自适应人工蜂群优化的混沌系统参数估计

为了对混沌系统未知参数进行准确估计,改进了人工蜂群优化算法,提出自适应人工蜂群算法的混沌系统参数估计方法。将混沌系统参数估计问题转化为多维变量数值优化问题,利用人工蜂群算法对未知参数进行导向随机搜索。在搜索过程中,通过种群优化程度和解的质量自适应地调整更新步长和解的尝试次数。以Lorenz混沌系统为例进行的仿真实验表明,该方法在无噪声和噪声强度较大的情况下均能够获得较好的估计结果,表现出较强的鲁棒性。     

地心甚高轨道星座构形协同捕获控制策略

针对地心甚高轨道星座构形协同捕获控制问题,基于虚拟编队方法设计了协同捕获控制策略,采用三脉冲燃耗最优轨迹规划算法对构形捕获轨迹进行协同规划;并且结合自适应全程积分滑模控制器对卫星各自转移轨迹进行跟踪控制.以10 万km轨道高度的三星星座构形捕获为例进行仿真验证,仿真结果表明:该策略可以有效应用于地心甚高轨道星座构形捕获控制,能够在燃耗较少的情况下使星座中卫星同时到达各自的标称位置,同时具有较高的精度.     

采用遗传算法的电控增压器电磁阀优化设计

运用Ansoft Maxwell软件建立电磁阀的动态响应特性仿真模型,并通过试验验证模型的准确性。利用模型集成ISIGHT软件的方法,对影响电磁阀动态响应特性的参数进行灵敏度分析,得出各个参数对动态响应特性的Pareto图。基于遗传算法对电磁阀进行多参数优化设计,获取最佳参数组合,并利用电磁阀动态响应特性试验台架,开展参数优化前后电磁阀动态响应特性的对比试验研究。试验结果表明：相比于原参数方案,参数优化后的电磁阀动态响应特性得到大幅度提升,其开启响应时间缩短了59.1%,关闭响应时间缩短了47.2%。     

果蝇算法和5种群智能算法的寻优性能研究

截止到目前为止进化式算法主要有遗传算法、蚁群算法、鱼群算法、免疫算法、粒子群算法。这些算法已经被广泛地用于寻优,但都有各自的缺点,导致其不易被用于解决实际问题。某学者提出了一种新群智能算法———果蝇算法。对该算法的起源进行分析,并将该算法与其他算法对比,通过仿真分析各个算法寻优性能。重点分析果蝇算法的寻优性能,得出果蝇算法简单、参数少、易调节、计算量小、寻优精度较高,从而较容易被用于解决实际问题,对于复杂问题算法可能不稳定。指出该算法的缺点,提出应改进的地方,对其应用前景作了概括。     

高超声速飞行器多目标复杂约束滑翔弹道优化

针对气动热、过载、动压、控制量、航路点、禁飞区以及终端状态等复杂约束条件,提出高超声速飞行器多目标滑翔弹道优化方案。建立换极运动模型,简化部分约束条件的处理,并规避了传统运动模型的奇异问题;在此基础上,引入物理规划方法将多目标优化问题转换为反映设计者不同偏好的单目标优化问题;进一步基于分段Gauss伪谱方法将弹道单目标优化的最优控制问题转换为非线性规划问题进行求解。仿真结果表明,该方法获得的滑翔优化弹道能满足复杂约束要求,同时能够反映设计者的不同偏好。     

机载脉冲多普勒雷达的自适应旁瓣对消实现方法

简要介绍了自适应旁瓣对消的基本原理。重点研究了自适应旁瓣对消在机载脉冲多普勒雷达中的工程实现方法,该方法打破了自适应旁瓣对消目前只能应用于采用低重脉冲重复周期的脉冲多普勒雷达的限制。通过对自适应旁瓣对消结果的分析,表明该方法完全能够满足现有机载脉冲多普勒雷达抗有源旁瓣干扰的需求。     

基于协方差矩阵估计的稳健Capon波束形成算法

常规Capon波束形成器性能对模型误差或失配非常敏感,尤其是当期望信号包含在训练数据中,导向矢量失配将引起性能急剧下降。为解决这一问题,提出了一种采用干扰噪声协方差矩阵和导向矢量联合估计的稳健波束形成算法。该方法通过对Capon空间谱在非目标信号的方位区域内的积分,实现对干扰噪声协方差矩阵的估计,解决数据协方差矩阵包含有目标信号时引起信号自相消问题;其次为了克服导向矢量失配的影响,通过最大化输出功率,并增加二次型约束防止估计的导向矢量接近于干扰导向矢量,实现对导向矢量的估计。仿真实验表明:该算法能获得近似最优的输出信干噪比,与现有算法相比稳健性更强。     

序列近似优化方法

随着工程优化中仿真模型精度和计算时间的不断提高,常规的智能优化方法难以在可接受的计算代价中得到最优解。序列近似优化方法通过将近似模型技术引入优化过程,并采用不断更新采样点的方法来指导寻优,在基于计算耗时模型的优化中得到了越来越广泛的应用。通过论述序列近似优化方法的若干关键技术及其发展现状,可有效指导其在工程优化中的应用,并给出了序列近似优化方法可能的改进方法及发展趋势。     

双层随机机会约束规划的通信干扰任务分配优化仿真

研究不确定条件下的通信干扰任务分配优化问题具有重要的军事意义。基于干扰效益因子的概念,剖析了影响通信干扰任务分配的不确定性因素,建立了基于双层随机机会约束规划的通信干扰任务分配优化模型,设计了遗传蚁群智能算法,实例计算得到了通信干扰任务分配的最佳策略。     

基于改进轻量化神经网络的干扰识别方法

针对战场实战电磁对抗作战中;大量雷达干扰信号可以被简单迅速地生成;使用传统卷积神经网络对雷达干扰进行识别存在规模大;难以在小型化装备上搭载的问题。提出一种改进的轻量化卷积神经网络;通过在传统神经网络中使用动态卷积核尺寸技术并添加批量归一化层技术;提高网络的识别效能。通过提取干扰信号时频特征;构建训练集与测试集对网络进行训练。仿真实验表明;该网络对6种干扰信号在-8 dB干噪比条件下识别准确率达到96 %以上;对比其他网络具有更好的识别准确效能。