基于改进型粒子群算法的航空多项目调度方法

多项目并举状况下的资源有限-工期最短问题求解,是提高航空企业资源利用率、缩短项目周期的关键。在项目网络计划的基础上,提出了一种改进型粒子群算法对多项目实施并行资源调度,求解多项目最优资源调度方案。该方法通过改进的交叉和变异操作,提高了解的多样性,保证了算法的全局搜索能力。最后,通过对某型飞机的2个并行装配计划进行实例计算,验证了方法的有效性。     

一种改进的量子粒子群算法

量子粒子群算法是将量子计算与粒子群算法相结合的一种新的优化方法。首先利用相位角进行实数编码，将动态量子旋转门引入到粒子群算法中，采用自适应变异，提出了一种改进的量子粒子群算法。然后运用Pe-nalized函数和Ackley函数测试了该算法的性能。最后将该算法应用到武器目标分配模型中，获得了最优的分配方案。仿真研究表明，该算法具有收敛速度快、搜索能力强和稳定性高的特点。     

动态服务质量的多信道媒体接入控制传输机制

针对航空自组网在高负载下的服务质量及时延问题,提出一种动态服务质量的多信道媒体接入控制传输机制。以多信道检测统计为平台,结合优先级机制,通过在高负载网络中适当遏制低优先级业务,并且进行网络流量优化,保证高优先级业务的低时延发送;同时利用流量预测模型估计网络流量,通过粒子群优化算法进行优化,寻找合适的优先级门限值,确保高优先级业务接入率。通过计算机仿真可知,所设计的动态服务质量的多信道媒体接入控制传输机制,可在大负载网络中动态控制信道的接入,保持良好的网络吞吐量,其高优先级业务接入率达到99%以上,能有效解决航空数据链网络高业务量导致的服务质量及时延问题。     

基于满意度的多阶段任务系统可靠性冗余优化模型

冗余技术是提高多阶段任务系统可靠性的有效方法,目前对多阶段任务系统可靠性冗余优化研究甚少。分析了静态多阶段任务系统的特征和可靠性计算模型;构建了可靠度、体积、质量和价格的满意度函数并确定各个满意度函数的影响因子;建立了基于综合满意度函数的静态多阶段任务系统可靠性冗余模型,并利用微粒群算法对模型进行求解。算例验证了模型的合理性及算法的有效性。     

粉末燃料冲压发动机内镁粉尘云层流燃烧模型

对粉末燃料冲压发动机预燃室内镁粉尘云燃烧过程进行了研究,建立了镁粉尘云的一维层流预混燃烧模型。研究表明,镁粉尘云层流火焰传播很稳定,燃烧过程中火焰结构基本不变,燃烧区很薄,而预热区厚度约是燃烧区的2-3倍。粉尘云中镁颗粒的蒸发和气相镁与氧气的均相反应是产生火焰的直接原因,也是火焰得以传播的关键。预热区气相温度升高主要靠燃烧区气体的导热和扩散过来的气相镁与氧气反应释放热量,而预热区颗粒相温度升高主要靠气相对其对流传热。分析了各参数对粉尘云燃烧的影响,颗粒相对浓度对粉尘云燃烧的影响比较复杂,在浓度较低的情况下,增大颗粒相对浓度有利于粉尘云快速燃烧;而在浓度较高的情况下,增大颗粒相对浓度则不利于粉尘云快速燃烧。随颗粒粒径的增加,火焰传播速度减小,火焰温度升高,预热区厚度增大。火焰传播速度和火焰温度随粉尘云初温增加线性增长,预热区厚度随粉尘云初温增加抛物线增长。数值模拟与文献中试验结果的变化趋势相一致。     

一种高效的通信电台测试点优化故障诊断策略

针对通信电台的测试诊断问题,通过建立“故障一测试”相关性矩阵,提出了一种GADPSO算法与最大诊断信息量准则结合进行通信电台故障诊断的方法．GADPSO算法收敛速度快、计算精度高,既避免了陷入局部最优和早熟收敛,又提高了优化效率;最大诊断信息量准则能全面评判测试点,快速有效地获得测试顺序．该方法为通信电台故障诊断提供了一种高效诊断策略．     

基于PSO-RBF神经网络的雷达目标识别

为提高雷达系统目标识别能力,对粒子群算法及RBF神经网络进行了分析。针对离子群算法(PSO)易陷入局部极小的缺陷,提出了基于自适应时变权重和局部搜索算子的改进PSO算法,并将该算法应用到RBF神经网络核函数参数的优化学习中,进行了雷达目标识别仿真实验。仿真结果表明,相对于标准PSO-RBF神经网络,改进算法不仅收敛速度快,且误差精度高,特别在干扰较强时,目标的识别率有较大提高。     

基于兹-QPSO的战斗机机动规避优化方法

规避导弹攻击对于提高战斗机生存能力具有重要意义。首先,建立战斗机和导弹的运动模型及导弹导引律模型,采用直接多重打靶的参数化方法,将机动规避最优控制问题转化为非线性规划问题;采用相位角编码量子粒子群优化算法（兹-QPSO）实现参数寻优,并结合滚动优化的思想,利用模型预测控制得到规避轨迹闭环解和战斗机的实时控制量。最后仿真验证了该方法的合理性和算法的有效性。     

求解武器目标分配问题的改进粒子群算法

在建立多种类型武器目标分配模型的基础上,提出了一种求解该模型的改进粒子群算法。首先,定义粒子聚焦距离变化率,使惯性权重依据聚焦距离变化率自适应调整;其次,采用速度最大值线性递减的策略平衡算法收敛精度与全局寻优能力之间的矛盾;最后,粒子替换策略使算法改善了因自适应惯性权重的引入而造成收敛速度变慢的问题。仿真结果表明,提出模型和算法合理有效,算法收敛快,适合求解各种种群规模的武器目标分配问题。     

LCDP SO算法在协同空战攻击决策中的运用

为了探索提高协同空战攻击决策算法性能的途径,将多子群粒子群优化理论用于求解协同空战攻击决策,利用生命周期粒子群模型（ LCPSO）,提出了一种生命周期离散粒子群（ LCDPSO）协同空战攻击决策算法。基于典型空战想定背景,仿真验证了算法的有效性。通过统计实验的方法,分析比较了LCDPSO协同空战攻击决策算法与多种智能决策算法的准确性、可靠性和快速性,研究结果证明LCDPSO协同空战攻击决策算法优良的综合性能。