基于改进遗传算法的油料调拨优化

为实现油料快速调拨运输，利用改进的遗传算法求解油料调拨优化问题，采用了一种受贪婪算法启发的新的交叉算子和变异算子，对比模拟退火算法等其他算法而言，具有较好的鲁棒性，能很好地解决油料调拨运输过程中多任务多地点的油料调拨运输问题。     

基于免疫粒子群算法的自抗扰飞行控制器设计

提出了一种基于免疫粒子群优化算法的自抗扰大包线飞行控制器设计方法.针对传统的增益调参设计方法存在的工作量巨大与设计效率低的问题,利用自抗扰控制器进行大包线飞行控制器设计,并推导了适用于该方法的飞机非线性方程.由于自抗扰控制能够动态补偿对象模型的内扰和外扰,因此在很大的飞行区域内仅需一套控制器便可,从而避免了烦琐复杂的增益调参设计过程,并用免疫粒子群优化算法对自抗扰控制器参数进行了优化研究.仿真结果表明,所设计的自抗扰控制器具有优良的控制性能,并且控制器参数在较大的包线范围内不需要改变,从而简化了大包线飞行控制器设计.     

基于博弈论的装备科研、购置、维修经费比例关系优化分析

通过不同时期国家战略部署、科研发展情况及经济承受能力对装备经费分配的影响分析,采用博弈的方法,建立了装备科研、购置和维修费之间的比例关系优化模型,给出了寻求纳什均衡点的迭代算法,并进行了仿真计算.仿真结果证明了该方法的可行性与正确性.     

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。     

应用Isight的复合材料桁架结构优化设计

轻质复合材料及其结构以其优异的力学性能在航天航空飞行器上得到了广泛应用。考察玻璃纤维/环氧复合材料方形截面桁架在典型弯曲载荷工况条件下的非线性结构承载性能。采用Isight集成平台对桁架结构进行多参数优化设计,获得满足结构刚度和承载性能要求的最轻质桁架结构的几何参数,并分析最优化结构在载荷作用下的结构非线性响应行为。结果表明采用Isight平台对桁架结构进行多参数优化设计具有较高的效率和可信度。     

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。     

满足大动压模拟要求的试验弹道优化设计

为了解决弹道导弹在高海拔发射场进行飞行试验时的大动压检验问题,提出一种模拟大动压条件的试验弹道设计方法。针对发射场的实际特点,建立残骸再入的动力学模型与落区边界模型;将大动压模拟条件转化为过程约束,提出一种主动段联合优化策略。基于自适应模拟退火算法,分别设计了三组满足不同大动压模拟条件和各项约束的试验弹道,并给出了对应的落区调整方案,验证了该方法的可行性。设计结果表明,最大动压主要出现在一级,一级最大负攻角增加,则最大动压也明显提高;同时调整发射方位角和二、三级程序角可以保证试验弹道满足弹头落点约束条件。     

高超声速飞行器低可探测性滑翔弹道优化方法

为进一步提高高超声速飞行器的突防性能,提出高超声速飞行器低可探测性滑翔弹道优化方法。考虑飞行器180°×360°方向的雷达散射截面,针对原数据尖峰多、收敛难的难题,运用高斯滤波法对其进行预处理,既不改变原数据趋势又加以平滑,提高优化问题收敛性能。为使计算所用雷达散射截面数据具备较强的保真性,采用三次样条插值方法调用离散数据计算实时雷达散射截面。完成了高超声速飞行器低可探测性滑翔弹道优化问题的建模,以探测概率为目标函数,运用hp自适应Radau伪谱法优化求解,采用逐步计算策略进一步提高优化效率和收敛性能。与传统最短飞行时间弹道对比表明,该方法有效降低了飞行器被雷达发现的概率。     

单像自标定的迭代优化方法

针对基于灭点的单像自标定方法精度不高的局限性,利用影像中的灭点和椭圆几何约束信息,提出一种迭代优化的单像自标定方法。根据极点-极线关系及其表示的正交性,由影像中的椭圆曲线及其所在平面的灭线确定一组正交共轭灭点对。利用这些正交共轭灭点对建立关于主距和主点的非线性模型,以主距的方差最小作为优化准则,并选用多个位置作为主点的初始值进行多次迭代优化估计,获得主距和主点的最优结果。仿真影像和真实影像实验结果表明,该方法能够有效地实现单像自标定。与基于灭点的摄像机标定方法相比,该方法能够获得更为满意的标定结果。     

改进人工蜂群算法的无人机航迹规划研究

如何快速地规划出满足约束条件的飞行航迹,是实现无人机自主飞行的关键。将改进的人工蜂群算法应用于求解无人机航迹规划问题,同时在人工蜂群算法的侦察阶段引入差分进化算法的思想。通过仿真实验并与标准人工蜂群算法比较,结果表明此算法能够有效加快收敛速度,提高最优航迹精度,是解决航迹规划和其他高维复杂函数优化的有效方法。