基于自适应遗传算法的三轴磁强计校准（英文）

针对MEMS磁强计的精度无法满足姿态测量系统的航向角测量要求,对磁强计的误差来源进行了模型化分析,设计了一种基于自适应遗传算法的空间椭球磁强计校准方法。首先,采取自适应遗传算法,对磁强计测量的原始数据进行空间椭球的拟合,用估计的参数进行刻度系数、软磁干扰、硬磁干扰与零位偏置的综合误差补偿。其次,利用最小二乘法求解出非正交轴的方向余弦,进行非正交误差和安装误差的补偿。最后,将该方法应用到某姿态测量系统中,分别用未补偿和补偿后的数据进行姿态测量实验,实验结果表明该方法准确计算出磁强计的误差参数,使补偿后的航向角精度提高了6.8倍。     

基于自适应UKF算法的MEMS陀螺空中在线标定技术

为保证微型卫星定位应用中系统精度与稳定性,需要对姿态传感器进行实时在线标定.在无外界姿态参考时,提出一种用三轴磁强计测量值来实时估计MEMs陀螺的零漂误差的方法,采用UKF滤波算法,将陀螺漂移作为滤波状态向量,通过建立三轴磁强计测量微分方程,作为系统量测方程实现陀螺漂移的最优估计.针对磁强计测量信息易受干扰导致滤波量测模型不准确的问题,将自适应因子引入到UKF中,通过在线监控和调整测量误差,减少陀螺标定的估计误差,增强系统性能.实验结果表明,经过标定,MEMS陀螺精度提高约30%,并且在磁强计有外界干扰时,陀螺的标定结果收敛.将标定后的MEMS陀螺进行姿态解算,其动态误差小于2°.     

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。     

基于自适应遗传算法的Stewart平台结构双目标优化设计

探讨了大射电望远镜精调Stewart平台的设计准则,建立了综合衡量Stewart平台运动精度和质量的双目标优化模型,以其结构强度和固有频率为约束条件,采用自适应遗传算法对该优化问题求解。通过与采用标准遗传算法所得优化结果的比较,验证了自适应遗传算法在Stewart平台结构参数设计中的有效性。     

基于双通道解调相位校准技术的MEMS陀螺仪接口电路芯片

MEMS陀螺仪传感器件的机械正交误差信号会造成陀螺仪灵敏度、偏置稳定性等系统关键性能下降,甚至使陀螺仪工作失效。同步解调可以有效消除机械正交误差信号,但需要精准控制校准相位。设计了一款基于双通道解调相位校准技术的陀螺仪接口电路芯片,采用0.35μm CMOS工艺。芯片检测通路中设计了中心频率可调的开关电容型带通滤波器,用模拟方式粗调相位误差,并消除低频振动噪声与高频耦合噪声;解调信号产生通路中设计了可调相移分频器,用数字方式精调相位误差。实验结果表明,本芯片的相位校准精度要明显高于仅采用数字相位校准技术的对比芯片,并且将系统噪声降低了一个数量级以上,偏置稳定性性能也从100(°)/h提高到了6(°)/h。     

JC本构参数反求中的自适应微型遗传算法

提出自适应微型遗传算法,使种群的交叉和变异概率可以根据适应度的大小自我调节,该算法经过了测试函数的测试。本文以JC(Johnson-Cook)本构模型描述的高导无氧铜材料为例,集成运用该算法和有限元方法来反求JC动态本构参数。结果表明,该方法提高了收敛速度和搜索效率,能够快速地获取参数。     

基于自适应参数估计的三轴磁传感器实时校正方法

针对传统基于椭球模型三轴磁传感器无法实时校正的问题,设计了基于自适应参数估计的三轴磁传感器实时校正方法,通过对参数的实时估计与处理,实现了三轴磁传感器误差的校正。首先,对三轴磁传感器全误差模型进行分析与处理,建立了基于模值的参数估计方程;其次,详细分析了参数模型的噪声特性,针对非高斯状态相关噪声,提出了采用自适应参数估计方法;最后,设计仿真与实验分析,完成三轴磁传感器误差校正。实验结果表明,所提出的算法可以实现误差参数的实时校正,提升了磁传感器误差校正的自主性。同时,基于自适应参数估计方法,使得校正结果模值标准差相较于传统方法减小了3倍。     

带有轴间动力学解耦的三轴转台自适应控制

针对某型号转台存在的轴间非线性耦合，运用非线性解耦的方法进行了解耦设计，并基于解耦后的系统提出用超稳定性和正性的方法进行自适应模型跟随控制器设计，来解决系统在运行过程中参数发生变化对控制性能影响的问题。仿真结果表明，当系统参数在一定范围变化甚至被控对象模型阶次发生变化时，所设计的自适应模型跟随控制器仍能保证系统具有良好的控制性能。     

基于和声搜索遗传算法的桁架结构拓扑优化

为改善传统设计理念和遗传算法优化不足,促进桁架结构离散变量拓扑优化发展与创新,将遗传算法与和声搜索算法混合,同时对遗传交叉和变异分3种情况进行自适应改进,建立了用于桁架结构拓扑优化的新型混合遗传算法——和声搜索遗传算法,利用该方法分别对平面桁架和空间桁架结构进行拓扑优化分析,并与改进遗传算法、拟满应力遗传算法、相对差商法、复合形遗传算法和改进蚁群算法比较,证明了此方法是有效、可行的。     

一种基于自适应波峰检测的MEMS计步算法

针对微机电测量系统(MEMS)波峰检测计步算法和自相关分析计步算法仅利用单轴加速度和固定阈值对传感器姿态和运动状态变化适应性较差的问题,提出了一种自适应波峰检测算法。该算法将行人运动状态分为正常状态与非正常状态,根据行人每一步的最大整体加速度与运动状态的内在相关性,获取不同运动状态的波峰检测经验阈值,实现不同运动状态下的自适应计步。通过实验对比分析,自适应波峰检测算法在传感器不同姿态和行人不同运动状态下的计步正确率均可达到99%以上,而常规波峰检测算法和自相关分析算法对正常态的计步精度虽然达到97%和99%以上,但对非正常状态下的计步精度仅有70%和50%,无法适应行人运动状态的变化。结果表明:自适应波峰检测算法对MEMS传感器姿态和运动状态的变化适应性较强,能够实现传感器不同姿态和不同运动状态下的可靠性计步。另外,自适应波峰检测、常规波峰检测、自相关分析算法的时间运算效率分别为0.036 s、0.046 s、0.131 s,自适应波峰检测算法时间效率明显优于其他两种算法。     

基于遗传算法的加速度计免转台标定方法

针对现有的加速度计标定方法依赖于昂贵的仪器设备,导致标定成本高,提出一种低成本、操作简单的加速度计免转台标定方法。该方法通过对原始数据进行预处理,将标定问题转化为优化问题,采用遗传算法进行最优化求解得到补偿参数。通过对比试验得到:两种方法的标定相对误差在0.5%(标度因素)、3%(零偏);两种方法标定后通过加计姿态角提取的水平角误差在0.2°左右。结果表明,加速度计通过该方法经过补偿后,能够得到与传统转台标定方法相同数量级的测量精度,该方法可以有效替代传统标定方法,简化标定步骤,降低标定成本,具有重要的理论及使用价值。     

An adaptive genetic algorithm for solving bilevel linear programming problem

Bilevel linear programming,which consists of the objective functions of the upper level and lower level,is a useful tool for modeling decentralized decision problems. Various methods are proposed for solving this problem.Of all the algorithms,the ge- netic algorithm is an alternative to conventional approaches to find the solution of the bilevel linear programming.In this paper,we describe an adaptive genetic algorithm for solving the bilevel linear programming problem to overcome the difficulty of determining the probabilities of crossover and mutation.In addition,some techniques are adopted not only to deal with the difficulty that most of the chromosomes may be infeasible in solving constrained optimization problem with genetic algorithm but also to improve the efficiency of the algorithm.The performance of this proposed algorithm is illustrated by the examples from references.     

基于递推最小二乘的在线罗差校正方法

现有罗差校正方法不同程度地存在着需要精确控制采样点、校正结果受噪声影响大、不能实现现场环境下的在线校正等问题。针对这一问题,设计了一种基于递推最小二乘的在线罗差校正方法。介绍了罗差校正的基本原理,推导了基于递推最小二乘罗差校正的实现过程,设计了转台试验及车载试验进行验证分析。两次转台试验中,罗差校正前后系统航向角误差标准差分别由30.9418°与3.2407°降低至3.8861°与1.2964°;车载试验中,车辆仅需原地转圈即可实现罗差校正,15 min跑车结果显示,校正后航向角误差标准差由17.2037°降低至2.8818°。试验结果表明,该罗差校正方法简单易用,可应用于现场在线校正,相比传统方法高效、稳定。     

一种基于遗传模糊推理的自适应容错滤波算法

针对常规卡尔曼滤波在组合导航中容错性不足的问题,提出了一种基于遗传模糊推理的自适应容错滤波算法。首先建立了基于模糊推理的自适应滤波模型,利用模糊推理系统的输出对组合导航系统的量测噪声实时进行调整,以实现状态的精确估计,进而达到容错目的。接着利用自适应遗传算法对模糊推理系统的隶属度函数参数进行了优化,提高了系统的输出精度,改进了传统模糊建模中系统精度取决于专家知识是否完备的问题。最后以SINS/GPS组合导航系统为平台进行了仿真,并在系统工作中间时刻引入量测噪声故障。验证结果表明遗传模糊推理自适应滤波算法比常规卡尔曼滤波具有更强的容错能力和总体精度,在仿真中,平均位置和速度均方根误差分别降低了20.87%和41.94%。     

基于遗传算法的舰载IMU优化布局

惯性测量单元（IMU）用来为舰载武器系统提供准确的姿态并实时监测舰船甲板的变形，对其数目和位置进行优化具有重要的实用价值．提出了多IMU优化布局的原则，建立了舰载IMU优化布局的数学模型，采用遗传算法对IMU的布局进行了优化求解。仿真结果表明，舰载IMU的布局是影响甲板变形估计精度的一个重要因素，通过对IMU的布局进行优化，减少了舰载武器系统所需IMU的数量；利用优化布局后IMU的输出信息对全舰甲板变形进行估计，估计精度有很大提高。     

基于遗传算法的飞机气动优化设计

建立了一种以实数编码技术为基础的遗传算法模型，并把它与通过工程估算的气动分析方法相结合，进行飞机气动形的单点和多点优化设计。 优化设计中，设计变量取机为机翼、机身和尾翼的外形及三者之间的相对位置，优化目标是使飞机在跨音速和超音速飞行状态下获得配平状态下最大的升阻比。设计结果表明该优化设计方法是十分有效的，可以用来具有正常布局形式的飞机进行气动外形的优化设计。