基于蜂群-粒子群算法的天然林空间结构优化

天然林空间结构包含林木的空间位置信息,影响着林木的生长、竞争、林分的稳定及森林的发展,其优化是个多目标规划问题。提出一种蜂群-粒子群(ABC-PSO)混合算法,该算法在初始粒子产生机制、随蜂数量及循环机制上对蜂群算法做了改进,并将其应用到天然林空间结构多目标优化中,最终建立能够兼顾林木分布格局、林木大小分割、林木竞争的优化模型。仿真实验表明,蜂群-粒子群算法提升了森林健康等级,解决了森林空间结构多目标优化问题。     

Small unmanned helicopter's attitude controller by an on-line adaptive fuzzy control system

Since small unmanned helicopter flight attitude control process has strong time-varying characteristics and there are random disturbances, the conventional control methods with unchanged parameters are often unworkable. An on-line adaptive fuzzy control system (AFCS) was designed, in a way that does not depend on a process model of the plant or its approximation in the form of a Jacobian matrix. Neither is it necessary to know the desired response at each instant of time. AFCS implement a simultaneous on-line tuning of fuzzy rules and output scale of fuzzy control system. The two cascade controller design with an inner (attitude controller) and outer controller (navigation controller) of the small unmanned helicopter was proposed. At last, an attitude controller based on AFCS was implemented. The flight experiment showed that the proposed fuzzy logic controller provides quicker response, smaller overshoot, higher precision, robustness and adaptive ability. It satisfies the needs of autonomous flight.     

基于增量式PID的改进粒子群算法

基于粒子群优化(PSO)算法的简单模型和增量式PID控制原理,引入PID增量算子和4个新随机因子,对标准粒子群优化(SPSO)算法进行了扩展.扩展粒子群算法(EPSO)提升了粒子自身认知能力和社会认知能力,增加了粒子共享的信息量,粒子在运动过程中更加智能化.4个新随机因子的引入,提高了种群的多样性,一定程度上克服了PSO容易陷入局部最优的缺陷,提高了PSO算法全局搜索能力.对6个常用目标函数进行优化仿真,结果表明EPSO算法较SPSO算法收敛速度显著加快,且不易陷入局部极值点.SPSO算法是EPSO算法的一种特殊情形;EPSO算法作为SPSO的扩展,可应用于所有SPSO求解的优化问题.     

基于遗传算法和微粒群算法的自适应调制研究

以常用的几种数字调制为例介绍自适应调制技术,分别采用改进型遗传算法(GA)和随机微粒群算法(PSO),在恒定功率以及平均误比特率受限的情况下对系统的吞吐量进行优化,从而精确实时地对信道状态做出判断,并调整调制模式.仿真结果说明了系统能够在不同信道条件及业务需要下,自适应地调整其转换信噪比,使系统的通信可靠性与有效性达到有机地统一.同时比较了两种算法在自适应调制模式切换方面的特点.     

基于模糊理论的混沌变异粒子群算法

针对粒子群算法易陷入局部极值的缺点,将模糊理论和混沌理论引入粒子群算法,进行模糊混沌变异,增加种群的多样性,以解决粒子群的早熟问题.利用模糊理论对粒子群建模并对处于α-截集中的粒子以概率的方式混沌变异,该概率和混沌变异的步长分别随着隶属度和粒子群迭代的代数的变大而变大,而α是随着平均适应度的减小而增大.数值仿真实验表明该方法能较好解决早熟问题,具有较好的全局搜索能力,提高了计算精度.     

基于质心的改进型粒子群优化算法

为了加快粒子群算法收敛速度、提高粒子群的全局优化效率和精确度从而避免陷入局部最优解,提出了一种改进型的基于质心的粒子群优化算法模型,该模型能有效地提高粒子群之间的合作和信息共享能力。仿真结果表明基于"质心"的改进型粒子群优化算法在收敛性方面具有显著优越性。     

用无人机 GPS系统对雷达进行精度评定的方法

提出了一种新的雷达精度评定方法,即利用搭载全球定位系统(GPS)的小型无人机做为雷达的跟踪目标,对雷达测量精度进行评定.在研究评定方法的基础上,分析了数据处理方法和雷达评定工作对GPS系统定位精度的要求.为了提高无人机的定位精度,系统采用了差分GPS定位技术,即根据地面基准站测量GPS的定位误差来修正无人机的测量结果,并采用Kalman滤波方法来抑制观测噪声,进一步提高无人机的定位精度.仿真测试表明,这种方法可以满足雷达评定的精度要求,同时具有简单、经济、可靠的优点.     

遗传并行粒子群优化算法及其性能分析

在已有的并行粒子群优化算法的基础上,结合遗传算法,并利用Java语言支持多线程特点,开发出单子群、k子群、任意子群三种遗传并行粒子群优化算法。通过对6个Benchmark测试函数的测试分析,表明这三种算法都具有运行速度快,求解质量高的特点。     

无人机蜂群电磁作战概念仿真

首先，提出了基于四环聚焦的无人机(unmanned aerial vehicle, UAV)蜂群电磁作战概念设计框架,并以彻底毁瘫防空体系为作战目标,设计“蜂刺”作战概念及“雷电蜂”作战行动。然后,面向体系对抗仿真的需求,提出了UAV蜂群电磁作战行动实体蜂群行为网络化交互(enity swarm behavior networked-interaction, ESBNI)建模框架,并研究了基于分层描述的UAV蜂群力量实体建模方法,以及基于行为规则的UAV蜂群电磁行为建模方法。再次,依托UAV蜂群电磁作战仿真原型(electromagnetic swarm operation simulation, ESS)系统,开展了“雷电蜂”作战行动的演示。最后,通过多案比对探索性仿真的方法,评估了联合作战背景下的UAV蜂群电磁作战效能,并验证了该作战概念的合理性、有效性。     

基于路径-速度解耦的无人机编队协同轨迹规划

针对无人机编队在复杂机动情形下的协同轨迹规划问题,提出了一种基于路径-速度解耦方法的预瞄自适应轨迹规划方法。在路径规划阶段,考虑无人机转弯机动的曲率限制,采用Dubins曲线作为路径构成的基本子结构。为得到最优的Dubins曲线连接控制点,设计了自适应预跟随路径特征的预瞄距离规划算法。在速度规划阶段,针对控制参数化与时间离散化(control parameterization and time discretization, CPTD)的速度规划方法,提出了栅格化空域下差异区间速度规划方法,简称为DIPR。仿真结果表明,预瞄距离自适应算法能够有效优化路径，对比固定预瞄距离方法在转向弧度上平均减少30.70%,在跟踪偏离上减少16.41%,在路径长度上缩短10.87%。对比CPTD方法, DIPR平均提前30代收敛,收敛值平均提高10.67%,编队完成队形集结时间平均缩短15.4 s。得到结果更快更优,并且速度曲线结果连续平滑。