Gate-to-Gate模式下航班到达的综合调度

Gate-to-Gate是空中交通管理的未来趋势之一,研究了Gate-to-Gate模式下的航班到达问题,对航班到达的空中降落与地面滑行进行综合调度,建立了地空综合调度的简化数学模型,实现了航班到达从区调阶段到航站楼的关键点路径规划和时间安排,并对北京终端区及首都机场地面滑行过程进行了算例分析。针对实际应用规模大、求解时间长的问题,利用模型的特殊性制定了先松弛后固定分支求解的两步法求解算法,实现了在5分钟内能求得相对误差小于5.3%的近优解。     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit,APU)性能参数预测的精度,针对支持向量机(support vector machine,SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm opti-mization,PSO)算法实现对SVM惩罚参数和核参数...     

大林算法在位置随动系统中的应用

为了解决含有纯滞后惯性环节的位置随动系统采用常规的直接数字控制方法较复杂且效果不佳的问题,提出利用大林算法来处理其纯滞后的惯性环节。通过对大林控制器的详细设计过程和对位置随动系统的实例仿真可以看出,大林控制器具有良好的鲁棒性和较高的灵敏度,最后得出了大林算法在含有纯滞后惯性环节的位置随动系统中具有应用价值的结论。     

WLAN无线定位中NLOS误差排序与抑制的研究

提出在WLAN中使用TDOA定位方法的Chan算法对移动终端进行位置估计,然后对位置估计结果使用残差加权算法进行NLOS误差抑制。通过仿真证明,尽可能选择不受NLOS影响的时间测量值参与Chan算法和残差加权算法,通常能以较小的计算代价取得相对理想的定位精度。并在数学理论上证明了可将Wylie方法用于NLOS误差排序,以挑选出合适的时间测量值。     

基于双40英尺岸桥装卸的船舶多港主贝配载优化决策

考虑双40英尺岸桥装卸、20英尺与40英尺干货箱和冷藏箱配载、船舶舱盖等影响,以航线倒箱次数及双40英尺岸桥总装卸次数最小为目标,建立船舶多港主贝配载问题混合整数规划模型,提出舱位内20英尺和40英尺箱混装及非混装两种策略,设计基于启发式规则的超尺寸装箱算法求解两种策略下的配载方案.实例验证表明,采用该配载模型和求解算...     

基于非线性收敛因子和标杆管理的改进教与学优化算法

针对教与学优化算法寻优精度低、收敛速度慢以及局部最优避免性弱的问题,提出了一种改进教与学优化算法（MTLBO）。在算法的教学和学习阶段,分别引入了非线性收敛因子调整策略和标杆管理策略。基于2种策略的随机组合形成了3种不同的MTLBOs,与标准教与学优化算法（TLBO）的对比实验结果表明,3种MTLBO均优于TLBO,其中,引入2种策略的MTLBO3取得了最佳的数值实验结果,其远优于原始TLBO。为进一步验证提出算法的有效性,与其他著名的群智能优化算法进行了数值实验对比。数值结果和收敛曲线表明,MTLBO3的寻优性能明显优于其他对比方法,具有更高的求解精度、更快的收敛速度以及更佳的局部最优避免能力。最后,使用有约束的工程优化问题进一步验证了提出算法的有效性。     

小样本不平衡设备数据下的机器学习策略研究

针对小样本数据样本容量不足与分布不平衡的设备寿命预测问题,构建基于改进SMOTE算法与改进KNN(K-NearestNeighbor)算法联合优化模型。首先,设置噪声比例系数β排除样本数据中的噪声,随后通过类B-SMOTE(Borderline-SMOTE)算法与传统SOMTE算法结合构建改进SMOTE(ISMOTE)算法对存在分布问题的少数类样本进行新增优化,避免因为样本分布不平衡以及样本数量较少引起的偏差。其次,针对分类过程中边界模糊的样本点,通过利用粒子群算法寻求每个样本种类中心点并计算样本距离均值建立分隔阈值■,对阈值范围内的样本点利用“投票法”判断样本种类,规避KNN算法在处理数据时因为不同种类样本混合而出现误差的问题。最后,通过利用美国卡特彼勒公司液压泵状态数据以及凌津滩水电站水导轴承振动数据进行仿真,算例证明上述两种改进算法在面对小样本不平衡设备数据时可以准确分析设备运行状态以及预测设备未来健康发展趋势。     

星载雷达弱目标长时间积累算法研究

空间弱目标的远距离探测与跟踪是星载雷达目标探测的关键技术之一,受星上计算机实时计算能力和存储能力的限制,空间远距离、弱目标的长时间直接全相干积累难以实现。在已有的分段处理方法基础上,提出了一种段内相干-段间二次相干积累的长时间积累算法,该算法对存储要求低,且具有很好的积累效果,非常适合实时处理和时间重叠处理。给出了算法的实现步骤和积累效率分析,与全相干处理相比该算法的额外信噪比损失仅为-2.4 dB。仿真结果验证了理论分析的结果和算法的有效性。     

对称型TSP下界的快速估算法

在数学推导和证明的基础上,给出了一个求解对称型TSP问题下界的快速算法,利用该算法求解了TSP标准问题库中部分对称型问题,给出了计算结果并与标准问题库中公布的最好解进行了比较,获得了令人满意的效果.     

基于分支剔除的低轨星座实时传感器调度算法

针对低轨星座目标连续跟踪的传感器资源调度问题,通过对调度约束因素的分析,提取跟踪精度、资源松弛度和资源分配均衡因子三个优化参数,建立了传感器实时调度模型;并建立长时调度决策树,将标准代价搜索方法和分支剔除技术相结合,提出了一种基于分支剔除的实时传感器调度算法。仿真实验表明,标准代价搜索和分支剔除技术的引入明显降低了调度算法的运算量,尤其对于多目标和大步长的情况,且调度传感器跟踪目标的误差略小于短时调度方法。