驱护舰编队防空火力分配决策模型研究

驱护舰编队防空火力分配的确定和优化是最大限度地发挥驱护舰编队的整体作战能力的关键。为了高效地发挥驱护舰编队火力优势,用运筹学理论建立了驱护舰编队防空火力分配决策问题的优化模型,分析了各种解决此模型的方法的优缺点,并尝试运用粒子群优化理论(PSO)求解该模型。实例计算分析表明,所提出的方法较好地解决了驱护舰防空火力分配决策问题,为舰艇编队指挥员进行防空火力分配决策提供了一种有效的参考处理方法。     

无人机集群反制技术剖析

无人机集群作战具有作战效能高、战场生存能力强、效费比极高的巨大优势,将给传统防空系统带来巨大挑战.现有反无人机集群技术大多来源于反无人机技术,但反平台与反集群存在显著差异,必须针对无人机集群自身技战术特点,加强对精确/高效/低成本的集群反制技术研究.因此,本文以剖析无人机集群反制技术的可行性为出发点,首先,从反无人机集...     

Dynamic modeling and parameter identification of a gun saddle ring

In this study, a theoretical nonlinear dynamic model was established for a saddle ring based on a dynamic force analysis of the launching process and the structure according to contact-impact theory. The ADAMS software was used to build a parameterized dynamic model of the saddle ring. A parameter identification method for the ring was proposed based on the particle swarm optimization algorithm. A loading test was designed and performed several times at different elevation angles. The response histories of the saddle ring with different loads were then obtained. The parameters of the saddle ring dynamic model were identified from statistics generated at a 50° elevation angle to verify the feasibility and accuracy of the proposed method. The actual loading history of the ring at a 70° elevation angle was taken as the model input. The response histories of the ring under these working conditions were obtained through a simulation. The simulation results agreed with the actual response. Thus, the effectiveness and applicability of the proposed dynamic model were verified, and it provides an effective method for modeling saddle rings.     

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。     

一种改进的粒子群优化算法

针对基本粒子群算法存在着收敛速度慢、效率低、易陷入局部最优等缺陷,为了更好地平衡全局和局部搜索能力,在粒子群算法中引入收缩因子,使算法中粒子不仅向种群最优的粒子进行学习,而且向种群中比自己优秀的所有粒子学习,增加了粒子的多样性。实验结果证明,与基本蚁群算法相比,改进的粒子群算法提高了收敛速度和效率,能一定程度地避免局部最优解的产生。     

基于AFSA的自抗扰控制器参数整定

自抗扰控制器（ADRC）的参数众多,通常依赖于人工试凑优化,控制系统的性能好坏过分取决于设计人员的经验且效率不高。针对ADRC的参数选取问题,首次利用鱼群算法（AFSA）全局寻优能力强,鲁棒性好的特点,结合已有的参数整定经验,提出了一套基于AFSA的ADRC参数整定规则,并进行了数字仿真。仿真结果表明,经由基于AFSA参数整定规则优化过后的ADRC具有良好的动静态特性,提高了设计效率,验证了该方法的可行性和有效性。     

果蝇算法和5种群智能算法的寻优性能研究

截止到目前为止进化式算法主要有遗传算法、蚁群算法、鱼群算法、免疫算法、粒子群算法.这些算法已经被广泛地用于寻优,但都有各自的缺点,导致其不易被用于解决实际问题.某学者提出了一种新群智能算法——果蝇算法.对该算法的起源进行分析,并将该算法与其他算法对比,通过仿真分析各个算法寻优性能.重点分析果蝇算法的寻优性能,得出果蝇算法简单、参数少、易调节、计算量小、寻优精度较高,从而较容易被用于解决实际问题,对于复杂问题算法可能不稳定.指出该算法的缺点,提出应改进的地方,对其应用前景作了概括.     

四种智能算法的比较研究

随着智能算法的研究深入,一些新的智能优化算法不断被提出,包括从遗传算法、蚁群算法、粒子群算法、人工鱼群算法等。这些算法都是从自然界的自然生物的特性启发而研究出来的,由于这些算法在求解时不依赖于梯度信息,因而特别适用于传统方法解决不了的大规模复杂问题。通过这些算法的介绍和分析,并通过测试函数测试了四种算法的收敛性、收敛速度和精度,评价了这些智能算法在求解函数优化问题的能力。最后对优化算法今后的发展方向进行了评述与展望。     

基于自由空间光的无人机集群通信载荷技术发展现状与趋势

对基于自由空间光(Free Space Optical,FSO)的无人机集群通信载荷技术应用需求进行了归纳总结,论述了 FSO通信技术及应用在无人机载荷的国内外发展现状,展望了高速移动通信环境下无人机集群FSO通信载荷技术的未来发展趋势,进一步深入分析了应用于无人机集群的FSO通信链路的关键技术.可以预见,基于FSO的...     

动态WTA问题的混沌人工鱼群算法

针对不同作战平台上多个武器单元对一批目标进行射击时的武器目标分配问题,建立了该问题的数学模型。采用混沌人工鱼群算法对动态条件下的武器目标分配问题进行求解,并设计一个实例进行仿真实验。仿真结果表明,在时间约束条件下该算法较遗传算法更具优越性,验证了混沌人工鱼群算法用于动态武器目标分配的有效性。