基于修正PSO-UKF的SINS/GPS组合导航滤波算法

针对噪声时变特性引起滤波精度下降的问题,提出了一种基于修正粒子群技术( PSO)的自适应UKF算法.为了克服传统粒子群算法过早收敛,容易陷入局部最优的问题,基于粒子的适应值方差提出了一种惯性权值实时修正算法,有效改善了传统PSO算法.在使用新息序列对观测噪声进行实时跟踪的同时,通过构造合理的适应度函数将修正PSO算法和...     

基于多轮升维策略与改进量子行为粒子群优化算法的热导率函数估计方法

将改进的量子行为粒子群优化算法应用于材料热导率函数估计问题中,并提出了一种多轮升维策略对算法的搜索过程进行优化,形成了一种鲁棒性强且高效的反演方法。通过数值实验测试了该方法在测量误差以及系统误差下的表现,并对不同粒子群优化算法的性能进行了比较研究。结果表明,采用的反演方法能够在较大的搜索范围与反演维度下稳定收敛,对测量误差的敏感度较低;提出的多轮升维策略能够使各类粒子群优化算法在热导率函数估计问题中的搜索效率得到提升。     

类电磁机制算法研究与改进

针对原算法中初始种群不均匀、局部搜索随机性强及移动公式效率低等问题,提出了一种改进的类电磁机制算法。采用随机化均匀设计方法构造初始种群,将混沌搜索与试探性移动方法相结合进行局部搜索,运用改进后的公式计算粒子之间的合力,将遗传变异思想融入移动公式来更新粒子。实验结果表明,改进后的算法具有更好的收敛效果和更高的求解精度。     

类电磁机制算法研究与改进

针对原算法中初始种群不均匀、局部搜索随机性强及移动公式效率低等问题,提出了一种改进的类电磁机制算法。采用随机化均匀设计方法构造初始种群,将混沌搜索与试探性移动方法相结合进行局部搜索,运用改进后的公式计算粒子之间的合力,将遗传变异思想融入移动公式来更新粒子。实验结果表明,改进后的算法具有更好的收敛效果和更高的求解精度。     

基于螺旋修正的卫星位姿更新算法

由于卫星运动的不可交换性,在卫星测量过程中引入螺旋修正算法描述编队卫星中主从星的相对位置和姿态信息,提出了基于螺旋修正的编队卫星相对位姿测量算法。首先基于典型的螺旋环境,设计了螺旋修正算法,论证了其与传统圆锥修正算法和划船修正算法的一致性,采用三子样螺旋修正算法进行仿真并与传统算法的精度进行比较。仿真结果表明该算法的位置和姿态精度分别可以达到10-3 m和10-6数量级,满足测量精度要求。该算法不用像传统算法分别为卫星的位置更新和姿态更新设计两组优化系数,因此降低了算法复杂度。     

改进的PSO与ACO混合搜索GNSS整周模糊度算法

针对蚁群传统算法在计算GNSS整周模糊度过程中由于缺少初始信息素而产生搜索效率低下问题,提出改进的粒子群(PSO)与蚁群(ACO)混合搜索GNSS整周模糊度算法。在搜索初期,由于改进粒子群算法具备收敛速度快的优势,进行粗搜索获取次优解,并以此来初始化改进蚁群算法的信息素分布,最后完成整周模糊度的细搜索。基于经典算例和实测GPS/BDS数据进行了仿真对比实验,结果表明,改进的混合算法比单算法可以更快地收敛于最优解,搜索效率要明显优于LAMBDA算法,且解算的基线精度可以控制在3 mm以内(RMS),有效性和可靠性得到了较好的验证。     

基于修正光滑粒子流体动力学算法的低能量耗散数值波浪水池开发

目前, 无网格光滑粒子流体动力学SPH粒子法在波浪与结构物相互作用研究方面得到广泛应用, 但该方法模拟波浪远距离传播时, 常常面临严重的能量耗散问题, 导致波高非物理性降低, 给大范围海域、长时间作用下的波-物耦合作用研究带来一定困难. 对此, 本文采用一种核函数修正算法, 在确保粒子间相互作用对称性的同时, 改进压力梯度离散项的计算精度, 设法解决SPH方法中能量非物理性耗散的难题. 相较于前人减缓能量非物理性衰减的方法, 本文的修正SPH算法避免了自由液面搜索等复杂处理过程, 并能保证动量守恒特性. 数值结果中, 采用振荡液滴、规则波、不规则波等算例, 验证本修正SPH算法的准确性和有效性. 结果表明, 该修正SPH算法能准确模拟振荡液滴形态变化, 且动能保持较好守恒性. 通过数值水池与物理水池两者规则波与不规则波结果的对比分析表明, 基于本文修正SPH算法建立的数值波浪水池具有较好的抗能量衰减效果, 能实现长时间、远距离波浪传播的准确模拟. 此外, 本算法能在低光滑长度系数条件下, 实现精确模拟, 将极大缩减三维SPH模拟的时间, 从而节约计算成本.      

基于PSO-HJ算法的多无人机协同航迹规划方法

针对多无人机协同航迹求解计算量大、难以收敛等问题,提出了一种基于粒子群优化和Hook-Jeeves (PSO-HJ)搜索算法相融合的多无人机时间协同三维航迹规划方法。首先,建立了单无人机航迹规划求解模型。然后,通过对适应度评价函数值低的粒子引入Hooke-Jeeves搜索算法,提高了粒子多样性,改善了航迹规划算法收敛性;对不满足约束的粒子引入约束违反度函数,基于比较准则提出了一种新的粒子评价机制,促进粒子搜索位于约束边界的最优解,加快了航迹规划算法的计算效率。最后,设计了一种多无人机时间协同航迹规划求解算法,利用PSO-HJ算法先分别求解单无人机航迹信息,通过多无人机集中航迹规划层协调到达时间实现协同航迹规划。仿真结果表明,PSO-HJ算法的精度比量子粒子群(QPSO)算法精度提高了20.85%,比PSO算法精度提高了58.14%,更适用解决实际复杂的多机协同规划问题。     

遗传算法改进及其在岩土参数反分析中的应用

本文的主要目的是开发基于实数编码的杂交遗传算法来识别土体的本构参数。该杂交遗传算法在经典遗传算法框架下开发,融合两个新开发的交叉算子,形成了一个新的杂交策略。为了保持种群的多样性,在算法中采用了一个动态随机变异算子。另外,为了提高算法收敛性,采用了一个基于混沌的局部搜索技术。分别基于室内试验和现场试验,通过识别土的本构参数来测试新算法的搜索能力和搜索效率。为了测试新开发算法的突出表现,特选用5种经典的随机类算法（遗传算法、粒子群算法、模拟退火算法、差分算法和蜂巢算法）,分析同样的案例进行比较。结果表明,在收敛速度和最优解的准确度方面,新改进的算法可以很好地处理岩土工程的参数反演。     

面向工程全局优化的混沌优化算法研究进展Research advances of chaos optimization algorithms for engineering global optimization

近年来,基于混沌的初值敏感性、伪随机性、遍历性以及自相似分形等非线性动力学特性所发展的混沌优化方法,是一种有潜力的工程全局优化新工具,已广泛应用于科学与工程技术的各学科领域。根据混沌优化方法的发展历程,以算法基本思想和工程应用研究状况为重点,评述了混沌神经网络优化方法、第一类混合混沌优化算法（基于混沌搜索）、第二类混合混沌优化算法（混沌序列代替随机序列）以及混沌分形优化四种主要混沌优化算法。混沌映射最早被引入神经网络,发展了混沌神经网络优化方法,可解决复杂的组合优化等全局优化问题。遗传算法及粒子群等启发式随机算法虽具全局搜索能力,但易出现早熟并陷入局部最优。然后,出现了混沌搜索的概念,研究者将其嵌入启发式算法建立了第一类混合混沌优化算法,可有效克服原启发式算法早熟收敛的缺点。随后,利用混沌映射产生的混沌序列代替启发式算法中的随机参数形成了第二类混合混沌优化算法。混合混沌优化算法有益于实现快速全局收敛和提高计算精度。最后,利用混沌分形特性,从分形理论出发提出一类新颖的混沌分形优化算法,可搜索到优化问题的所有全局最优解。此外,对混沌优化算法研究的几个发展方向进行了展望,诸如加强混沌优化算法的参数设计、处理大规模优化、多目标优化问题以及使用代理模型等。     

利用Kriging方法进行结构模型修改

结构模型修改已经演化为一个多学科的研究课题，本文将该问题处理为确定从模态参数到模型参数之间的映射问题，并利用起源于地质统计学的Kriging技术实现该映射。对于一实际钢结构，通过实验测量得到了全部摸态数据，利用部分测量得到的模态数据进行了模型修改的实验研究，实验结果表明，利用修改后模型计算得到的全部摸态数据与测量结果吻合良好，表明该模型修改方法是可行的；同时该方法表现出了与基于神经网络的修改方法的互补特性。     

Constrained Substructure Model Updating Method Based on Local Mode

针对局部子结构为修正对象的情况提出了约束子结构修正法,实现只利用整体结构模态中对 应子结构部分的模态即可以修正子结构模型. 由脉冲响应结合特征系统实现法识别出子结构的低阶模态; 结合识别的模态和整体结构理论模型的高阶模态构造整体结构对应子结构位置的柔度矩 阵;利用柔度矩阵的物理意义,在子结构的边界上施加数值支座,把子结构从整体结构 中隔离出来成为约束子结构,同时构造出约束子结构的柔度矩阵;利用灵敏度的方法根 据构造出的约束子结构柔度矩阵,优化修正约束子结构,即间接等效地修正子结构模型. 通过一个平面桁架结构验证了约束子结构模型修正法的可行性与有效性,即使在5%或 10%的噪声影响下,仍能得到满意的修正结果. 关键词 模型修正,柔度矩阵,约束子结构,灵敏度,修正单元力     

基于Kriging代理模型的迭代更新高效反演方法

为提高混凝土坝等大体积结构参数反演效率和精度,减少由于应用有限元进行大量正分析而产生的计算机时,建立了一种结合Kriging代理模型和粒子群优化(PSO)算法的迭代更新反演方法。通过拉丁超立方抽样(LHS)方法确定初始样本点的空间分布,并使用有限元正分析获取对应的响应值,构建粗糙的初始代理模型,结合具有全局寻优能力的PSO算法,反演大体积结构的分区弹性模量,随之再代入有限元模型中,计算获取新的位移响应,并将其作为新样本加入到样本集中,通过迭代更新获得局部更高精度的代理模型。工程实际算例表明,该方法对混凝土坝等大体积结构参数反演精度较高和适用性好,且能大幅减少传统有限元模型反演方法所需消耗的正分析机时,提高反演效率。     

求解非线性方程组的混合遗传算法

非线性方程组的求解是数值计算领域中最困难的问题。大多数的数值求解算法例如牛顿法的收敛性和性能特征在很大程度上依赖于初始点。但是对于很多非线性方程组,选择好的初始点是一件非常困难的事情。本文结合遗传算法和经典算法的优点,提出了一种用于求解非线性方程组的混合遗传算法。该混合算法充分发挥了遗传算法的群体搜索和全局收敛性,有效地克服了经典算法的初始点敏感问题;同时在遗传算法中引入经典算法(Powell法、拟牛顿迭代法)作局部搜索,克服了遗传算法收敛速度慢和精度差的缺点。选择了几个典型非线性方程组,从收敛可靠性、计算成本和适用性等指标分析对比了不同算法。计算结果表明所设计的混合遗传算法有着可靠的收敛性和较高的收敛速度和精度,是求解非线性方程组的一种成功算法。     

基于遗传算法的GPS姿态测量技术

提出了一种新的GPS载波相位姿态测量搜索技术。它是一种基于遗传算法（Genetic Algorithm,GA)，采用二值编码，最佳保留（Elitist Model)选择机制和模糊度函数法的适应度函数，并以分级方式（粗搜索GA和精搜索GA）进行最优搜索，实现GPS姿态快速测定。试验结果表明：该方法对复杂搜索之间的搜索效率高，速度快，并且对周跳不敏感。     

结构动力模型修正方法的比较研究及评估

在实际工程中,由结构动力模型得到的计算值与通过试验获得的测量值间往往存在偏差,为了能够精确预测结构的动力响应,依据测量信息修正存在的动力模型是非常必要的.对现有几种有效的用于结构动力模型修正的理论方法(包括基于敏感性分析的矩阵型法、基于神经网络算法的参数型法和基于遗传优化算法的方法)做了详细的综述;介绍了这些方法的步骤和研究进展;并分析了这些动力模型修正方法在工程运用中存在的一些实际问题,如不完整的模态测量值、模型修正的鲁棒性、模型修正的计算效率和收敛性等.最后,通过对一实际的五层钢框架的动力模型修正,比较了这几种方法的优缺点,提出了今后需要解决的问题.      

基于局部模态的约束子结构模型修正法

针对局部子结构为修正对象的情况提出了约束子结构修正法,实现只利用整体结构模态中对应子结构部分的模态即可以修正子结构模型.由脉冲响应结合特征系统实现法识别出子结构的低阶模态;结合识别的模态和整体结构理论模型的高阶模态构造整体结构对应子结构位置的柔度矩阵;利用柔度矩阵的物理意义,在子结构的边界上施加数值支座,把子结构从整体结构中隔离出来成为约束子结构,同时构造出约束子结构的柔度矩阵;利用灵敏度的方法根据构造出的约束子结构柔度矩阵,优化修正约束子结构,即间接等效地修正子结构模型.通过一个平面桁架结构验证了约束子结构模型修正法的可行性与有效性,即使在5%或10%的噪声影响下,仍能得到满意的修正结果.     

自适应免疫遗传算法

遗传算法(GA)是基于自然遗传规则随机搜索技术的一种进化算法,但是随着实际结构的大型化和复杂化,它往往出现过早收敛的现象。在研究了算法的编码方式、控制参数和算子操作之后,就其全局收敛性的不足,提出动态自适应策略以改进其性能,在基本遗传算子的基础上,采用了免疫遗传算子和保优策略。其中免疫算子可以防止交叉变异中的个体退化,自适应策略则保持了种群的多样性,以此保证遗传算法尽快收敛到全局最优解,称之为自适应免疫遗传算法(AIGA)。随后以经典的十杆桁架结构优化问题作为例子说明算法的优越性,结果表明AIGA在随机结构优化中计算有效、结果可靠。     

基于Kriging模型和改进MCMC算法的随机有限元模型修正

针对待修正参数维数较高时,标准马尔可夫链蒙特卡罗MCMC (Markov Chain Monte Carlo)算法不易收敛、拒绝率高的问题,提出了基于Kriging模型和在MCMC中融合花朵授粉算法的修正方法.首先,以待修正参数作为输入,以应变模态作为输出,建立Kriging模型,通过蝙蝠算法确定Kriging模型的相关系数;然后,采用最大熵的贝叶斯方法估计参数的后验概率密度函数,将花朵授粉算法融入MH (M etropolis-Hasting)抽样算法,提高局部寻优和全局寻优能力;最后,通过三自由度弹簧-质量系统和三维桁架结构的数值算例验证所提模型修正方法,修正后参数相对误差均低于0.86％.结果 表明,所提方法修正后较高维参数的马尔可夫链能够快速收敛且样本接受率也有所提高,该方法也对随机噪声具有一定的鲁棒性.