带飞行因子的粒子群算法的铝蜂窝夹层板模型修正

蜂窝板结构具有较高的比强度、比刚度和良好的隔热隔振、耐冲击等优点,在航空航天领域得到了广泛应用。根据等效板理论将蜂窝夹层板等效为壳单元,以试验测得的前五阶模态频率为基础,用带飞行因子的粒子群算法对其材料等效密度和刚度参数进行模型修正,修正后模型计算频率与试验值误差较原误差有了明显减小,与标准粒子群算法相比,带飞行因子粒子群算法修正后的模型能更好地逼近原结构,模型质量有了改善。证实了带飞行因子粒子群算法在模型修正过程中的可行性和有效性。

无人机飞行因子对航线精度的影响分析

基于开源ArduPilot平台框架,开发了一款高原复合交变式航测无人机,并对软硬件自动控制系统进行了二次优化开发,实现了机载BDS+GPS/IMU定位系统与多传感器数据融合,对该系统采用事后差分方式获取的机载动态POS数据进行了定量分析。首先,对飞行获取的BDS+GPS数据进行精度评定,发现BDS/GPS动态PPP其E/N/U方向的均方根分别为2.45 cm、2.18 cm、1.71 cm,2.28cm、1.84 cm、2.56 cm。其次,应用因子分析模型将影响航线精度的五类因素归化为3类主因子。最后,应用多元回归模型分析得出三类主因子之间的线性关系,在航线规划时要对设计的x1、x2值分别往东、南方向偏离1.373 m、1.163 m。在空三加密时对x3、x4、x5进行0.301°、―0.164°、―3.338°量值改正调整。通过上述改正,可为今后该系统航线优化设计及数据处理提供参考。

带飞行时间因子的改进粒子群优化算法

对于粒子群优化算法(PSO)的研究内容涉及到许多方面。目前,针对PSO算法的研究大致可以分为算法的理论研究、算法的改进研究以及算法的应用研究。该文主要是对PSO算法的改进进行了研究,提出了一种带飞行时间因子的改进的粒子群优化算法(MPSO),并通过实验验证了MPSO优化性能较之PSO有了很大的提高。

一种带自适应飞行时间因子的粒子群算法

作为一种新型智能算法,粒子群算法具有概念简单、易于实现等特点,但也存在容易陷入局部最优的缺点。为了尽可能找到问题的最优解,提高粒子群算法的收敛速度,提出一种带自适应飞行时间因子的粒子群算法,在算法中引入种群多样性和种群进化度两个参数,并根据这两个参数对算法性能的影响,让飞行时间因子随着这两个参数自适应改变。通过对4个基准函数的测试表明,改进后的粒子群算法较其他几种粒子群算法在收敛速度和收敛精度上都有一定提高。

相控阵天线非对称方向图波束赋形研究

在相控阵天线的实际应用中,通过智能优化算法可以快速得到所需方向图以及天线阵列中各天线单元的幅度值和相位值,实现波束赋形的效果。针对粒子群(Particle Swarm Optimization, PSO)算法后期搜索能力弱的问题,在粒子群算法的基础上引入了蝴蝶算法(Butterfly Optimization Algorithm, BOA)中的局部搜索机制与莱维飞行因子,采用“精英”粒子筛选模式,提出了一种新的改进粒子群优化算法BPSO(Butterfly Particle Swarm Optimization Algorithm)。计算结果验证该优化方法与粒子群算法相比,在迭代后期也具有很强的收敛能力,并且收敛速度也优于其他基础算法。

基于改进粒子群优化算法的PID控制器参数优化

PID参数优化是控制领域的热点,其控制效果与比例、积分、微分参数有直接关系.为了改善系统性能,提出用一种改进的粒子群优化算法对PID控制器参数进行优化.该算法引入进化速度因子和聚集度因子对权值进行改进,进而改进了速度更新公式,并引入飞行时间因子以改进位置更新公式.通过3种典型函数证明了该算法的优越性,加快了收敛速度,提高了寻优效率.以典型二阶被控模型为研究对象,将上述算法与其他粒子群算法进行对比,表明改进的粒子群算法得到的PID参数具有更好的控制性能.

基于改进的小生境粒子群算法在函数优化中的应用

为了克服标准粒子群算法在搜索后期中易陷入局部最优等缺点,提出了一种改进的小生境粒子群算法.通过将小生境技术引入标准粒子群算法中,保证了种群的多样性;同时在惯性权重中引入余弦函数,更改算法中认知项和社会项加速因子,加入迭代因素,并在位置更新策略中加入了飞行时间因子等策略,使其更加贴近粒子群算法的客观规律.通过对5个非线性基准测试函数进行数值仿真实验对比,结果表明改进的小生境粒子群算法在非线性的复杂函数优化中具有更好的寻优能力,避免了"早熟"现象,同时还具备收敛速度快,搜索精度高等特点.

MATHEMATICAL MODEL OF SELF-REPAIRING FLIGHT CONTROL

The most prospective method for certain structural failures and damages that cannot employ redundancy is self-repairing techniques, to ensure especially the maximum flight safety. Based on the characters of self-repairing aircraft, this paper states some basic assumptions of the self-repairing aircraft, and puts forward some special new conceptions concerning the self-repairing aircraft: control input, operating input, command input, repair input and operating and control factor as well as their relationships. Thus it provides a simple and reliable mathematical model structure for the research on the self-repairing control of the aircraft.

一种基于改进粒子群算法的K-means算法

针对K-means算法对初始聚类中心敏感、算法容易收敛于局部解等问题,运用了增加飞行时间因子的粒子群算法,提高粒子群算法性能.利用改进的粒子群算法与K-means算法相结合,提高了基于粒子群算法的K-means算法性能.数值试验验证了提出算法的收敛性,且最优解的精度优于K-means算法、PSO算法和PSO-K算法.