网络控制系统的主动变采样控制器设计

利用主动变采样周期方法,研究了具有网络诱导时滞和数据包丢失的网络控制系统的H∞控制器设计问题,其采样周期在一个有限集内切换.新提出的主动变采样周期方法能够保证网络带宽的充分利用.在为具有主动变采样周期的网络控制系统设计H∞控制器时,使用了基于线性矩阵不等式的多目标优化方法和基于参数不确定性的方法.仿真结果说明了所提出的H∞控制器设计的有效性.     

抗干扰型卫星导航接收机的最优前端增益

基于全球导航卫星系统(global navigation satellite system，GNSS)接收机射频前端增益大小引起的抗干扰能力与模数转换器(analog to digital converter，ADC)量化损耗之间的矛盾问题，提出一种抗干扰性能约束下的最优前端增益设计方法。首先，建立射频通道、ADC的数学模型。然后，分析在无干扰情况下前端增益对信号采样的影响、干扰条件下的抗干扰极限性能。最后，针对前端增益对信号接收与抗干扰性能之间的矛盾，以抗干扰性能为优化目标提出了最优的前端增益设计方法。仿真实测结果验证了本文分析结论的准确性和提出方法的有效性。     

集装箱码头集卡配置优化的闭合排队网络模型

以集装箱码头同贝同步装卸作业为研究对象,以提高码头作业效率、提升服务能力为目标,研究码头内部集卡数量配置优化问题.将码头作业系统视为服务网络,构建码头同贝同步装卸作业的闭合排队网络模型,刻画集卡在各个环节的作业过程,分析不同设备配置下码头作业系统服务能力,揭示制约码头整体作业效率关键环节.以码头作业成本最小为目标,考虑集卡在各个环节的排队等待时间及设备利用率,建立了基于同贝同步装卸作业的集卡数量优化模型,并设计算法对模型进行求解.本研究从服务网络角度揭示了码头作业效率与岸桥、集卡、场桥配置的关系,为码头设备调度与服务流程设计提供了依据.     

自适应协同优化方法研究

针对一致性约束条件造成协同优化方法计算困难的问题,研究提出了一种自适应协同优化方法.首先将设计变量空间划分为三类区域,分析了每个区域内一致性约束松弛量与系统可行域和学科一致性的关系,并在此基础上提出了三种一致性约束松弛量的确定方法.然后基于上述方法,给出了自适应协同优化的算法流程,对比分析了相对于标准协同优化算法流程的改进之处.最后采用自适应协同优化方法对两个典型MDO算例进行优化,证明了该方法具有较好的鲁棒性和收敛速度.     

航天测控调度模型及其上界求解算法

通过分析航天测控调度问题的测控需求,建立了航天测控调度0-1整数规划模型,运用拉格朗日松弛方法对模型中的任务约束和设备约束进行了松弛,运用次梯度优化算法求得了拉格朗日对偶问题的上界.最后,通过对两个场景的试验分析,证明了次梯度优化算法所得上界的有效性.     

基于Gabor框架的线性调频信号压缩采样与重构

针对线性调频信号在传统采集过程中存在的高采样频率问题, 提出了一种基于Gabor框架的线性调频信号压缩采样与重构方法。首先, 利用线性调频信号在Gabor变换下所具有的时频稀疏特性, 提出了基于Gabor框架的线性调频信号压缩采样系统。基于该采样系统, 分析了压缩采样系统工作过程, 建立了该系统压缩观测过程数学模型。随后, 分析了压缩采样系统重构模型, 将压缩采样重构问题转化为多观测向量重构问题。最后, 基于多维扩展的稀疏贝叶斯学习算法, 提出利用优化分类的方法来保证线性调频信号的精确重构。仿真实验结果表明, Gabor框架压缩采样系统有效降低了线性调频信号采样频率与采样点数, 在重构过程中, 本文提出的重构方法能够有效降低重构误差, 提高重构概率。     

基于遗传算法的故障样本优化选取方法

为降低测试性验证试验费用,提出基于遗传算法的故障样本优化选取方法。方法通过故障-测试关联分析和故障-故障等价分析,确定初始故障样本集中各元素对应的等价集,并对初始故障样本集进行扩展,在此基础上,建立了故障样本选取优化求解模型。在不降低样本注入数量和测试特性的条件下,以试验费用最小为优化目标,给出了基于改进遗传算法的样本优化选取方法。算例应用结果表明,该方法设计的故障样本选取方法能有效降低测试性验证试验费用。     

基于互易点学习的LPI信号开集识别

针对现有采用时频图结合深度学习模型对低截获概率(low probability of intercept, LPI)雷达信号识别的方法在开集场景下会失效的问题, 提出一种基于互易点学习(reciprocal point learning, RPL)和阈值判断的雷达信号开集识别方法。通过RPL对特征空间进行优化, 使已知类和未知类信号样本在特征空间中分布不同, 最后确定合适的阈值进行开集识别。根据时频图的特点, 在特征提取网络中加入注意力机制使网络更关注图像能量聚集的有效部分。实验结果表明, 该方法在开放的电磁环境条件下具有良好的适应性。     

基于震荡权重粒子群杂交的过2采样DFT滤波器组优化设计

基于离散傅里叶变换(discrete Fourier transform, DFT)滤波器组的数字射频存储器具备宽频带覆盖和干扰宽带雷达的特点。针对临界采样时DFT滤波器组信道间混叠严重的问题,推导了过2采样DFT滤波器组的高效多相实现结构,将带间混叠减少了一半。为进一步提高重构信号的精度,提出了基于震荡粒子群杂交算法的滤波器频域设计方法,通过优化目标函数,提高了输出峰值信噪比,降低了最大输出误差,缩减了优化求解时间。仿真结果验证了过2采样DFT滤波器组结构的正确性,提出的震荡权重粒子群杂交滤波器设计可以精确地重构跨多个信道的宽频信号,具备干扰宽频信号的能力。     

基于深度学习的捷变相参雷达1-Bit块稀疏重构

近年来,量化压缩感知理论在雷达目标参数估计问题中得到了广泛应用,其主要思想是对采样回波数据进行量化,并将雷达观测模型建模为欠定方程,再利用压缩感知理论对稀疏目标信号进行恢复,降低回波数据的位宽,达到简化系统、提升效率的目的 .本文建立了捷变相参雷达信号的块稀疏压缩感知模型,并提出一种基于深度学习的1 Bit块稀疏重建网...     

基于Kriging模型的多点加点准则和并行代理优化算法

针对并行仿真环境下复杂工程系统的优化设计问题,提出一种基于Kriging模型、多目标策略和聚类方法的并行代理优化算法.该算法的多点加点准则,以同时优化期望改进准则和可行性概率准则为目标,首先生成兼具目标响应改进和可行域边界刻画功能的备选试验点集;再利用聚类方法从备选点集中选取多个有代表性的新试验点.通过两个数值算例和一个工程算例,将所提并行优化算法与已有算法做比较,结果表明所提算法具有更高的优化精度、效率和稳健性.     

SENSITIVITY ANALYSIS IN BILEVEL LINEAR PROGRAMMING

1.IntroductionMultilevelprogrammingmodelsdescribesdecisionmakingsituationswhereahierarchyexists.Inabilevelsystem,thedecisionofthehigherlevel(leader)mayaffectthechoiceofstrategyavailabletothelowerlevel(follower)whoattemptstooptimizehisobjectivefunction.Inthissystem,theleaderalsoconsidersthefollower'sresponsewhichisbasedonoptimizingthefollower'sobjectivefunction,forinstance,see[1].Asanextensionandavariationofmathematicalprogramming,multilevelprogrammingwasfirstintroducedbyCandlerandTownsley[2].…     

基于初集排序的Pareto非支配解集构造算法

针对具有大型解空间的多目标决策问题,为进一步提高多目标决策的效率,快速且有效的非支配解集构造方法值得探究.给出非支配关系性质、初始非支配解集(简称初集)及非支配解集构造的有关定义与定理.在此基础上,依据有序集理论与运算规则,提出基于初集排序方法的Pareto非支配解集构造算法.该算法应用集合排序的方法,对有序的可行解集与有序的非支配解集进行比较,获得多目标决策问题的最优解.构建不包含初始非支配解的有序可行解集,设计非支配解排序规则、查找规则与插入规则.分析提出的算法及常见的非支配排序方法的时间复杂度.通过ZDT1～ZDT3、DTLZ1与DTLZ3测试函数的非支配解集构造实验,与王芳等(2016)提出的NTCM等方法相比,证明提出的非支配解集构造算法是有效的,时间复杂度更低,非支配解集构造时间具有显著的优势.     

Hybrid hierarchical trajectory planning for a fixed-wing UCAV performing air-to-surface multi-target attack

This paper considers the problem of generating a flight trajectory for a single fixed-wing unmanned combat aerial vehicle (UCAV) performing an air-to-surface multi-target attack (A/SMTA) mission using satellite-guided bombs. First, this problem is formulated as a variant of the traveling salesman problem (TSP), called the dynamic-constrained TSP with neighborhoods (DCTSPN). Then, a hierarchical hybrid approach, which partitions the planning algorithm into a roadmap planning layer and an optimal control layer, is proposed to solve the DCTSPN. In the roadmap planning layer, a novel algorithm based on an updatable probabilistic roadmap (PRM) is presented, which operates by randomly sampling a finite set of vehicle states from continuous state space in order to reduce the complicated trajectory planning problem to planning on a finite directed graph. In the optimal control layer, a collision-free state-to-state trajectory planner based on the Gauss pseudospectral method is developed, which can generate both dynamically feasible and optimal flight trajectories. The entire process of solving a DCTSPN consists of two phases. First, in the offline preprocessing phase, the algorithm constructs a PRM, and then converts the original problem into a standard asymmetric TSP (ATSP). Second, in the online querying phase, the costs of directed edges in PRM are updated first, and a fast heuristic searching algorithm is then used to solve the ATSP. Numerical experiments indicate that the algorithm proposed in this paper can generate both feasible and near-optimal solutions quickly for online purposes.     

最优信号控制条件下城市交通离散网络设计问题的备用能力模型

将备用能力的概念与城市交通离散网络设计问题结合在一起,一方面通过对路口的信号进行最佳设置使交通网络可以容纳最大的交通需求量;另一方面,通过在交通网络中添加新的路段来提高整个交通网络的通行能力.给出了最优信号控制条件下城市交通离散网络设计问题备用能力的优化模型及其启发式求解算法.最后,通过一个简单的算例,说明该算法是可行并且有效的.     

一种多约束条件下的三脉冲交会优化设计方法

针对空间快速接近定点观测任务, 研究了具有交会时间和转移路径约束的多约束条件下的共面圆轨道间远距离三脉冲最优交会问题, 将Hill制导方法与粒子群算法相结合求解转移路径点以及转移时机的最优解。在求解过程中, 提出一种等价变换的方法, 将原始待求量转化为一组新的相互独立的待求变量, 将原始的各约束项转化为易描述和处理的搜索空间边界条件, 为完成算法的初始化过程带来了便利, 使得算法设计过程更为简洁。最后, 给出了两组三脉冲最优交会仿真实验, 仿真结果不仅验证了所提算法的有效性, 而且表明, 相对于常规的设置惩罚项处理约束的方法, 采用本文所提出的等价变换方法处理约束项后, 算法表现出更强大的搜索能力及更好的稳定性。     

基于二分图最优匹配的虚拟网络映射算法

针对现有虚拟网络映射存在开销较大、资源利用不够合理的问题,提出了一种基于二分图最优匹配的虚拟网络映射算法。首先以虚拟节点和物理节点为顶点构建二分图,将节点映射问题转化为二分图最优匹配问题;其次将节点资源评价最高的物理节点与节点需求评价最高的虚拟节点优先匹配,并利用Kuhn-Munkres算法求解二分图最优匹配,依据匹配结果进行节点映射;最后利用 k-最短路径算法实现链路映射。实验表明,与以往的映射算法相比,提出的映射算法在保持较高映射成功率的同时,提高了长期收益开销比,且资源利用更加合理。     

基于对位学习多目标遗传算法的板形板厚控制

提出了一种基于对位学习多目标遗传算法的板形板厚控制系统设计方法。该方法给出了控制系统的结构,建立了板形板厚控制器参数的多目标优化模型,并采用对位学习多目标遗传算法对该模型进行多目标优化,得到一组控制器参数的Pareto解。在其中选择三个Pareto解对应的控制器参数,作用于板形板厚控制系统做仿真研究。结果表明,所得到的Pareto解集中选定区域的解都可以使系统具有满意的性能,并且对扰动有较好的抑制作用,证实了该方法的有效性。     

多目标优化设计中的Pareto遗传算法

遗传算法的随机性和隐含并行性,使它能同时搜索到多个局部最优解并获得最优解集。为了发挥遗传算法群体搜索的优势,提高多目标优化设计效率和灵活性,在自适应遗传算法的基础上引入群体排序技术、小生境技术和Pareto解集过滤器,建立了一种适用于多目标优化设计的Pareto遗传算法。以Pareto前沿面的形式给出优化设计的Pareto最优解集,供设计者按设计意愿选择最优的设计结果。采用Pareto遗传算法进行跨声速翼型的多目标优化设计,设计结果表明,Pareto遗传算法是十分有效的,完全可以用来进行多目标优化设计。     

MIMO系统中基于因素图的迭代信号检测算法

基于无线通信中接收信号的似然检测模型,给出发送信号估计和推理的因素图描述。在此基础上,应用标准和积算法提出一种频率选择性衰落信道下的多输入多输出(multiple input multiple output,MIMO)系统的迭代信号检测算法。为了降低计算复杂度,提出一种快速迭代检测算法,通过引入概率数据关联方法,避免了标准和积算法中符号概率估计的积分计算。仿真结果表明,应用标准和积算法得到的迭代信号检测算法可以逼近最优算法的性能,而快速迭代检测算法在大幅降低计算复杂度的同时,误码率性能比传统的最小均方误差算法有较大优势。