基于PSO-BP神经网络的广播星历轨道误差预测模型

在卫星导航数据处理实践中,发现广播星历轨道误差中客观存在不确定性的规律现象,针对这种不能用确定数学模型表示的误差信息,建立基于粒子群优化反向传播(back propagation,BP)神经网络的轨道误差预测模型。通过粒子群算法对BP神经网络的初始权值和阈值进行全局寻优,利用广播星历解算出的卫星空间位置和速度,并结合时间信息和摄动改正数对神经网络进行训练和测试。结果表明该模型对广播星历轨道误差具有较好的拟合能力和预测效果,用该模型对卫星位置解算提供误差补偿,可有效提高卫星定轨精度,降低系统级误差。     

基于面向对象Petri-net的LWF建模方法

设计工作流是一种非公平性的环形工作流(loop workflow, LWF),这种工作流模型增加了陷入活锁状态的风险,导致设计流程无法向下进行。针对设计工作流活锁问题,提出了基于面向对象Petri网的扩展工作流网。该方法设计了跃迁状态转移机制和虚拟托肯的网标识,使LWF从无限循环的活锁状态转变为可计数的有限循环迭代状态,同时给出了能够描述虚拟托肯标识的可达性分析方法。分析结果表明应用所提方法建立的弹箭设计工作流模型避免了活锁,且具有可达性。     

应用遗传算法的多星座保护级别优化方法

增强型接收机自主完好性监测算法（ARAIM）能够在精密进近段为飞行器提供完好性保护。针对提高ARAIM算法在中国地区可用性的优化问题,提出一种基于遗传算法的垂直方向保护级别（VPL）优化方法。该方法在理论层面对VPL方程进行推导,将最大值函数最小化问题转化为目标规划求最优问题,利用遗传算法的寻优特性避免了优化中奇异点的出现,通过优化分配连续性风险和完好性风险,实现了对VPL值的优化。为了验证该优化方法的有效性,利用跟踪站采集到的GPS、GLONASS和BDS 3个导航系统播报的真实卫星星历数据,对VPL值进行了分析,分析结果表明该方法的平均优化率达到9.9%。