基于改进粒子群优化算法的发动机故障仿真

为对发动机的稳态故障特性进行有效分析,提出了一种基于改进粒子群优化算法的故障仿真方法。首先将描述系统性能的非线性方程组,转化为带约束的最优化形式,通过设置式中参数可以仿真不同状况下的系统故障。并且提出运用一种改进的粒子群优化算法来为解决描述系统的高维、非线性函数,该算法在初始化时,运用混沌的思想,使得粒子分布遍历所有状态;在进化时,运用的免疫的思想,设置了基于适应度的克隆算子与变异算子增加粒子的多样性;在免疫选择之后,对各个粒子的速度也进行了重新设置,增加了粒子寻找全局最优的能力。实验结果表明,改进的粒子群优化算法能够有效地求得最优解。     

无人机测控系统Turbo-MAP译码方法

无人机测控数据链系统与地面控制站进行的是遥测数据、侦察图像及遥控指令的传输,因此,高质量的通信是确保无人机数据链发挥效能的关键技术之一。针对无人机信道的特点和要求,研究了无人机信道的Turbo-MAP译码模型,提出一种无人机测控系统Turbo-MAP译码方法,并针对各种参数条件进行了Matlab仿真。实验结果证明,该方法能够保证在发送数据的时候尽量使用长度较长的数据包且增加交织深度,并显著提升译码BER性能。     

二维Turbo编码的无人机通信研究

传统基于RS-Turbo码的系统需要提供RS译码及Turho译码2种不同的译码算法需求,使得译码器的软硬件设计复杂化,无法满足无人机通信要求.从理论上分析了Turbo码的性能特点,提出一种改进的二维turbo迭代算法,并应用在无人机通信仿真中.仿真结果表明该算法在低信噪比时能够提升误码率性能,且易于工程实现.     

针对KMC局部最优问题的飞蛾捕焰优化方法

针对传统飞蛾捕焰(MFO)算法求解复杂函数时后期收敛速度慢与求解精度较低等问题,提出了一种基于快速收敛的飞蛾捕焰(RMFO)算法.采用最大最小距离积的方法来初始化飞蛾群,能够提高算法全局收敛速度并且优化解的质量,同时构造出MFO算法的适应度函数作为寻优函数.将RMFO算法和有K均值聚类算法(KMC)进行交叉迭代,构建基于RMFO优化的KMC算法,求解聚类中心时能够改善聚类性能,可以解决现有KMC算法选取初始聚类中心不确定陷入结果局部最优的问题.实验结果表明,通过用UCI国际通用测试数据库的Iris、Wine和Glass 3种数据集,对RMFO算法和优化KMC算法进行性能测试,提出的RMFO算法更加精准,收敛速度快,不易陷入局部最优解,同时,优化KMC算法的聚类性能更好.     

多谐差相信号激励下的频率特性测试方法研究

频率特性作为衡量动态性能的重要指标,是伺服机构动态测试的重要内容。针对传统的正弦相关分析法测试速度慢、测试效率低的问题,从激励信号和数据处理算法2个方面对多谐差相信号测试法进行了改进。以某型导弹的伺服机构为测试对象,分别在无噪声和有噪声的条件下使用传统的正弦相关分析法和改进的多谐差相信号测试法进行仿真。仿真结果表明,改进的多谐差相信号测试法测试效率高,能够在保证测试精度的基础上实现频率特性的快速测试。