WSN中基于跨层策略的低能耗/高可靠通信问题研究

可靠通信、低能耗是无线传感器网络的热点研究性能指标.为了提升网络的整体性能,首先在物理层、路由层上分别提出功率反馈控制算法与一种路由量度;其次分析了上述两种性能指标内在的矛盾,并在此基础之上设计一种以可靠通信为前提,节约能量的跨层优化算法.研究结果发现,现有的跨层优化算法可以在一定程度上提升网络性能,但是存在局限性;从性能指标内在矛盾出发,合理设计算法才可以在众多矛盾之中找到最优解.     

一种多目标优化问题的混合优化算法

利用分布估计算法(EDA)的全局搜索性能及差分进化(DE)算法的局部优化能力,提出了一种多目标优化问题的混合智能求解方法DE-EDA.DE-EDA的子代个体由两部分构成,一部分按差分进化算法生成,另一部分则是通过对分布估计算法的概率模型进行随机采样生成.利用模拟退火技术在线调整尺度因子Pr,即在进化的初期选择较大的Pr,以保证EDA起主导作用,由EDA引导DE搜索向Pareto前端,增加全局搜索能力,然后在进化的过程中逐渐降低Pr,使得DE逐渐占据主导作用,确保解精确收敛到Pareto前端.通过4组基准函数来测试算法性能,并与NSGA-Ⅱ和DE算法进行实验比较,结果表明该方法不仅解的多样性和分布性好,而且能够有效提高种群进化的收敛速度,是一种求解多目标优化问题的有效方法.     

空间轨迹问题的粒子群仿真研究

空间轨迹的搜索问题具有多个全局最优解,一种有效的解决方法是采用粒子群算法进行搜索.然而与一般的优化问题不同,轨迹问题要求算法中粒子适应值与粒子位置同时收敛.为此,针对已有的粒子群算法在轨迹搜索上的不足,提出了一种减速粒子群优化算法(Slowdown ParticleSwarm Optimization,简称SPSO),从位置角度改善粒子群的收敛性能.该算法利用独立子群技术保证粒子收敛于不同的位置,并根据粒子适应值情况减半更新粒子飞行速度,以达到位置收敛的目标.仿真实验的结果表明了减速粒子群算法在位置收敛效果上的优越性.     

基于遗传算法的嵌入式仿真的系统辨识与控制优化

数字随动(伺服)系统因具有非线性、不确定性和时变性,难以精确地建立系统的数学模型,由此对设计高性能的控制器造成困难.遗传算法因其隐含并行性、全局搜索等优点,在优化问题领域得到了很好的应用,但遗传算法简单应用于如数字随动系统这样的控制系统在线闭环辨识或参数优化时,会面临大量重复实验成本高、实验时间过长引起系统不稳定等实际问题.针对以上困难,提出一种基于嵌入式仿真的系统辨识方法,采用遗传算法进行数字随动系统同步在线闭环模型参数辨识与控制参数寻优.经过在数字随动系统实物环境下实验,证明了该方法的有效性.     

虚拟环境下产品装配精度预分析实现技术研究

针对航天产品精密化、小型化的发展趋势,利用虚拟现实技术的实时性、可视化和人机交互性,提出了面向产品装配过程的虚拟环境下产品装配精度预分析技术的总体框架.在产品装配前,从设计和装配两个阶段,预测产品装配精度,辅助设计人员提出相应的精度优化方案,达到预先控制产品装配质量的目的.在该技术框架上,开发了相应的原型系统.通过实例验证,证明了装配精度预分析实现技术的可行性和实用性.     

基于高斯过程回归的大气进入段航天器飞行能力预测方法

轨迹优化技术是目前大气进入段研究的关键技术之一,如何在大气进入动力学复杂、航天器设计参数各异以及进入过程多约束的条件下,对进入轨迹性能参数进行评估是轨迹设计研究的重要问题。对此,以二维落点走廊为表征的大气进入段最大飞行航程作为性能指标,针对传统轨迹优化方法求解计算量庞大的问题,提出了一种基于高斯过程回归(Gaussian process regression, GPR)的大气进入段航天器飞行能力快速预测方法,挖掘航天器进入初始轨迹参量与轨迹包络特征参量之间的映射关系,求解航天器最大航程时避免了复杂的动力学建模以及大规模的迭代寻优过程。利用所提方法对1 000余组不同进入场景的进入轨迹最大航程进行快速预测,将预测结果用于进入段航天器飞行能力评估,为解决大气进入领域相关工程问题提供参考。     

基于堆栈式LSTM网络的通信辐射源个体识别

针对现有通信辐射源个体识别方法预处理过程复杂及特征提取较难的问题,提出了一种基于堆栈式长短期记忆(long short-term memory, LSTM)网络的辐射源个体识别算法。该算法直接使用IQ时间序列信号训练LSTM网络,即可实现对通信辐射源个体的高效识别,避免了复杂的信号预处理过程。为使LSTM网络能更好地适用于通信辐射源个体识别,利用3层LSTM网络提取辐射源深层特征,并通过实验优化了网络参数。然后对该算法的实际应用泛化性进行了实验探究,结果表明该算法在其他辐射源数据集上也取得了较好的效果。最后,通过实验对算法进行了验证,结果表明相比于传统算法,在样本数较多时,该算法的识别准确率可以达到98%,而且简单快速智能,便于工程化与实用化。     

基于粒子群优化的圆阵列波束形成方法

围绕均匀圆阵列(uniform circular array, UCA)在波束形成中存在的波束主瓣宽、旁瓣电平高的问题,提出了一种基于粒子群优化(particle swarm optimization, PSO)算法的圆阵列波束形成方法。通过对UCA的输出信号进行模式空间变换,将UCA数据转换为虚拟均匀线阵数据形式。利用PSO算法充分挖掘均匀线阵各阵元间数据信息,进行阵元拓展,从而实现阵列阵元数及孔径尺度的增加,实现降低阵列波束主瓣宽度及旁瓣电平的目的。实验结果表明,在适当增加计算复杂度的前提下,利用PSO算法对阵列进行阵元拓展可以显著地提高波束形成质量,且适用于自适应波束形成。     

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.     

基于预处理模糊Petri网与改进遗传算法的电网故障诊断方法

为了提升电网复杂故障时的态势感知能力,提出了基于预处理模糊Petri网与改进遗传算法的电网故障诊断方法.首先,基于层次化、动态建模的思想,在建立元件一般故障诊断模型的基础上,引入浮动库所、浮动弧、浮动变迁的概念来合理的体现主保护、断路器以及后备保护之间的逻辑关系,建立了元件复杂故障时的诊断模型;其次,挖掘故障信息源的特性进行预处理,依据故障类型动态建立相应Petri网诊断模型;再次,利用改进的遗传算法对模型中的参数进行了训练、优化;最后,探讨了该Petri网故障诊断模型的容错性、通用性.对算例系统仿真的结果表明:该方法突出了故障诊断过程的层次性、可理解性,提升了诊断模型的透明性、改善了诊断模型的易维护性,在电网复杂故障的情况下诊断结果仍具有较高的准确度,并呈现有较好的容错性.