成像卫星任务周规划模型与算法

作为卫星运控系统中的一个重要模块,卫星任务短期规划对充分发挥卫星系统效能有着重要影响。与卫星任务的日规划的作用和特点不同,它既涉及到任务规划的技术问题又涉及到卫星管理问题。针对周规划任务,本文分析周规划的需求和特点,兼顾周规划的四项主要作用,构造周规划的分层框架;分析周规划优化目标及约束条件,建立卫星任务的负载度周规划模型;针对模型求解属于高维离散组合优化问题,仿真实验评价了几种基本智能优化求解算法,并应用引入分布式并行技术的遗传模拟退火算法求解。     

带保障智能体的多智能体战斗模型仿真研究

为了研究基于复杂适应系统理论的多智能体仿真模型的演化和涌现规律,在Swarm平台上建立了一个多智能体的战斗保障模拟仿真系统,并对战斗过程双方兵力耗损和弹药消耗进行了仿真研究,其结果和现实情况比较吻合.基于复杂适应系统理论的多智能体仿真模型可以模拟复杂系统的微观行为,进而能够显现出系统的宏观涌现现象,对作战研究有着非常重要的方法论意义.     

基于粒子群优化的稀疏序列Bayes反卷积方法研究

在地下目标低频声波探测中,由于探测信号的混叠,难以判读反射目标的空间位置.应用信号处理方法求解时,目标信号是稀疏序列,求解方程是病态的.运用Bayes反卷积方法修正其病态性,并采用优化的粒子群算法求解,提高了系统的探测分辨率,同时降低了计算量.实际应用表明,该方法是有效的.     

作动器最优配置的柔性结构振动主动控制

柔性结构广泛应用于航空航天等领域,为了获得结构的最佳动力学性能,在主动振动控制中作动器或传感器位置优化成为关键。基于结构有限元动力学方程,在状态空间利用系统可控和可观Gramian矩阵考虑结构剩余模态的影响,推导一种新的作动器/传感器优化准则。根据优化准则结合非线性整数规划遗传算法对作动器的位置进行配置。以悬臂板为研究对象,采用基于状态反馈的线性二次型调节器研究悬臂板的振动控制效果。与其他配置方法进行比较,验证了新方法的优越性。     

OFDM系统中基于补零DFT信道插值算法的研究

针对OFDM系统中基于补零DFT实现信道插值的算法,对传统的时域方法和变换域方法进行了分析,并提出了一种新的补零方法。首先通过理论分析指出传统的基于补零DFT实现信道插值算法中,时域方法和变换域方法是等效的;通过对信道插值算法中冲激响应估计序列进行补零的分析,指出补零操作是为了重构出冲激响应的N点采样序列(N表示总子载波数),并针对传统补零方法在一定条件下产生的重构误差,提出了一种新的补零方法。仿真结果表明以上理论分析是正确的,新补零方法可以减小一定条件下的重构误差,增强信道插值算法对信道延迟分布的鲁棒性,有效提高系统的性能。     

邻域加强的并行子空间优化过程

针对基于响应面的并行子空间优化(CSSo-RS)过程的不足,提出了基于邻域加强的改进CSSO-RS优化过程.其主要思路是在子空间优化后,在得到的最优解附近进行全部变量的优化,以更好地协调系统级优化与子空间优化.用经典测试函数及通用航空飞机参数优化问题对该算法进行测试,测试结果表明该算法使CSSO-RS优化效率得到较大的...     

飞行器多学科设计优化理论的工程应用

目前,飞行器的多学科设计优化(MDO)方法研究已经成为国际上航天领域的一个研究热点,但在我国,与MDO基础理论研究的迅速发展相比,MDO的工程应用研究相对滞后,甚至导致部分飞行器设计人员对于MDO理论的实用性产生质疑.本文结合我们近十多年来的研究工作,在分析MDO工程应用所面临困难的基础上,总结了MDO工程应用研究的关...     

复杂电磁环境下通信抗干扰的信息筛选算法

根据复杂电磁环境下通信联络的特点,基于大规模通信数据的涌现,采用一种能够在大量干扰和背景信号中筛选出有用信息的算法。通过对覆盖算法的研究,利用概率理论对其算法进行了优化和改进,为应用覆盖算法构建了一个实用的有限混合的概率模型,而后采用最大似然的原理进行优化计算,实现覆盖算法的优化实用化。将这种数据筛选算法应用到受到干扰条件下短波通信的海量信息的挖掘中,取得了良好的效果,验证了其有效性。     

自由漂浮空间机器人关节故障锁定位置辨识

针对自由漂浮空间机器人在关节故障情况下关节锁定位置的辨识问题,根据其线动量守恒和角动量守恒特性,建立了关节故障锁定位置辨识的误差模型,提出了利用混沌粒子群优化(CPSO)搜索关节故障位置的辨识算法。最后采用虚拟样机技术,建立了空间机器人系统的虚拟样机,对空间机器人系统进行动力学仿真,获取了运动数据,采用此数据对提出的关节故障位置辨识算法进行了有效性验证。     

Data-driven prediction of plate velocities and plate deformation of explosive reactive armor

Explosive reactive armor (ERA) is currently being actively developed as a protective system for mobile devices against ballistic threats such as kinetic energy penetrators and shaped-charge jets. Considering mobility, the aim is to design a protection system with a minimal amount of required mass. The efficiency of an ERA is sensitive to the impact position and the timing of the detonation. Therefore, different designs have to be tested for several impact scenarios to identify the best design. Since analytical models are not predicting the behavior of the ERA accurately enough and experiments, as well as numerical simulations, are too time-consuming, a data-driven model to estimate the displacements and deformation of plates of an ERA system is proposed here. The ground truth for the artificial neural network (ANN) is numerical simulation results that are validated with experiments. The ANN approximates the plate positions for different materials, plate sizes, and detonation point positions with sufficient accuracy in real-time. In a future investigation, the results from the model can be used to estimate the interaction of the ERA with a given threat. Then, a measure for the effectiveness of an ERA can be calculated. Finally, an optimal ERA can be designed and analyzed for any possible impact scenario in negligible time.