粒子群算法用于阵元失效校正北大核心

相控阵天线由成百上千的阵元组成,以其独特的优势迅速发展。在实际应用中,由于各种原因会出现阵元失效的情况。严重的影响相控阵天线的使用。由于相控阵天线幅相可控的特殊性,可运用幅相调控的方法对失效阵元造成的损失进行校正。运用粒子群算法对失效后的阵面进行优化,寻找最优解使失效后的阵面达到一个较好的状态,使阵元失效后的阵面天线能降低性能投入使用。     

纳米材料技术及其军事应用

自从扫描隧道显微镜发明后,世界上便诞生了一门以0．1至100纳米这样尺度为研究对象的前沿学科,这就是“纳米科技”。作为以纳米这样的尺度对物质和生命进行研究和应用的科学技术,它以空前的分辨率为人类揭示了一个可见的原子、分子世界。研究纳米技术的最终目的是直接以原子和分子来构造具有特定功能的产品,纳米技术是用单个原子、分子制造物质的科学技术。它是以许多现代先进科学技术为基础,是现代科学(混沌物理、量子力学、介观物理、分子生物学)和现代技术(计算机技术、微电子和扫描隧道微镜技术、核分析技术)结合的产物。纳米技术又将引发一系列新的科学技术,例如纳米电子学、纳米材料学、纳米机械学等。被认为是世纪之交出现的一项高科技。     

基于粒子群算法的武器装备供应链伙伴选择研究

合作伙伴选择是构建供应链的关键所在,武器装备供应链的构建要满足其战略全局最优、平时战时兼容、效益效率兼备的特殊要求。建立了一种基于离散粒子群算法的武器装备供应链伙伴选择方法。该方法克服了普通商品供应链对全局利益考虑不足的问题,实现了在不同战略时期、不同约束条件和不同成本考虑等情况下的供应链伙伴选择。实例仿真验证了该方法的实用性和有效性。     

基于格拉姆角场和PSO-CNN的滚动轴承故障诊断方法

针对卷积神经网络的结构对滚动轴承故障诊断精度有较大影响的问题,提出一种基于格拉姆角场和粒子群优化卷积神经网络结构的故障诊断方法。采用格拉姆角场对一维轴承振动数据重构,保留原始数据信息的同时包含了时间相关性;采用粒子群优化算法对编码后的卷积神经网络结构迭代寻优。利用西储大学的轴承数据集进行试验验证,试验结果表明,该方法可自适应生成网络结构,平均诊断精度为99%,相对于其他主流卷积神经网络结构可以获得更好的故障诊断精度。     

约束无迹粒子滤波及其在汽车导航中的应用

针对汽车组合导航系统要求滤波算法具有高精度,高稳定性,高时效性的特点,设计了一种基于约束方程的无迹粒子滤波算法,该算法通过约束方程使得非线性系统的维数降低,在保持无迹粒子滤波精度的基础上提高了算法的解算速度,使算法的时效性得到提高。在汽车组合导航系统状态方程和测量方程的基础上建立系统的约束方程,算法的仿真取得了良好的效果,说明该算法对导航系统的适应性较强。通过对比表明相对于扩展卡尔曼粒子滤波和无迹卡尔曼粒子滤波,该算法的导航精度和时效性方面优势明显,体现了该算法的优越性。     

基于TS-MMPF的机动弱目标TBD算法

针对基于多模粒子滤波(Multiple Model Particle Filter,MMPF)的机动弱检测前跟踪(Track-Before-Detect,TBD)方法存在不能直接给出目标航迹以及粒子退化导致的目标漏检问题,提出一种基于航迹平滑(Track Smoothing,TS)的MMPF(TS-MMPF)机动弱目标TBD算法。该方法利用MMPF的方法对机动弱目标量测数据进行处理,输出初步的检测和跟踪结果;将MMPF的输出结果重新定义为新的量测并进行目标的航迹起始、关联及滤波并给出目标的航迹;最后,利用航迹预测值对目标航迹进行平滑处理,有效解决粒子退化导致的漏检问题。仿真结果表明该算法可以有效提高目标航迹的稳健性。     

组网雷达协同干扰资源分配模型及算法

针对多干扰机协同作战(Multi-Jammers Cooperative Combat,MCC)问题,研究如何在干扰资源有限的情况下对其进行充分的利用,从而获得最优的干扰收益。将雷达的威胁等级和几何精度因子(GDOP)结合作为目标函数,建立以干扰机时间利用率为约束条件的MCC问题优化模型。运用熵权法计算雷达脉宽、带宽、载频和重频的权重,并根据灰色关联相对贴近度确定雷达的威胁等级,采用离散的粒子群算法对模型进行求解。通过MATLAB仿真表明,该算法可以快速找到目标函数的最优解,得到最佳的分配方案,通过对结果的分析,进一步验证该算法的有效性和模型的可行性。     

随机需求下供应商主导的多轮次协调模型

针对随机需求下供应链的供销订购冲突问题,提出一种基于Stackelberg主从对策的供应链多轮次协调订货机制,供应商作为主方制定批发价,零售商作为从方以最优订货量和零售价响应,供应商和零售商进行多轮次自主协调。利用粒子群优化算法和遗传算法对该模型进行仿真计算,仿真结果表明:批发价让步策略可以提高整个供应链的利润,验证了粒子群算法在最优解、求解速率和稳定性方面比遗传算法均要更优。     

舰炮身管的模态分析与多目标优化

舰炮的炮口扰动是影响舰炮射击精度的重要因素。为了减少舰炮的炮口扰动,优化身管结构,建立了柔性身管的ABAQUS有限元模型,将有限元模型的模态计算值与模态试验值进行比较,发现建立的柔性身管有限元模型是合理可行的。提出了混沌量子粒子群算法与动力学联合优化的方法,进行身管和炮口的多目标优化。优化结果表明,优化后炮口中心的线速度、角速度和角位移与优化前相比显著减小,身管质量有所降低,结构更加合理,该优化方法有效可行,为下一步全炮总体优化设计提供了一定的借鉴。     

一种改进型PSO-BP算法在红外目标中的应用

为了降低伪目标引起的误检,提高系统在复杂环境中的目标识别能力,设计了一种改进型粒子群优化BP神经网络算法。改进型PSO-BP算法利用红外目标光谱特性设置粒子变异规则,从而调整粒子位置与速度,提高目标特征提取性能。同时,算法将权值变为权值可调函数,降低局部极值收敛的风险。实验采用Model-102F型成像光谱仪采集的目标区域图像作为样本与检测数据,与传统BP算法作对比,分别选取对不同特征波长位置及个数的形式对目标和伪目标进行识别分析。结果显示,改进型PSO-BP算法可以有效消除伪目标干扰,同时,其收敛速度明显优于传统算法。由此可见,该设计在复杂背景红外目标识别方面具有一定的应用价值。