粒子群算法在装配序列规划中的应用方法研究

将粒子群优化算法引入到装配序列规划中,详细讨论了粒子群算法在装配规划中的数学表示,给出了适应度函数评价方法,并实现了装配干涉矩阵的构建,以发动机化油器装配为例,分析了粒子群算法在装配序列规划中的具体应用.     

虚拟装配中基于知识的装配序列规划

针对虚拟环境下的装配序列规划问题,提出了将事例型知识与规则型知识相结合来辅助人的装配规划决策;同时提出了装配序列的递进分层推理模型,以便将人的能动性和计算机的快速推理相结合,提高装配序列规划的效率和准确性.     

基于遗传算法的飞机维修拆卸/装配序列规划研究

飞机维修拆卸/装配序列规划是整个飞机产品维修作业的重要组成部分,同时也是飞机远程诊断与远程维修的重要研究内容。针对飞机维修过程中拆卸/装配序列规划问题的特点和要求,本文从维修产品的拆卸/装配过程稳定性、拆卸/装配方向和拆卸/装配工具的改变次数三个方面来设置目标函数,解决了零件数量大的产品规划计算效率不高且没有考虑产品的维修过程稳定性问题。本文开发出了基于遗传算法的飞机维修拆卸/装配序列规划系统,并结合具体产品进行了验证。     

一种基于改进蚁群算法的维修拆卸序列规划方法

鉴于现有的蚁群算法用于维修拆卸序列规划时易受到初始序列的影响而陷入局部最优解的问题,本文根据维修拆卸的特点,基于DCPN模型构建了拆卸Petri网可达图,将拆卸序列规划问题转化为对Petri网可达图最优路径的搜索问题。同时以拆卸代价最小为目标,提出了一种适用于维修拆卸序列规划的蚁群算法,并以飞机前机身电子设备舱设备作为典型实例,验证表明该方法准确有效。     

支线飞机装配序列规划的研究

为了提高支线飞机的装配效率,提出了基于二进制编码的并行装配序列规划方法,实现产品的并行装配.通过二进制编码来描述产品各零件之间的装配优先关系,定义了带时间约束的装配特征表,使用二进制运算操作来更新装配过程中零件间的优先关系,提出了以缩短装配时间为目标的并行装配序列的生成算法.该算法能缩短产品的装配时间,适用于支线飞机的并行装配规划.国产某型号支线飞机总装实例验证结果表明了该方法的可行性和有效性.     

基于改进多元优化算法的动态路径规划

为满足动态路径规划实时性强和动态跟踪精度高的需求,提出一种基于能够同时发现并追踪多条最优以及次优路径的改进多元优化算法(IMOA)的求解方法。首先,通过利用贝赛尔曲线描述路径的方法把动态路径规划问题转化为动态优化问题;然后,把相似性检测操作引入到多元优化算法(MOA)中,增加算法同时跟踪多个不同最优以及次优解的概率;最后,用IMOA对贝赛尔曲线的控制点进行寻优。实验结果表明:当最优路径由于环境变化而变为非优或者不可行时,利用IMOA对多个最优以及次优解动态跟踪的特点,能够快速调整寻优策略对其他次优路径进行寻优以期望再次找到最优路径;其综合离线性能较其他方法也有一定的提高。因此,IMOA满足动态路径规划的实际需求,适用于解决动态环境中的路径规划问题。     

基于层次结构的装配顺序规划

简要介绍了虚拟装配顺序规划的研究状况。在层次结构关系的基础上建立了一种较为简明的装配关联矩阵,并引入装配通道函数以保证装配的几何可行性,提高了装配顺序规划质量,在减少可行装配顺序遗漏的同时缩小了可行解的空间,提高了装配顺序规划的效率。     

基于改进蚁群算法的无人机路径规划

针对传统无人机路径规划算法存在规划效率低以及无法满足特定任务需求的缺点,提出了基于改进蚁群优化算法的无人机路径规划算法。首先,将待规划区域栅格化,给每一个网格按顺序编号;其次,在路径搜索时引入了一种双向搜索机制,对信息素的更新规则和下一步节点的选择方法做出改进;最后,提出了一种新的方法来整合两组蚂蚁生成的路径,并给出了若干仿真试验结果。结果表明,所提算法相比传统算法更能有效避免过早陷入局部最优,收敛速度加快,生成满足任务约束的最短路径。     

基于矩阵相容性的飞机装配序列模糊综合评价

为简便有效地评价飞机可行装配序列,在建立飞机装配评价指标体系基础上,根据矩阵相容性原理来获得评价指标权重值,并将基于工艺规则的定性评价方法和基于量化指标的定量评价方法相结合,提出基于矩阵相容性的飞机装配序列模糊评价方法,并进行反馈优化.最后,根据装配实例验证该方法的有效性.     

基于多目标进化算法的卫星机动路径规划

建立了带挠性帆板卫星姿态控制问题的多目标优化模型,并基于一种多目标优化精英进化算法,规划卫星姿态机动的最优路径,以进一步提高卫星姿态控制系统的控制性能.仿真结果表明,所提方法只需运行一次,便能够有效地规划出一组多样性较好的非支配路径解,供决策者在不同的工作目标下选择,有效地缓解了卫星快速性、姿态稳定度、卫星机动所激发的帆板低振动强度之间的矛盾.      

基于连接关系稳定性的子装配体识别

产品装配序列规划问题是一个典型的组合优化问题,在求解过程中容易导致组合爆炸。通过将复杂的产品划分成一个个合理的子装配体,可以有效地解决装配序列规划搜索空间过大的问题。本文以产品连接关系图为基础,通过研究产品各个部件之间的连接关系,对连接关系的稳定性进行分类,基于连接关系稳定性建立权重连接关系图,进行子装配体的划分;同时,根据子装配体功能和结构的相似性,构造相似子装配体。本文所求得的子装配体具有较好的稳定性和均衡性。     

基于改进遗传算法的选择性拆卸序列规划

选择性拆卸序列规划(SDSP)是民用飞机维修规划的一个重要内容,也是在设计阶段对民用飞机产品维修性的评估。为了能以较高的效率求解出产品拆卸序列的方案,首先根据拆卸特点构建了产品拆卸混合图模型。该模型描述了零部件之间的连接关系和优先关系,然后通过对目标零件的分析产生选择性拆卸零件集合。在此基础上建立目标函数并利用基于二叉树的遗传算法的计算速度和灵活性等特点对目标零件拆卸序列进行优化。最后,通过一个实例,验证了文中方法的可行性及优化算法的有效性。     

基于多目标算法的空中作战任务规划框架研究

空中作战任务规划是一项复杂的任务,随着空中作战飞行器的种类、数量及其之间交互性的增加,任务规划也变得越来越复杂。任务规划人员必须在有限的时间内制定出最优的任务分配策略。决策支持工具可以辅助任务规划人员找到最优的规划方案。介绍了设计多目标进化算法以及在空中作战任务规划领域的框架和工作流程,具体的任务包括空中打击动态目标的定位问题和情报监视侦察（ISR）任务规划。总结了这些研究的经验教训,探讨了未来可能的发展方向。     

基于改进鲸鱼优化算法的无人机航路规划

针对复杂地形环境下的无人机航路规划问题,提出一种基于改进的鲸鱼优化算法的航路规划算法。首先,根据起始点和目标点等信息,通过坐标系旋转将二维航路规划问题转化为D维空间下的寻优问题;然后,将灰狼优化算法中的等级制度和微分进化算法中的贪婪策略引入鲸鱼优化算法提出改进的鲸鱼优化算法。在保证算法收敛速度的同时,所提的改进鲸鱼优化算法有效地提高了开发能力和搜索能力。最后,将提出的改进算法应用于无人机的航路问题求解。仿真结果表明,所提的改进鲸鱼优化算法能够有效的获得一条代价最优的、有效的航路结果,其性能优于传统的优化算法。     

基于HPSO-W算法的多机航迹协同规划方法

随着无人机应用愈加广泛,三维环境下多无人机航迹协同规划问题成为近年来的研究热点。针对多机协同航迹规划问题,基于应急物流任务环境与无人机性能约束,以全局安全运行综合代价最小为优化目标建立时空协同规划模型。考虑航迹规划中粒子群算法易陷入局部极值,后期收敛慢的缺点,提出一种基于狼群优化思想的混合改进粒子群算法HPSO-W。主要是先对粒子群算法参数进行优化,加入极值变异思想,并引入头狼召唤和优胜劣汰机制,平衡算法全局和局部搜索能力,加速后期收敛,避免局部阻滞,提高寻优性能。对比验证了HPSO-W算法的高效性,并通过实例验证了协同航迹规划方法的可行性与有效性。     

基于改进鲸鱼优化算法的无人机航路规划

针对复杂地形环境下的无人机航路规划问题,提出一种基于改进的鲸鱼优化算法的航路规划算法。首先,根据起始点和目标点等信息,通过坐标系旋转将二维航路规划问题转化为D维空间下的寻优问题;然后,将灰狼优化算法中的等级制度和微分进化算法中的贪婪策略引入鲸鱼优化算法提出改进的鲸鱼优化算法。在保证算法收敛速度的同时,所提的改进鲸鱼优化算法有效地提高了开发能力和搜索能力。最后,将提出的改进算法应用于无人机的航路问题求解。仿真结果表明,所提的改进鲸鱼优化算法能够有效的获得一条代价最优的、有效的航路结果,其性能优于传统的优化算法。     

基于改进烟花算法的资源分配

资源分配问题作为一个NP-Hard问题,在云计算、无线电、卫星调度、多无人机协同作业等领域皆有研究需求,是一个共性的数学问题。烟花算法作为一种智能优化算法,具有求解大规模资源分配问题的能力,但也存在求解精度低等问题。为了提高传统烟花算法的计算效率和全局寻优能力,提出一种改进烟花算法,用遗传算法中的变异算子替代高斯变异操作,并增加模拟退火流程。最后在多无人机协同作业任务分配数学模型上进行仿真验证,实验结果表明在收敛速度以及计算精度方面,该算法均优于其余3种烟花算法。     

基于改进A^*算法的无人机快速轨迹规划方法

针对旋翼无人机在三维障碍物环境中自主飞行时路径搜索速度慢、轨迹生成通常忽略无人机动力学特性的问题,发展一种基于改进A^*算法并同时考虑无人机动力学特性和运动学性能的快速轨迹规划方法。首先,在三维障碍物环境中运用改进A^*算法通过剔除部分网格节点降低A^*算法的节点计算量,提升算法的路径搜索速度;其次,以最小化飞行轨迹的四阶导数作为目标函数,以路径点处的位置、速度、加速度等各阶导数作为约束条件优化飞行轨迹;最后,在三维障碍物环境中对比A^*算法改进前后的路径搜索结果,并对优化的飞行轨迹进行仿真飞行测试。结果表明:改进A^*算法大幅降低了A^*算法的节点计算量,显著提升了路径搜索速度;且无人机能够始终以较小位置误差沿优化轨迹光滑连续飞行。     

基于改进PSO的飞行控制律参数多目标优化方法

针对传统飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且与飞行品质要求缺乏相关性,以及物理意义不明确等缺点,提出了一种基于改进粒子群算法的飞行控制律多目标优化设计方法。该算法模拟鸟类捕食过程,使得种群随着"食物"的发现和消耗,聚集为数量和构成动态调整多个子群,且子群粒子速度也随之进行自适应变异。从而,有利于维持种群的多样性,有效抑制早熟收敛现象发生。最后,还使用改进的粒子群优化算法对某型飞机横侧向控制律设计进行了数值仿真,结果显示该算法有效提高控制律优化调参效率,可满足期望的飞行品质要求。