混合精英学习的分组APO算法

为解决APO算法只遵循一种运动规则,过程单一,多样性较差,易使算法陷入局部最优的不足,借鉴精英学习策略,提出了分组精英学习策略对APO算法改进。该算法对种群个体进行分组,组内个体单独进化若干代,按适应值排序后选择最好的若干个体作为精英个体,精英个体即为组间个体,进行组间搜索,同时组内个体围绕各自精英个体局部精细搜索寻优,并引入反向学习和种群多样性指标动态调整各组个体的运动趋势,使个体间相似程度增大,寻找潜在的较好解,同时对组内组间不同个体遵循不同的作用力规则,有效地保持种群多样性,通过14个测试函数与APO算法比较,实验结果表明,该算法是有效的,在种群多样性与解的精度上较优。

基于拟态物理学优化算法的船舶转向避碰决策

针对多船会遇态势下的船舶避碰决策难题,提出一种基于拟态物理学优化算法的船舶转向避碰决策方法。该算法将《国际海上避碰规则》相关条款作为约束条件限定问题的可行域空间,同时考虑基于最近会遇距离和航程损失的船舶避碰目标函数,通过迭代进化获取全局范围内的最优解。仿真结果表明:将拟态物理学优化算法应用于船舶转向避碰决策中是可行、有效的,能为船舶驾驶员提供决策支持。

基于拟态物理学优化算法的船舶变速避碰决策

为能在狭窄水域多船会遇情况下快速给出安全有效的避碰决策,提出一种基于拟态物理学优化算法(Artificial Physics Optimization, APO)的船舶变速避碰决策方法。该方法利用APO算法的快速寻优能力,根据《国际海上避碰规则》对变速行动幅度的要求,限定算法中可行解的空间,考虑变速冲程和冲时对会遇的影响,提高最近会遇距离值的计算精度,建立基于碰撞危险度和变速能量损失的目标函数,迭代进化获得全局范围内最优的速度值,即船舶的决策速度。狭窄水域多船会遇案例的仿真结果表明:决策速度下船舶能够安全有效地避让各目标船舶,该决策方法可行且有效,能够为船舶驾驶人员提供避碰决策支持。

航空发动机自动平衡技术发展综述

针对航空发动机在运行过程中不平衡振动过大的问题,采用自动平衡技术进行在线质量补偿,可有效降低其振动水平。目前自动平衡技术主要运用于航空发动机结构、控制算法、工程应用3个方面。基于影响系数法的电磁驱动型自动平衡在美国空军C-130H运输机上得到工程应用,飞行测试4个发动机螺旋处的振动均低于1.27mm/s,降低了94%,因螺旋桨振动导致的压气机处振动降低了75%。研究结果表明:航空发动机自动平衡技术可实现在线持续动平衡,能有效降低发动机及其组件的振动疲劳损伤,降低发动机维护费用,延长维修周期。自动平衡技术在航空发动机领域得到工程应用是一个循序渐进的过程,还需要进一步开展结构设计、控制策略、系统集成等方面的研究工作,并在航空发动机设计阶段就考虑纳入自动平衡结构。