机械故障特征与分类器的联合优化

在机械故障诊断中,特征选择和分类器的参数优化都可以提高诊断精度。利用特征和分类器参数的依赖关系,提出了特征选择和SVM参数的联合优化方法来提高诊断性能。联合优化方法采用支持向量机(SVM)作为故障分类器,SVM半径—间距上界(RM界)为目标计算诊断精度,并应用遗传算法求解此优化问题。齿轮故障诊断试验结果表明,联合优化的诊断精度要优于单独优化特征和SVM参数,而且优化速度更快。因此在故障诊断中,利用特征和分类器参数联合优化能够快速取得较好的诊断精度。     

基于神经网络的材料非稳态疲劳损伤可靠性研究

疲劳累积损伤是一个非稳态能耗过程,可以用遗传算法优化后的3层2 7 1BP神经网络来描述疲劳损伤的非线关系,经仿真验证表明,该神经网络具有较高的精度和泛化能力.通过对材料疲劳损伤临界值和载荷的分散性的分析研究,建立了疲劳失效动态准则,并运用蒙特卡罗随机抽样法对材料疲劳寿命的可靠性进行了仿真验证;对调质45号钢在随机载荷和2级载荷作用下,进行了疲劳寿命可靠性仿真计算,仿真结果与实验结果和理论分析比较吻合.     

武器系统备件储备量的遗传算法求解

从武器系统备件保障的需求出发,建立了在给出预算经费情况下备件储备量的优化模型。利用遗传算法高度并行、全局寻优的特点,采用了自然数编码的方式,通过实例探讨了该模型的求解方法。     

基于线加速度计的高分辨率光学影像颤振检测与重建方法

卫星平台颤振条件下,推扫式高分辨率光学影像成像往往产生扭曲,从而影响影像的定位及信息提取精度。针对当前颤振下影像成像扭曲补偿的问题,提出一种基于线加速度计测量平台颤振下的稳态重成像模型实现高分辨率卫星颤振扭曲影像的重建。采用受平台颤振影响而扭曲变形的高分某型号卫星全色影像数据进行验证。分析结果表明:提出的线加速度计可以有效检测并测量出平台的颤振,设计的颤振影像地面重建模型可以有效提高光学影像成像质量,补偿后影像扭曲变形现象明显消除。     

基于遗传算法的多约束路由算法研究

针对数字化军事通信网络的多业务需求,提出了一种基于遗传算法的多约束路由算法,来求解多约束条件下的最佳路由。采用自然数编码,自适应的变异和杂交算子,有效地提高了算法的搜索效率。仿真结果表明该算法是有效的,既保证了业务对网络带宽和延迟的需求,同时使得网络的资源利用率最低。     

车辆路径问题的分层遗传算法研究

本文将分层遗传算法用于解决车辆路径问题,避免了传统遗传算法常见的早熟收敛问题。实验结果证明,该算法可以有效求得车辆路径问题的优化解,是求解车辆路径问题的一个较好的方案。     

改进的遗传算法在图像边缘提取中的应用

提出了一种改进的遗传算法,采取了确定性采样选择算子对选择算子进行了改进;明确了非等概率融合单阈值单点交叉算子,对交叉算子进行了改进;同时还提出了一种新的变异算子,它依据一种新的判断群体"集中"与否的准则,根据群体的进化程度自适应地调整变异概率pm的值。将改进的遗传算法用于图像的边缘提取问题中,试验结果表明,与穷尽法和普通遗传算法相比,提出的算法在保证有效地提取出边缘的基础上,节省了运算时间。     

压缩感知曲线SAR孔径优化和目标三维特征提取

在建立曲线合成孔径雷达回波信号稀疏表示模型的基础上,基于压缩感知采样矩阵设计的不相关原则,给出了曲线孔径优化设计的评价准则,并利用基于全局优化的基追踪方法实现了目标三维特征提取。仿真结果验证了孔径优化评价准则的正确性和基追踪方法在目标特征提取处理中的有效性。     

未来中远距协同空战多目标攻击决策研究

根据先进战斗机的技术特点和未来中远距协同空战发展方向,提出一种基于先敌发现、先敌发射、先敌摧毁能力的空战态势分析模型。同时,采用一种将并行遗传算法与分布估计算法相结合的并行分布遗传算法并将其用于多目标攻击决策。最后利用具体算例进行仿真。结果表明空战态势分析模型能够较为准确地描述未来中远距多机协同空战,采用的算法具有较好的可行性和实时性,为中远距多机协同空战的多目标攻击决策提供了新的思路和方法。     

基于遗传BP神经网络的装甲装备器材需求预测

装甲装备器材保障具有规模大、时间紧、消耗大、不确定因素多、决策难度大等特点。准确的需求预测是实施主动的、精细化的器材保障的重要前提条件。利用BP神经网络较强自学习能力和自适应能力对器材需求规律进行学习,并借助遗传算法提高BP神经网络的收敛速度,设计了一种基于遗传算法改进的BP神经网络模型预测方法,对装甲装备器材进行需求预测。通过实例计算表明,该方法比单纯BP神经网络方法具有预测精度高、收敛速度快的优点。