基于模糊关联熵的成像侦察星座优化

成像侦察星座的优化对于侦察时效性具有重要意义。当前侦察星座优化采用基于Pareto支配的进化算法,针对此类算法在解决优化目标函数维度大于3的侦察星座优化问题上出现的选择压力不足、多样性差等问题,提出一种改进的基于模糊关联熵的粒子群算法(Improved Particle Swarm Optimization Algorithm Based on Relative Entropy of Fuzzy Sets,IFREM-PSO)。算法对自适应惯性权重策略进行改进,增强了收敛速度与收敛精度;引入变异策略,有利于跳出局部最优解;对外部档案维护策略进行改进,增强多样性。以面向区域目标的可见光侦察星座的设计与优化为背景,分别使用多目标粒子群算法MOPSO(Multiple Object Particle Swarm Optimization)、基于模糊关联熵算法FREM-PSO(Particle Swarm Optimization Algorithm Based on Relative Entropy of Fuzzy Sets)和本文提出的IFREM-PSO对侦察星座进行优化。实验结果表明,FREM-PSO算法在该问题上具有更好的表现,而相比FREM-PSO算法,IFREM-PSO算法在收敛速度上有显著提升,在收敛效果和多样性上表现更好。

基于模糊关联熵的高维多目标流水车间调度优化

针对现有优化方法在求解高维多目标问题上的弊端,将多目标解映射为模糊集,提出利用表征模糊集间关联相似程度的模糊关联熵方法解决多目标优化问题。建立基于模糊关联熵的多目标优化方法,以模糊关联熵系数的大小衡量Pareto解模糊集与理想解模糊集的相似程度,并以该系数作为粒子群优化算法适应度值引导算法进化,建立基于模糊关联熵的多目标粒子群优化算法。实验表明,基于模糊关联熵的粒子群优化算法可以有效解决高维多目标Flow Shop调度问题,算法在优化解和各性能指标上皆优于基于随机权重的粒子群优化算法,特别在求解较大规模问题时,基于此法的粒子群优化算法表现更佳。

基于核特征模糊聚类及模糊关联熵的齿轮故障模式识别

针对常用数据模糊聚类算法存在缺乏先验知识、对初始值敏感、随机性明显以及高维数据处理效果较差等缺陷,提出了基于核特征模糊聚类及模糊关联熵的故障识别方法,并建立了相关模型。首先提出了核主元熵概念,并采取KPCA降维以减少运算量,基于核密度估计和第一核主元熵最大原理寻求最佳分类数和初始聚类中心,以提高模糊聚类效果;然后引入模糊关联熵系数实现学习模糊集和待识别模糊集相似程度的有效度量,建立了基于数据集中微观算子而形成的全局性故障相似性判别规则。在齿轮故障实验台架上的测试结果显示该方法可显著提高故障数据的聚类效果,具有快速识别故障模糊模式的显著作用。

基于最大熵模糊聚类的快速多目标跟踪算法研究

为了提高杂波环境中多目标跟踪的实时性和精确性,利用最大熵数据模糊聚类方法得到的模糊隶属度表示目标与量测之间的关联概率,同时分析了公共量测对目标的影响,引入影响因子重建互联概率矩阵,结合概率数据关联算法实现多目标的状态估计。该算法避免了对确认矩阵的拆分,解决了联合概率数据关联算法随着目标和回波数目增加而导致的计算量爆炸性增长问题。针对不同杂波密度环境下的临近平行目标和小角度交叉目标的跟踪进行了仿真分析,仿真结果表明:最大熵模糊聚类联合概率数据关联算法是一种有效的快速数据关联算法,在密集杂波环境中跟踪性能依然优于联合概率数据关联算法和经验联合概率数据关联算法,在一定程度上可以避免航迹融合。

基于熵和隶属度函数的高维多目标优化问题求解

为求解高维多目标优化问题,提出一种新的适应度分配策略,即模糊关联熵方法(FREM)。结合模糊信息熵理论和隶属度函数给出FREM,采用隶属度函数将Pareto解和理想解映射为模糊集,运用模糊信息熵理论处理Pareto解模糊集与理想解模糊集之间的内在关系,并进行适应度分配。以模糊关联熵系数引导群体智能算法进化。在DTLZ测试函数集上的实验结果表明,FREM能够解决高维多目标优化问题,避免子目标数量增加对算法的影响,并得到比随机权重法和NSGA-II更好的优化效果。

港航多视角下内河集装箱船舶配载决策

为满足内河集装箱运输中船舶航线配载实际决策需求,从港方和船方多视角出发,提出港航多视角下船舶航线配载决策方法。基于问题分析与特征提取构建考虑港方和船方双方利益的港航多视角下的船舶配载决策模型。考虑到问题的多目标优化特性,设计一种带模糊关联熵的启发式算法进行多目标并行寻优。通过算例实验验证了模型与算法的可行性与有效性。

纯方位目标跟踪的ST-MEF-PDAF方法研究

传统的最大熵模糊概率数据关联滤波器(MEF-PDAF)算法用于水下杂波环境下单站纯方位目标跟踪存在对系统模型变化鲁棒性差、跟踪机动目标能力低的问题;为了解决这些问题,对MEF-PDAF算法进行了改进,提出了强跟踪MEF-PDAF(STMEF-PDAF)算法;与强跟踪滤波器(STF)算法类似,ST-MEF-PDAF算法通过引入渐消因子来实时调节增益矩阵,提高了算法的鲁棒性;进行了水下杂波环境下单观测站纯方位目标跟踪的仿真实验,ST-MEF-PDAF能够在500秒以内跟踪机动目标,而传统的MEF-PDAF算法不能,即ST-MEF-PDAF算法跟踪机动目标的能力高于传统的MEF-PDAF算法。

青岛地区风暴潮灾害易损性风险区划建模

风暴潮灾害风险是由风暴潮危险性、承灾体脆弱性、暴露性和防潮减灾能力决定的,其中承灾体脆弱性、暴露性和防潮减灾能力构成了风暴潮灾害的易损性。结合目前国内对风暴潮灾害危险性研究较为深入,而对易损性研究欠缺的现状,以青岛沿海风暴潮为例,建立了风暴潮灾害易损性风险区划模型。模型首先通过风险因子识别建立了风险评价指标体系,然后采用聚类分析将研究区域进行综合分类,再用熵值法、灰色关联分析及模糊综合评价法分别对各地区潮灾风险进行量化,最后应用熵值—灰色—模糊组合方法从主客观角度定性定量进行综合风险区划排名,将青岛九区市划分为4个不同风险等级,揭示了青岛近海地区风暴潮灾害风险的地域差异性,为因地制宜地制定防灾减灾措施与规划提供了科学依据。

直升机浮动渐开线花键微动磨损影响因素分析

为探究不同磨损影响因素对浮动花键磨损的影响程度,基于能量耗散理论,建立了花键副微动磨损预测模型,分析了扭矩、载荷波动、花键材料、摩擦因数、轴向不对中以及角向偏心对浮动花键的磨损影响规律;同时建立熵权-模糊关联分析模型,客观分析了不同磨损影响因素对花键磨损的关联程度。结果显示:基于能量耗散的微动磨损模型所计算的花键齿顶、齿中以及齿根位置处最大磨损深度的计算误差分别低于6.9%、2.4%和14%。轴向不对中下部分花键磨损位置从齿根往齿中位置偏移;角向偏心使得花键两端接触不良,导致两端磨损分布不均。同时发现角向偏心、轴向不对中以及材料对花键副的磨损影响程度较大,为浮动渐开线花键抗磨损方法研究提供技术支撑。