性能最优作为子目标,以控制律设计要满足的动、静态指标作为约束条件,以控制律参数作为决策变量,再应用多目标遗传算法进行控制律参数寻优。仿真结果表明,应用该方法所获得的直升机俯仰通道控制律参数具有良好的飞行品质和和较好的适应性,表明该方法是合理的和有效的。     

精确制导前沿成像探测技术

回顾了精确制导技术的发展历程,分析了精确制导成像探测技术发展过程中面临的挑战与未来的主要发展方向。结合太赫兹、量子和超材料等前沿技术的发展动态,分别梳理了太赫兹雷达、量子雷达以及超材料雷达三种典型的精确制导前沿成像探测技术的技术背景、发展脉络、基本原理、技术优势。这三种成像探测技术有望为精确制导技术应对未来新型战争形态带来的挑战提供可行的技术途径。研究成果可为未来精确制导技术的深入可持续发展提供参考,并对提升精确制导武器的打击与拦截作战效力具有重大意义。     

基于改进协同遗传算法的有效载荷系统功能序列规划方法

针对传统回溯算法在求解基于知识模型的有效载荷系统功能序列规划问题中搜索效率低的问题,提出一种基于"择劣变异"(Worst Individual Mutation,WIM)策略的协同遗传算法(Co-evolutionary Genetic Algorithm,CGA)的改进算法WIM-CGA。该算法在遗传过程中采用双路线进化方案,即"择优实施标准遗传过程,择劣实施变异操作",达到提高求解精确度及搜索效率的目的。仿真结果表明,同等测试条件下,当功能规模为50,约束密度为1.0时,WIM-CGA算法在限定时间内最优解的平均精确度比优化的回溯算法提高了54.15%,比CGA算法提高了6.18%,且当所得解的精确度大于90%时,WIM-CGA算法比CGA算法的迭代次数减少了65.79%,耗时降低了48.97%,显著提高了功能序列规划的效率。     

混合遗传算法的战时舰艇伴随保障人员优化配置

遂行一次作战任务的伴随保障人员总数往往是有限的,针对各舰艇进行人员科学配置,对于缩短战时累计修复时间、提升维修效率意义重大。建立了战时舰艇伴随保障人员优化配置模型,分析了与之相关的因素和限制条件,运用混合遗传算法求解人员配置方案,实现战时舰艇编队累计修复时间之和的最小化,通过数值仿真实验验证了模型及算法的可行性、客观性和高效性,有效缩短了总修复时间。