基于粒子群算法的阵列位置误差校正方法

针对阵列信号空间谱估计中出现的阵列位置误差导致高分辨率测向算法性能下降甚至失效的问题,提出一种基于粒子群算法的阵列位置误差校正方法。该方法利用一个方位已知的校正源,从阵列输出的协方差矩阵中提取位置信息,建立目标函数,然后利用粒子群算法运算简单、寻优能力强的优势,估计得到阵元所处的实际位置值。计算机仿真结果表明:经过该算法校正过的MUSIC算法的性能已经接近无阵列位置误差时的性能,显示了该算法的实用性和有效性。     

弹载地磁传感器时变误差的校正

在弹箭设计过程中,为了获得弹体飞行时的气动参数,通常采用地磁传感器来测量弹体的姿态信息,而采用的三轴磁传感器都存在误差,因此,对误差的校正就显得很有必要了。在文中提出了一种新的校正方法,该方法是对已有的常规误差校正方法的扩展,使之能用来对磁传感器的时变误差进行校正。这种方法可用于复杂电磁环境中的弹载测量系统,可以有效校正磁传感器的测量误差,最后通过仿真实验数据对结果进行了验证。     

基于遗传算法的矢量磁测量非对准误差校正

针对矢量磁测量系统中存在非对准误差影响矢量磁场的测量精度,而传统校正方法不能对其进行有效校正的问题,提出基于遗传算法(GA)的矢量磁测量非对准误差校正方法。该方法以空间磁场的投影矢量为基准,通过三步坐标旋转的方式实现磁力仪和姿态仪坐标系对准,并利用遗传算法估算其中的坐标系旋转角度,最终实现非对准误差校正。仿真计算和实验结果表明,该方法可以准确估算出非对准角,经非对准误差校正后,仿真数据和实测数据各分量的均方根误差改善效果分别在94%和92%以上。     

基于粒子群遗传算法的三轴磁通门误差校正

针对目前磁通门磁力仪误差校正方法中存在的校正精度不高和受初始参数影响较大的问题,提出一种基于粒子群遗传算法的磁通门误差校正方法。该方法首先在分析误差产生机理的基础上建立了误差校正模型,随后利用粒子群遗传算法来求解校正参数,该算法通过对粒子群中的适应度较差的粒子进行交叉、变异操作来增加算法的全局最优搜索能力。仿真实验结果表明,与传统的粒子群优化算法相比,基于粒子群遗传算法的误差校正能快速地收敛,且具有较强的全局最优搜索能力,可以实现对磁通门磁力仪的高精度校正。     

基于粒子群参数辨识法的SINS初始对准方法

针对基座摇摆运动条件下,用递推最小二乘参数辨识法对初始失准角进行估计时,存在方位失准角收敛速度慢、估计精度受到北向失准角估计精度影响等问题,提出一种基于粒子群优化(PSO)算法的参数辨识法。该方法在保证初始对准精度的同时,直接以三个失准角作为待估参数对其进行估计,大大降低了方位失准角的估计时间。仿真结果表明,与递推最小二乘法相比,粒子群优化算法的方位失准角估计时间缩短了94.52%,水平失准角缩短了60%左右。     

基于动态学习策略多群体粒子群的消磁站水下磁传感器位置校正方法

消磁站海底敷设磁传感器是舰艇磁场测量的主要形式之一,水下磁传感器的位置偏差直接影响着舰艇磁场的测量精度和防护能力评估。针对现有方法难以准确定位消磁站水下磁传感器的问题,提出一种基于动态学习策略多群体粒子群的消磁站水下磁传感器位置校正方法。该方法首先将通电载流线圈等效成磁偶极子磁源,再通过线性多重计量方法改变磁源与磁传感器的相对位置以获取多组磁传感器磁场测量数据,据此建立水下磁传感器位置校正模型,并采用动态学习策略多群体粒子群优化算法优化求得位置偏差矢量,从而实现水下磁传感器位置的高精度校正。在综合分析磁偶极子等效误差等主要影响因素的基础上,设计了数值模拟实验和物理缩比模型实验,结果表明：该方法可有效解决消磁站水下磁传感器的位置校正问题,校正后x轴、y轴和z轴三个方向的位置误差均小于0.1 m。经过校正后的消磁站磁场测量精度可以满足舰艇磁场测量要求,该方法可以对消磁站位置安装偏差不大于0.3 m的水下磁传感器完成校正工作,具有较好的实用价值。     

基于地磁辅助的弹载两轴陀螺传感器校正方法研究

为解决弹载环境下两轴陀螺传感器难以实现三轴校正的问题,提出基于地磁辅助的两轴陀螺 传感器校正方法。建立两轴陀螺传感器测量误差模型,由单轴地磁信号解算得到弹丸x轴 角速率,解决了因陀螺传感器量程限制而无法测量低旋弹丸x轴滚转角速率的问题;研究线性最小二乘模型和卡尔曼滤波模型校正两轴陀螺传感器相关参数的方法,数值仿真分析弹丸x轴角速率解算误差和陀螺传感器测量噪声对校正结果的影响;半实物仿真模拟两轴陀螺传感器在工程中的应用,研究基于地磁辅助的两轴陀螺传感器校正方法校正效果。数值仿真结果表明：当弹丸x轴 角速率解算误差在0.261 8 rad/s以内且当陀螺传感器测量噪声在0.001 6 rad/s以内时,经过校正后,弹丸y轴和z轴角速率校正误差在0.01 rad/s以内。半实物仿真结果表明：当弹丸x轴角速率解算误差在0.8 rad/s以内时,两种校正模型均能将陀螺传感器的测量误差从－0.30~－0.05 rad/s范 围减小到－0.02~0.02 rad/s范围内。数值仿真和半实物仿真结果证明：基于地磁辅助的两轴陀螺传感器校正方法具有较好的校正效果。     

基于误差分离的初始对准方法研究

为满足惯导系统初始对准中精度和快速性的要求,提出了初始对准新方法。深入研究了初始对准的原理;引入了新的姿态误差模式,分析并推导了新的坐标矩阵模型,采用分步处理误差的方法,改善航向角误差大而积累的问题;利用水平姿态角进行递推运算,免除了航向角误差对水平姿态对准的影响,提高了航向姿态对准的精度。最后,建立了基于误差分离的惯导系统仿真平台,通过实验证实了误差分离方法的有效性。     

基于粒子群优化技术的导弹模拟故障诊断方法

采用一种基于粒子群优化的特征提取算法,以K-NN分类正确率作为评价准则,应用粒子群优化算法寻找使提取特征的K—NN分类正确率最大的转换矩阵,从而实现特征的提取．算法的特点是结构简单灵活,对数据的分布特征不敏感,适合于对模拟故障特征进行提取．故障诊断示例证明了该特征提取算法在导弹模拟故障诊断中的有效性．     

基于改进型入侵野草算法的三轴磁传感器非正交误差校正

由于加工工艺和安装工艺的限制,三轴磁传感器必然存在非正交误差。为校正该误差以获取准确的三轴磁数据,建立了三轴磁传感器的非正交误差模型,并通过最小二乘法求解该模型。利用4种智能优化算法对上述最小二乘问题进行求解,并对入侵野草算法进行了改进。仿真与实验结果表明：基于改进型入侵野草算法的最小二乘误差校正方法对因三轴非正交导致的运动噪声抑制率分别为85.42%和86.50%,可以较好地对三轴磁传感器非正交误差进行校正。     

基于改进粒子群优化算法的路径规划方法研究

文中充分利用粒子群优化算法收敛速度快、机理简单和编码实现容易的优点,提出了一种新颖的极坐标空间粒子群路径规划方法,并将其应用于真实海图数据环境中。通过仿真实验表明改进的粒子群算法同传统的PSO算法及遗传算法相比,在解决路径规划问题上具有更快的收敛速度和更高的收敛精度。     

基于粒子群遗传算法的航天产品装配顺序优化方法

航天产品的装配顺序优化(ASPFAP)具有多目标和非线性的特点,针对传统算法在该问题求解上的不足,将粒子群算法和遗传算法结合起来(PSO-GA),提出一种新的面向航天产品的装配顺序优化方法。使用优先约束关联模型(APCRM)来描述零件间的优先约束关系和关联关系;研究了粒子群遗传算法的基因组、染色体以及粒子的编码表达方法;综合考虑装配连续性、装配资源和仪器设备的影响,提出了有工程意义的适应度函数的表达式;根据APCRM生成随机的可行初始装配序列,并利用粒子群算法重构遗传算法的交叉算子对装配顺序进行优化。实例表明该方法有较好的收敛性和稳定性,优化结果具有实际工程意义。     

基于粒子群优化的再入可达区计算方法研究

针对升力式高超声速飞行器再入可达区计算问题,提出了一种粒子群优化（PSO）和倾侧角反转相结合的混合求解方案。为了减小待优化变量的搜寻空间,设计了一种参数化的倾侧角剖面,利用约束PSO算法求解满足再入过程约束和末端约束的最优滑翔轨迹。通过倾侧角正向和逆向反转逻辑直接生成倾侧角指令集合,进而实现高超声速飞行器再入可达区的快速估算。高升阻比再入滑翔飞行器CAV-H仿真实例表明,该混合优化求解方案易于实现且无需预估参数初值,具有良好的可操作性。     

基于粒子群算法优化的目标识别方法

误差反向传播算法(back-propagation简称BP算法)是当前前馈神经网络训练中应用最多的算法,其优化算法也层出不穷。针对LM优化算法存在局部极小点的问题,通过采用基于优化理论的粒子群优化算法(PSO)来改进Levenberg-Marquardt(LM)算法。将提取的目标瞬态特性特征作为各种算法的输入,通过mat-lab仿真,对整个样本进行训练,并随机选择小样本进行检验。结果表明,优化方法均合理可行,其收敛速度和预测精度有明显的提高,综合来讲,粒子群算法优化后的LM算法表现出较大的优越性,为利用目标的瞬态特性进行目标识别提供了一种新方法。     

无线传感器网络节点定位的混沌粒子群优化算法

针对粒子群优化算法收敛速度慢且稳定度不高的问题,把混沌寻优思想引入到粒子群优化算法中,提出一种基于混沌粒子群优化算法的无线传感器网络节点定位算法。该算法首先对当前粒子群中的最优粒子进行混沌寻优,然后用混沌寻优的结果随机替换粒子群体中的一个粒子,通过迭代搜索最佳坐标。仿真结果表明,在参数合理设置的前提下,该算法性能稳定,并且具有较快的定位速度和较高的定位精度。     

基于多种群的粒子群优化算法

针对由于积累时间长、目标距离徙动和频率徙动导致相参积累效能降低的问题,提出了一种基于多种群的粒子群优化算法。首先将目标回波数据进行分段,使得段内目标回波数据分布不会跨距离单元和频率单元,然后利用基于种群交换的多种群粒子群优化算法进行距离、速度和加速度参数搜索,采用迭代寻找全局最优粒子,作为目标的距离、速度和加速度,实现目标回波的相参积累。仿真试验验证了算法的有效性。     

粒子群优化算法在天线罩误差斜率控制中的应用

为了获得有效的天线罩修磨方案,文中将粒子群优化算法应用到天线罩误差斜率修磨调整技术中。相比传统的方法,该方法减小了试验和数据处理的工作量,提高了工作效率和工作质量。仿真结果表明,该方法可有效地把瞄准误差斜率控制在指标范围之内,且修磨方案的优劣仅与算法的性能有关,对修磨经验要求低,可操作性强。     

基于改进二进制粒子群算法的LFSR种子优化方法研究

为降低BIST测试功耗,采用一种改进的二进制粒子群算法对LFSR种子进行优选,使测试图形的长度得到减小进而降低了测试功耗;以ISCAS’85 benchmark电路作为测试对象,同时用粒子群算法和模拟退火算法进行实验,通过对比结果证明了该方法简单有效,可以在不增加硬件开销的情况下大幅度降低BIST测试功耗。     

基于粒子群优化的伺服系统比例积分微分控制器设计方法

给出了 一种基于粒子群优化（PSO)算法的火炮伺服系统比例积分微分（PID)控制器优 化设计方法。定义了 ー个综合考虑火炮调转时间、上升时间、超调量、系统静态误差、等速跟踪误差 和正弦跟踪误差等动静态性能的指标函数,在给定的控制器参数空间进行组合优化搜索,可迅速求 得使性能指标优化函数极小化的ー组PID控制器参数。仿真結果表明该方法有效。     

基于粒子群算法的混编群兵力部署优化研究

通过对混编群兵力部署影响因素分析,根据混编群兵力部署原则,建立了混编群兵力部署优化模型.针对该优化问题,提出了一种改进的粒子群算法,给出了模型求解方法和步骤.经过应用实例计算,取得了良好的部署效果,为解决混编群兵力部署优化问题提供了一种有效的途径.