基于优化Golomb序列和ω-k算法的低飞平台大斜视合成孔径雷达成像

低飞平台大斜视合成孔径雷达(SAR)高度低,对脉冲重复频率要求高,斜视角大,导致多普勒中心远离零点,基于传统成像方法面临严重散焦的问题。针对低飞平台大斜视SAR成像问题,建立了脉冲重复频率与斜视角之间关系模型。从避免距离模糊、方位模糊、回避发射波干扰等出发,以实现高分辨率成像为目的,合理设计脉冲重复频率,解决了成像中散焦问题。基于循环算法优化Golomb序列,并利用信号良好自相关性获得高的距离向分辨率。基于STOLT插值,利用ω-k成像算法处理原始数据,得到了良好成像效果。仿真证明该算法可有效解决大斜视平台SAR成像问题。

MRI优化组合序列在肩袖损伤诊断中的价值

目的:探讨肩袖损伤诊断中MRI优化组合序列的应用效果与临床价值。方法:选取2021年6月—2023年6月来自北京大学首钢医院的37例肩袖损伤患者为研究对象,入组患者均经临床关节镜检查确诊。对入组患者实施MRI优化组合序列检查,统计入组患者肩袖损伤类型,将MRI优化组合序列诊断结果与关节镜检查结果进行对比,计算准确率、灵敏度和特异度,统计不同类型肩袖损伤的MRI优化组合序列阳性检出率。结果:经关节镜检查,37例患者中肩袖损伤涉及到不同类型,其中以冈上肌腱损伤(54.05%)和肩胛下肌腱损伤(21.62%)为主,还包含冈下肌腱损伤7例(18.92%)和小圆肌腱损伤2例(5.41%)。将所得诊断结果与关节镜检查结果进行对比,准确率、灵敏度和特异度分别为97.92%、97.30%和100.00%。统计不同序列下的不同类型肩袖损伤的阳性检出率,差异有统计学意义(P<0.05)。小圆肌腱损伤阳性检出率方面,横轴位T_(l)WI和横轴位T_(2)WI-STIR的检出率均达到100.00%,其他序列则未能检出。在肩胛下肌腱损伤阳性检出率方面,采用横轴位T_(l)WI序列和横轴位T_(2)WI-STIR序列的检出结果均为62.50%,高于采用斜矢状T_(2)WI-STIR序列和斜冠状位T_(2)WI-STIR序列的12.50%。冈上肌腱损伤检出效果方面,斜冠状位T_(2)WI-STIR的阳性检出率最高,为95.00%,高于其他序列。冈下肌腱损伤阳性检出率方面,斜冠状位T_(2)WI-STIR与横轴位T_(2)WI-STIR的检出率均达到100.00%,高于其他两种序列。结论:MRI优化组合序列是诊断肩袖损伤的有效方法,具有诊断准确率、特异度以及灵敏度高的特点。

一种基于计算智能的飞机部件装配序列优化方法

针对目前装配资源受限条件下大型部件装配规划存在效率低、性能差的问题,提出一种基于离散烟花算法的装配序列规划模型。建立了装配部件、装配资源和混合干涉矩阵,以描述不同情况下的装配干涉问题。为了加快可行解的求解速度,设计了包括爆炸幅度、烟花爆炸产生的火花数量和火花位置更新的策略。实验阶段,以机翼的装配过程为例对所提模型进行验证。结果表明,与离散粒子群优化算法相比,使用所提出的离散烟花算法获得的解的适应度函数值更优,所提算法适应度值提升约24.5%。

基于数控工艺信息挖掘的型腔特征粗加工刀具序列优化决策方法

为有效提升数控加工过程中粗加工刀具的使用效率,提出一种基于数控工艺信息挖掘的型腔特征粗加工刀具序列优化决策方法。首先计算型腔特征的中轴变换表征数控加工的刀具轨迹,探究中轴变换与数控加工的映射机理;然后基于加工规则和中轴变换参数,挖掘隐含在型腔特征中的深层次数控工艺信息;最后综合考虑材料去除量和加工连续性,建立刀具序列决策的多目标优化模型,采用混合蚁群/模拟退火算法进行优化求解。实验结果表明,该方法能够高效、自动生成型腔特征最优粗加工刀具序列,提升企业数控工艺设计智能化水平。

基于工况序列寻优的列车节能操纵策略优化

传统“三阶段”“四阶段”工况序列的列车操纵模式难以满足城市轨道交通复杂线路条件下的列车节能运行需求,本文提出一种基于工况序列寻优的列车节能操纵策略优化方法。将物理区间离散为多个等距离子区间,建立工况序列与子区间之间的映射关系,以区间总牵引能耗和运行时间最小化为目标构建列车节能操纵策略多目标优化模型。为提高模型求解效率,改进非支配排序遗传算法的交叉算子和距离算子,通过离散仿真求解列车节能操纵策略集。以福州地铁1号线的两个典型区间为对象进行案例分析,结果表明,相比传统操纵模式,优化后列车牵引能耗平均降低约19%。本文方法通过合理选择算法参数能够有效构建适应不同线路条件的运行工况序列,生成秒级运行时间划分下的列车节能操纵策略集。

一种6-DOF小行星着陆轨迹序列凸优化方法

针对6自由度的小行星动力着陆多约束轨迹优化问题,提出了一种基于序列凸优化的小行星着陆轨迹优化算法。首先采用多面体引力场模型计算小行星的引力场,其可用于描述任意形状的小行星引力场,且比质点群法和球谐函数展开法等方法计算精度更高。为了在凸约束下解决小行星着陆过程燃料消耗最优问题,通过对探测器动力学模型及其约束进行线性化和离散化,将原来的非凸连续时间优化问题转化为凸化的子问题,即二阶锥规划问题(SOCP);然后引入了虚拟控制项和信赖域,以增强算法的鲁棒性。通过在形状不规则小行星上的着陆模拟,验证了所提出算法的有效性,仿真结果满足各项约束条件,可实现高精度着陆和燃料消耗最优的目标。

基于遗传算法-序列二次规划的磁共振被动匀场优化方法

为了解决磁共振成像(MRI)系统中固有的主磁场(B0)不均匀的问题,提出遗传算法-序列二次规划(GASQP)算法,以提高7 T磁共振的主磁场均匀性.从被动匀场数学模型的角度出发,该混合算法利用GA算法获得稳定的初始解,实现主磁场的第1次优化,再通过SQP算法的快速求解,在较少的时间内实现主磁场的第2次优化,同时提高磁共振主磁场的均匀性.采用正则化方法减少磁场均匀所需的铁片质量,并且获得稀疏的铁片分布.在仿真建模的案例研究中,7 T磁共振裸磁场均匀度可以从462×10-6优化到4.5×10-6,并且在匀场空间上仅消耗0.8 kg的铁片.相比于传统的GA优化方法,新方案的磁场均匀性提高了96.7%,总铁片消耗质量减少了85.7%.实验结果表明,GA-SQP算法比其他优化算法具有更强的鲁棒性和竞争力.

基于布谷鸟算法的风电机组装配序列优化

装配序列规划(ASP)是风电机组制造的重要技术。ASP是一个组合优化问题,风电机组最优装配序列的搜索空间和计算量均很大。提出基于布谷鸟算法的风电机组装配序列优化方法。首先,从三维装配体模型中提取多种装配约束信息并表示成装配约束矩阵,以降低最优装配序列的搜索空间;继而构造装配序列目标函数,建立装配序列规划模型,方便算法计算出最优装配序列;对离散布谷鸟算法(DCA)改进,求解ASP模型,获得风电机组产品的最优装配序列。最后通过实验验证了ASP模型的有效性和DCA的优良性能。

基于序列凸优化的带动力飞行器再入轨迹优化

对序列凸优化方法在带动力飞行器再入轨迹优化中的应用进行了研究。首先,针对原始优化问题中控制量高度耦合且非线性的问题,通过引入新的控制量并建立与原始控制量的映射关系,得到关于控制量为线性的状态方程。其次,对原始优化问题中的非线性动力学方程、性能指标、过程约束与控制量约束进行松弛和线性化处理,通过附加状态变量的信赖域约束,并在性能指标中加入速度方位角的积分项以保证松弛和线性化的合理性。进一步,通过离散技术,将原始问题转化为一个凸优化问题。最后,通过数值仿真进行了算法验证。结果表明,本文算法对于带动力再入轨迹优化问题具有较高的求解精度,序列凸优化求解结果满足原始非线性约束,在一定精度范围内优化解可以作为原始问题的可行解。

基于正交局部保持映射和成本优化的多变量时间序列早期分类模型

时间序列早期分类(ETSC)有两个矛盾的目标:早期性和准确率。分类早期性的实现,总是以牺牲它的准确率为代价。现有基于优化的多变量时间序列(MTS)早期分类方法,虽然在成本函数中考虑了错误分类成本和延迟决策成本,却忽视了MTS数据集样本之间的局部结构对分类性能的影响。针对这个问题,提出一种基于正交局部保持映射(OLPP)和成本优化的MTS早期分类模型(OLPPMOAE)。首先,使用OLPP将MTS样本前缀映射到低维空间,保持原数据集的局部结构;其次,在低维空间训练一组高斯过程(GP)分类器,生成训练集每个时刻的类概率;最后,使用粒子群优化(PSO)算法从这些类概率中学习停止规则中的最优参数。在6个MTS数据集上的实验结果表明,在早期性基本持平的情况下,OLPPMOAE的准确率显著高于基于成本的R1_C_(lr)(stopping Rule and Cost function with regularization term l_(1)and l_(2))模型,平均准确率能够提升11.33%~15.35%,调和均值(HM)能够提升4.71%~9.01%。因此,所提模型能够以较高的准确率尽早地分类MTS。

基于增强型龙格库塔优化算法的跳频序列设计

跳频技术具有优秀的抗干扰性能和多址组网性能,跳频序列(FHS)作为其关键,在设计时面临性能指标差、难以兼顾多指标的问题。提出一种基于增强型龙格库塔优化算法(ERUN)的跳频序列设计方法。利用跳频序列的汉明相关性、复杂度、均匀性和平均跳频间隔构建目标函数,建立适用于启发式优化算法的跳频序列设计模型。针对龙格库塔优化算法(RUN)在复杂优化问题上收敛速度慢、寻优精度差的问题,提出增强型龙格库塔优化算法。利用混沌反向学习机制提高初始种群质量,基于二次插值法得到更好的个体更新方向,并根据自适应t分布扰动帮助种群跳出局部最优。在6个基准测试函数和目标函数上的测试结果表明,与RUN的3个最新变体相比,ERUN具有更快的收敛速度和更高的解精度。将得到的跳频序列应用于跳频系统中,实验结果表明,该方法在固定干扰环境下误码率为4%左右,在变化干扰环境下误码率没有明显上升,展现出了较强的抗干扰能力和复杂环境适应能力。

基于大规模多目标优化的跳频序列设计方法

针对跳频序列设计中存在的规模小和难以兼顾多指标的问题,提出一种基于大规模多目标优化的跳频序列设计方法。首先,综合考虑跳频序列的多项性能指标,建立跳频序列多目标优化模型;然后,引入大规模多目标优化方法,并提出决策变量洗牌策略和反向差分进化,通过重新分配决策变量位置以形成具有多样性的非支配集,并通过使反向个体参与差分进化来为后续进化持续提供有效的方向;最后,通过提出算法对模型进行优化得到跳频序列集。实验结果表明,所提方法相较于其他多目标优化方法具有更强的寻优能力,得到跳频序列集的性能指标具有明显优势;所提方法在不同干扰环境中相较于其他方法具有更低的误码率,验证了提出方法的有效性和优越性。

用于测试序列优化的DPSO-WAO*算法研究

针对现有测试序列优化算法所存在的计算效率及优化性能间的矛盾,在DPSO-AO*算法基础上,采用基于加权Huffman编码的启发式评估函数实现对测试成本的评估,形成了DPSO-WAO*算法;实例证明,基于加权Huffman编码的启发式评估函数更为准确地评估了全局测试成本,使DPSO-WAO*算法优化性能较DPSO-AO*算法提升10%以上,趋近传统AO*算法,并通过取消成本回溯有效降低了传统AO*算法的计算复杂度,对于运载火箭等大型系统的测试序列设计、故障诊断等具有重要意义。

基于时间序列多品种网络流的高铁车站站改期间行车组织优化研究

将高铁车站站场基本布局抽象为站场网络图,借助时间序列多品种网络流模式进行行车组织优化。基于行车进路规则构建生成进路数据集算法,将既有行车方案与构建的站改期间站场网络图融合,推断既有行车方案中到发线是否可用以及是否存在可用进路,据此将列车分为无需优化列车和需要优化列车两类。针对无需优化列车,构建计算公式和算法,推算到发线占用时间序列和咽喉占用时间序列。针对需要优化列车,构建算法并依据到发线和咽喉的占用时间序列,推断是否存在可用到发线以及是否同时存在可用进路,将需要优化列车分为可以优化列车和无法优化列车。通过构建可行股道推断算法以及可行股道进出站进路可用推断算法,形成行车组织优化方案。

Ⅱ型Z-优化二元互补序列对的构造

该文以长度为N(N为整数)的Golay互补对(GCP)为种子序列对,在种子序列对的3个选定位置中插入特定的码元,构造出长度为N+3的Ⅱ型Z-优化2元Z-互补序列对(ZCP)。与已知同长度Ⅱ型Z-优化2元Z-互补序列对相比,构造的新序列有更低的峰均包络功率比(PMEPR)。Z-互补序列对和Golay互补序列对都广泛应用于正交频分复用(OFDM)系统和码分多址(CDMA)系统等,但前者有更灵活的序列长度和更多的序列数量,更能满足应用的需求。

基于序列凸规划的拦截弹中制导轨迹优化

针对强非线性多约束条件下拦截弹中制导轨迹优化问题,基于序列凸规划方法和捕获区域,提出一种针对固定时间约束下的轨迹优化算法。序列凸优化方法求解复杂多项式具有高效的计算效率,但在轨迹优化问题中应用序列凸规划有控制变量的强非线性和固定时间内终端约束难以收敛两大难点。首先,采用仿射变量将问题转化为仿射系统,并将仿射系统进行凸化与离散化,来解决非线性问题,然后,提出一种终端约束加权松弛化方法来解决固定时间内终端约束难以收敛问题,并将中制导问题转化为序列凸规划问题。仿真结果表明,所提算法能较快地生成符合多约束条件的拦截弹中制导轨迹。

基于等基因序列双重随机遗传算法的复合材料铺层优化

复合材料铺层优化中常用的各种遗传算法较难同时综合考虑表面45°、分层比例、连续铺层数限制等复杂工程约束问题,基于此,提出一种针对复合材料层压板的等基因序列双重随机遗传算法,在交换和突变算子中引入双重随机算法以保证优化迭代中基因序列的严格相等,基于SABRE软件实现该优化算法,并通过算例验证算法的正确性。结果表明:该算法可满足均衡性、对称性、表面45°、连续铺层数限制、铺层比例等复杂工程约束,有较高的可靠性与工程适用性。

基于分子对接和步进序列群的蓖麻毒素核酸适配体序列优化

目的有效结合分子对接预测和表面等离子体共振实验评价技术,获得亲和力更强、序列最短的最优适配体。方法针对前期筛选出的靶向蓖麻毒素的3条80 nt单链DNA适配体(L14、P3、L7),在明确各自二维随机区茎环序列与靶蛋白结合能力的基础上,以H-DOCK分子对接为指导,分别确定蓖麻毒素适配体随机区的最短结合单元,从而构建两端延长步进序列群,以表面等离子体共振技术测定序列群序列的亲和力和动力学参数,明确适配体的结合关键结构,从而筛选得到最优适配体。结果3条全长适配体的随机区适配体L14r、P3r、L7r均可形成一定的茎环结构,其中L14r较L14的亲和力增强9倍、L7r增强2倍、P3r基本不变。对随机区适配体和蓖麻毒素进行分子对接,结果显示,L14r、P3r、L7r的对接分数值皆优于阴性序列40T,结合关键氨基酸个数分别为11、8、9个,存在距离小于5?的预测结合位点分别为20、12、15个,具有良好的与蓖麻毒素的结合能力。进一步明确了蓖麻毒素活性口袋所容纳的适配体最短结合单元L14rm、P3rm、L7rm的序列构成,在此基础上构建出两端延长步进序列群。针对该步进群,基于结合关键氨基酸个数、结合位点个数、对接得分等参数的变化和表面等离子体共振测定结果筛选出最优适配体。所获得的最优适配体L14rm、L7rm-2亲和力继续增强了1~2倍。结论随机区适配体能有效地与蓖麻毒素结合,较之全长适配体亲和力更强,分子对接结合步进序列群设计,仅使用17条序列,便有效获得了3条最优适配体并明确其结合作用。3条结合蓖麻毒素的最优适配体——L14rm、P3r、L7rm-2的KD值分别为(64±30)、(167±19)、(120±1)nmol/L,亲和力提高到全长适配体的14、1、4倍。

基于序列的五轴联动数控加工中心后置处理器仿真与优化

在五轴联动数控加工过程中,局部干涉技术影响下,加工节省时间百分比较低,为了提升后置处理器的应用性能,进行基于序列的五轴联动数控加工中心后置处理器仿真与优化。通过CAM软件获取后置处理器工作流程,依靠特征提取算法,获取数控加工特征,生成面向STEP-NC的五轴联动机床后置处理序列。根据加工序列,设计以装夹变换最少、转角变换路径最短为目标的后置处理器全局优化方案。通过转角优化选解,实现后置处理器的有效改进。实验结果表明:所提方法优化后的后置处理器,五轴联动数控加工节省时间百分比平均值为7.75%,相比相关文献提出的2个优化方法,节省时间百分比提升6.50%、6.77%。

基于HHO优化的时空水质预测模型

我国水资源现状不容乐观,提高水质预测模型精度对水资源质量监测具有重要意义。为捕捉水质指标时序数据非线性变化趋势,水质指标多基于神经网络模型进行预测。但是现有模型忽略了河流流向,没有考虑上游监测点水质对下游水质的影响;同时现有模型多基于启发式优化算法中的粒子群算法调整神经网络的超参数,但该优化算法仍需设置较多超参数,而参数选取不当容易使模型陷入局部最优。为此,建立了时空水质预测模型(WT‐CNN‐LSTM‐HHO),利用哈里斯鹰优化算法(HHO),基于上游水质数据预测下游的氮、磷和溶解氧水质指标。实验结果显示,本文所提出的模型对水质预测性能有明显提升,可以实现设置较少超参数而达到较高的水质预测精度。