层次分析法的水下航行器维修性指标分配方法

基于层次分析法的水下航行器维修性指标分配方法把层次分析法应用到水下航行器维修性指标分配方法中,即邀请专家对故障的检测和隔离方式、可达性、可更换性和测试的困难等级进行两两比较,得到评价矩阵,据此,可以得到分配结果.这种方法克服了按故障率和设计特性分配法在设计特性相差不大时存在的缺陷,把定性分析与定量分析相结合.在设计初期即明确设计目标,除了考虑到单元的故障率还兼顾了初期设计过程中的不确定性.将这种方法应用于某水下航行器的维修性分配,结果表明,该方法具有实用价值.     

基于进化算法的雷达对抗侦察无人机航路规划

雷达对抗侦察无人机在执行任务前要根据战场环境预先规划好最优路径。全面考虑战场环境威胁约束、机动性能约束和侦察任务约束,综合轮盘法、最优保存策略和6种进化算子形成进化算法,并对航路规划问题进行求解。仿真结果表明,利用约束量化方法和进化算法对雷达对抗侦察无人机进行航路规划是可行的。     

多平台雷达有源干扰资源分配算法

根据现代干扰机特点,建立"多对多"雷达有源干扰资源分配数学模型,结合分配算法的具体应用环境,提出了基于多Agent分布协同拍卖的雷达干扰资源分配算法,实例表明该方法可行。     

水下无载波窄脉冲相关特征检测

广泛应用于超宽带雷达的无载波窄脉冲信号具有较高的距离和角度分辨率、超近程探测能力、便于目标识别、抑制混响起伏等独特优势.现将其应用于水下声纳系统,水下窄脉冲信号具有宽低频特性,从相关方法出发,讨论无载频窄脉冲对体目标信号的检测.根据窄脉冲信号脉宽内相关特征不变特性,体目标信号经过相关器和特征判决器,可明显减小虚峰出现的概率.数值模拟和实验均验证并证明单次检测即可检测到目标信号,精确检测峰值出现时间.     

求解WTA问题的智能算法评价准则

目前求解火力优化配置(WTA)问题的智能算法层出不穷,急需统一的算法评价准则来比较各算法的寻优能力,以得到相对更高精度、更高效率的算法.针对上述问题建立了完善的评价准则体系,从算法代码编制质量、算法精准度和算法执行效率3个方面对智能算法的寻优能力深入讨论,并给出了2个标准测试模型及其初始化参数.实例说明本评价准则科学合理,具有很高的实用价值.     

一种新的批处理常模算法

详细分析了传统批处理常模算法的缺点,提出了一种新的批处理常数模算法——基于共轭梯度方向的批处理常模算法(CG-BPCMA).仿真结果表明,与最陡下降批处理常模算法(SD-BPCMA)和牛顿方向批处理常模算法(NT-BPCMA)相比,提出的新算法有效地克服了SD-BPCMA和NT-BPCMA的缺点,不仅获得了较低的算法复杂度,而且能快速收敛到常模代价函数的最小值点.     

空气深度预冷组合循环发动机吸气式模态建模及性能分析

针对空气深度预冷组合循环发动机——协同吸气式火箭发动机(Synergistic Air-Breathing Rocket Engine,SABRE),采用部件法对其进行建模,匹配计算得到吸气式模态下飞行走廊内其性能参数变化规律,并研究其高度速度特性。计算模型可信度较高,推力误差小于6%,能够较为准确地模拟SABRE吸气式模态的性能参数。结果表明:SABRE兼具火箭发动机大推力和航空发动机高比冲的特点,吸气式模态下比冲介于21 300~27 380 m/s,随着高度速度的增大,其推力比冲先增大后减小;SABRE利用预冷器将入口空气温度降低,可使其空域速域拓宽至25 km、5Ma,满足高超声速飞行的动力需求;发动机速度下限由压气机最大流量决定,速度上限则由氦气回路减压器工作限制条件决定。     

A self‐adapting genetic algorithm for project scheduling under resource constraints

This papers deals with the classical resource‐constrained project scheduling problem (RCPSP). There, the activities of a project have to be scheduled subject to precedence and resource constraints. The objective is to minimize the makespan of the project. We propose a new heuristic called self‐adapting genetic algorithm to solve the RCPSP. The heuristic employs the well‐known activity list representation and considers two different decoding procedures. An additional gene in the representation determines which of the two decoding procedures is actually used to compute a schedule for an individual. This allows the genetic algorithm to adapt itself to the problem instance actually solved. That is, the genetic algorithm learns which of the alternative decoding procedures is the more successful one for this instance. In other words, not only the solution for the problem, but also the algorithm itself is subject to genetic optimization. Computational experiments show that the mechanism of self‐adaptation is capable to exploit the benefits of both decoding procedures. Moreover, the tests show that the proposed heuristic is among the best ones currently available for the RCPSP. © 2002 Wiley Periodicals, Inc. Naval Research Logistics 49: 433–448, 2002; Published online in Wiley InterScience (www.interscience.wiley.com). DOI 10.1002/nav.10029     

基于支持向量机和遗传算法的末敏弹系统效能参数优化设计

末敏弹是一种先进的新型弹药,由于其结构复杂,影响因素多,所以对其进行全面的系统优化设计比较困难。文中探讨了基于支持向量机的末敏弹命中概率预报模型的建模方法,并采用遗传算法对系统效能参数进行了优化,获得了影响系统效能的几个主要因素的合理搭配,为末敏弹的系统效能研究提供了依据。     

一种采用自适应遗传算法的模糊自整定控制器

针对模糊自整定控制器参数寻优能力差的不足,研究了采用自适应交叉概率与变异概率的遗传算法,提出了用这种自适应遗传算法改善模糊自整定控制器性能的方法。对采用自适应遗传算法的模糊自整定控制器与一般的模糊自适应控制器作了仿真对比研究,说明了前者的优越性。