卫星导航干扰源优化部署方法

现代要地防空作战中,卫星导航对抗作为一种新兴的电子对抗形式,在战争中发挥重要作用,而卫星导航干扰力量的部署方案决定其能否有效实现对任务区域的覆盖,取得理想的干扰效果。通过分析卫星导航压制式干扰的作战机理,选取任务区域覆盖率和平均危险指数作为衡量特定部署方案下卫星导航干扰力量的作战效能指标,建立多目标组合优化模型,并运用遗传算法进行求解,得到优化的部署方案。通过仿真分析,表明该模型能够快速有效地产生卫星导航干扰源的优化部署方案,为指挥员辅助决策提供参考。     

武器目标协同火力分配建模及算法

针对当前火力分配模型的不足以及实际作战的需求,对武器目标协同火力分配问题进行了研究,建立了火力分配层次结构;通过对火力分配原则的研究,结合打击目标选择和弹目分配,建立了以导弹武器作战效费比为总目标,以目标毁伤要求为约束的火力分配模型。采用遗传算法求解火力分配问题,根据问题的特点和问题中的启发信息,对遗传算法进行了改进。仿真结果表明,改进算法的性能有较大提高,可用于解决复杂武器目标分配这类非线性整数规划问题。     

基于遗传模糊推理系统的截击点智能解算方法

由于传统截击引导需要人的参与才能完成截击任务,截击方案生成速度要受到人反应速度的限制,成为提高作战速度的一个瓶颈。针对空中战场态势变化快、依靠人工制定拦截方案难以适应未来空战的问题,构建基于模糊推理系统的空战截击点智能解算模型,并采用分段变异和变步长寻优的遗传算法对模型进行训练,实现了对截击方案的快速估算,得到在解空间内性能可以达到甚至超越人类的截击点智能解算模型。     

基于量子遗传算法的火力分配

在使用遗传算法求解多目标的防空火力问题中,遗传算法的参数选择直接影响分配结果好坏,且分配结果差异性大。针对这种问题,根据防空火力和空中目标的特点建立相应的数学模型,结合量子遗传算法来解决多目标火力分配难题。数据仿真结果表明,量子遗传算法在解决多目标火力分配问题中有较强的可行性和有效性,火力分配结果与遗传算法相比在最优解与稳定性上均有所提升。     

基于遗传算法整定的空间机械臂控制方法

针对空间机械臂关节角度控制时中存在的精度较低、建模误差较大等问题,采用遗传算法对PID参数进行整定的空间机械臂控制算法,可以有效地提高了关节角度控制的精度。仿真结果表明,使用遗传算法PID参数的整定算法,对空间机械臂关节角度具有较好控制性能,并且克服了传统PID调整参数困难的缺点。     

综合考虑高阶人-机-环系统的等效拟配

等效系统拟配对于采用主动控制电传操纵系统的飞机的飞行品质评价具有重要意义。为了评价特定状态下飞机纵向整体品质的好坏,建立了综合考虑电传操作系统环节、驾驶员环节和大气扰动环节的人-机-环闭环系统。使用遗传算法对此高阶系统进行了降阶等效拟配,使用等效系统准则依据拟配后的等效参数进行了人-机-环系统的品质评价,并在驾驶员高延迟时间的条件下比较分析了使用等效系统准则与使用Neal-Smith准则得出的飞行品质的一致性。仿真结果说明了人-机-环闭环系统等效拟配评价的可行性、合理性。     

基于遗传算法的装备维修方案多目标优化

针对装备维修方案规划的特点,构建了以维修费用最低和作战能力最大的多目标装备维修方案优化模型,并提出针对该模型求解的改进多目标遗传优化算法。在遗传算法设计中,为保证解集的均匀性和多样性,避免过早收敛,建立了随机权重适应度函数,引入精英保留机制和小生境技术,通过实例对该模型的求解进行了验证。仿真结果表明,所构建的模型合理可行,算法运行高效,为部队装备维修方案的制定提供了一定的借鉴。     

基于遗传算法的复合材料圆柱壳水下声辐射优化

为了降低艇体的振动噪声,建立了复合材料圆柱壳的有限元模型,并对其水下振动和声辐射特性进行了研究。在此基础上,分析了复合材料圆柱壳水下声辐射的优化模型;基于遗传优化算法,以复合材料铺层角度为设计变量,以流固耦合面内辐射声压的最大值为优化目标,进行了优化分析。结果表明:对复合材料圆柱壳的铺层角度进行优化设计可以有效提高其声辐射性能,相比对称铺层方式,优化后的远场辐射声压级在50～300Hz频段内平均降低了3.6dB。该结果验证了优化设计的有效性,为下一步进行大型复杂水下结构的声辐射优化研究提供了一定的思路。     

基于支持向量机的制造系统静态复杂性综合模型研究

制造系统复杂性对优化制造系统结构设计、提高制造系统的生产效率具有非常重要的意义.然而目前对静态复杂性及动态复杂性影响因素复杂性及其测度的研究较多,对于如何将这些分因素复杂性进行综合得出综合复杂性的研究较少,这直接影响了复杂性研究结果的准确性。鉴于此,引入擅长处理小样本数据的支持向量机对制造系统静态复杂性进行综合,用遗传算法对其参数进行寻优,对模型的有效性进行了验证,结果说明方法的实用性与科学性较强.     

具有适应值预测机制的遗传算法

针对适应值计算费时的优化问题,提出一种具有适应值预测机制的遗传算法:为了有效控制预测适应值的准确度和预测频率,建立了一个基于可信度概念的适应值预测模型,引入可信度流失机制以减少预测误差的传播和累积,引入冗余个体剔除机制以减少计算消耗。利用3个基准函数对算法进行收敛性和有效性的测试,测试结果表明算法对于3个测试函数均能获得满意的最优解,并且都能减少60%以上的真实适应值计算次数。