基于改进变异粒子群算法的TDOA/AOA定位研究

针对GPS盲点区域的定位问题,蜂窝定位技术能够有效解决。蜂窝定位技术中的混合定位算法能够有效地提高定位精度和定位可靠性,但是算法中的信号测量产生的误差和定位估计遇到的非线性优化问题严重影响了混合定位算法的性能。针对上述算法问题,文章提出了一种基于改进的变异粒子群算法(IMPSO)的目标定位策略。该算法是以TDOA/AOA混合定位算法为对象,首先用最大似然法得到移动台的估计函数,将估计函数作为适应度函数产生初始种群,然后对粒子群(PSO)算法中适应度方差进行变异操作,同时改进惯性权重,达到PSO算法在对适应度函数进行寻优处理时不会出现陷入局部最优的目的,最后用IMPSO算法对种群进行寻优,得到最优的估计位置。仿真实验结果表明,IMPSO算法的应用相对传统的Chan算法和TDOA/AOA混合定位算法,在视距的环境下,能有效减小测量误差的影响,并提高定位系统的稳定性。

两阶段机场多特种车辆协同充电调度策略

在机场区域内,新能源特种车辆充电具有很大的随机性,且不同种类特种车辆充电情况各不相同,造成飞行区内各充电桩利用率相差过大,影响机场配电网的健康运行。针对上述现象,设计了十一车型两阶段特种车辆协同充电调度策略。第一阶段通过分析不同车辆对航班的保障流程,以同一车辆对相邻航班保障起始时间差值最小为目标,生成存在充电需求的车辆序列。第二阶段以减小飞行区各区充电桩时间利用率方差和车辆充电排队时间为目标,在上一阶段车辆序列基础上采用改进的自适应变异粒子群算法进行模型求解,并以国内某枢纽机场的实际车辆充电数据进行对比验证。实验表明,采用该算法后,车辆充电时的等待时间降低了93.5%、飞行区充电桩时间利用率的整体方差下降了88.7%,达到了均衡使用充电桩的目标。