太阳能热推进系统聚光器参数优化研究

本文采用先进遗传算法,对太阳能热推进系统一次聚光器参数进行优化分析。以聚光器太阳光收集效率和聚光器质量为优化目标函数,建立了聚光器工作的数学模型,并开展了相关仿真研究。仿真结果表明,先进遗传算法可有效用于太阳光收集效率和聚光器质量优化分析。     

脉冲修正弹控制参数粒子群优化算法

针对脉冲修正弹自身控制离散不连续特征,开展脉冲修正弹脉冲控制参数优化设计方法研究。考虑到脉冲成本和精度的双重要求,选择以脉冲发动机工作次数和脱靶量最少为双目标的函数。在风干扰条件下,提出以脉冲控制时间间隔为离散脉冲控制参数设计变量建立优化模型,以此发展一种改进型递减惯性权重粒子群优化脉冲控制参数的方法,提高修正参数优化收敛速度。仿真结果表明:该算法能快速有效地获得最优解,为在干扰条件下寻找最优的脉冲修正参数和脉冲工作方式提供一种优化设计思路。     

太阳能热推进系统聚光器参数优化

采用先进遗传算法对太阳能热推进系统一次聚光器参数进行优化,达到减小推进系统质量的目的。以聚光器太阳光收集效率和聚光器质量为优化目标函数,建立聚光器工作的数学模型,并开展相关仿真研究。仿真结果表明,先进遗传算法可有效用于太阳光收集效率和聚光器质量优化分析。     

云模型改进惯性权重的混沌交替粒子群算法

标准粒子群算法通过线性减小惯性权重系数来调整寻优性能,但缺乏智能化机制易导致算法后期产生早熟或陷入局部最优而产生僵局。针对这一问题,提出一种基于云模型改进惯性权重的混沌交替粒子群优化算法。根据粒子迭代变化关系,采用云模型理论对惯性权重ω进行智能化调整,以平衡其全局和局部搜索能力,防止算法产生局部僵局;另外,判定粒子稳定性,对于可能陷入局部僵局的稳定粒子进行混沌扰动,促使其跳出僵局进而向最优位置更新。实验与分析表明,基于云模型改进惯性权重的混沌交替粒子群优化算法能够跳出局部僵局且具有较高的寻优精度,算法接近完全收敛时的平均迭代次数,较现有相关研究分别降低了13.73%~20.11%。     

合成分队双层主从决策模型研究

针对合成分队不同指挥层级之间的决策交互优化问题,提出了基于主从决策的双层武器目标分配模型。该模型能够体现上下指挥层级之间交互式决策协调优化的特点:上层目标为主攻方向我方遭受威胁最小,下层目标为对敌打击最大。结合合成分队作战决策的特点和要求,提出了一种求解该模型的改进型粒子群优化算法。仿真结果表明,该模型合理有效,改进的求解算法能够获得满意解。     

基于TSS方法的雷达性能优选分析研究

通过TSS方法进行了雷达性能的优选分析研究,分别针对雷达的单一性能指标和综合性能指标进行了优选分析。首先运用TSS方法完成了基于单一性能指标的雷达性能优选分析,然后通过欧几里德贴近度完成了雷达的综合性能指标优选分析,最后给出了TSS方法在雷达性能优选分析研究中的应用实例。     

基于连分式的简化拉普拉斯函数递推算法

根据简化拉普拉斯函数级数展开和将级数展开为连分式的方法,将简化拉普拉斯函数化为连分式形式。推导出基于连分式的简化拉普拉斯函数渐近分数的递推计算公式,讨论了递推计算中误差控制的方法。计算结果表明,该算法简单实用,在炮兵及防空兵火力毁伤概率计算中有应用价值。     

电子对抗对空侦察雷达阵地配置优化研究

针对电子对抗对空侦察雷达阵地优化配置问题,通过分析雷达站的侦察范围与定位条件,提出双机定位和三机定位的最优配置模式,分别建立双机定位和三机定位的最优站距、定位纵深、配置间隔、阵地高度等相关参数的计算模型。通过对电子对抗对空侦察雷达阵地优化配置问题进行实例计算,表明模型实用、有效。     

基于复杂网络的作战同步建模与优化

为了量化分析作战同步问题,提出多作战单元协同作战复杂网络模型,在此基础上,应用复杂网络同步理论,重点从作战单元动力学行为和网络拓扑结构两个方面对作战同步的内在机理进行分析。针对不同的作战情形,设计了静态同步和动态同步两种网络,并分别应用离散粒子群算法对网络结构进行优化。对网络抗毁性的仿真实验表明两型网络对随机攻击和恶意攻击均具有较好的鲁棒性。     

基于多Agent无人机协同侦察任务规划模型

建立了多无人机协同侦察任务规划模型,在考虑侦察时间间隔约束和目标载荷需求基础上,给出了位于不同基地的无人机优化部署和调度策略,并提出了基于多Agent的优化搜索仿真算法,利用Matlab实现了无人机优化配置和任务规划模型,得出了无人机优化配置和任务规划方案,最后分析了模型算法存在的某些不足,提出了模型改进的方向。