学科分类
/ 12
224 个结果
  • 简介:针对捷联惯组历次测试数据小样本、非等间隔、非线性的问题,提出了一种基于分形插值的三次混合插值算法。通过第一次分形插值保证原始测试数据的变化趋势;通过第二次样条函数插值保证了插值的准确性,实现原始测试数据等间隔化;通过第三次分段线性插值,扩大样本容量,同时保证了原有测试序列的统计特性不变。实例分析表明,该算法很好的实现了对捷联惯组历次测试数据的等间隔处理和样本容量扩大,为捷联惯组历次测试数据小样本建模分析提供良好的基础。

  • 标签: 捷联惯组 历次测试数据 小样本 非等间隔 分形插值
  • 简介:用时域泰勒级数展开的方法分析了速率偏频激光陀螺惯导系统常用速度数值积分算法的误差。分析显示速率偏频陀螺本身的高速旋转使惯性导航系统时刻处于大角运动条件下。若其旋转轴与比力方向不平行,则常用速度算法的误差不可忽略。提出了速率偏频激光陀螺惯导系统速度算法的优化改进方法。对常用速度算法和提出的算法进行了仿真比较。仿真显示,用泰勒级数展开分析速度数值积分算法误差是可行的;提出的算法能够将速率偏频激光陀螺惯导系统以及其他惯性导航系统在大机动运动环境下的导航精度提高一阶。

  • 标签: 速率偏频 速度算法 误差 优化
  • 简介:模糊系统具有容易被人理解的表达能力,神经网络则具有极强的自适应学习能力。本文将模糊逻辑控制技术和神经网络技术相结合,给出了一种比单独模糊系统或单独的神经网络系统性能更好的基于模糊RBF神经网络自整定的拥塞控制方法。该方法根据路由器中队列长度的变化来调整数据包的丢弃概率,从而使路由器的队列长度稳定在一期望值附近。仿真结果表明,该算法具有较强的鲁棒性,更短的调节时间。

  • 标签: 拥塞控制 主动队列管理 模糊神经网络
  • 简介:圆锥误差是影响捷联惯导系统姿态算法精度的原理性误差,其对三轴激光捷联惯导系统精度的影响显著.对三轴机抖激光陀螺捷联惯导系统,除了弹体运动可能引入圆锥运动外,三轴机抖激光陀螺产生的机械抖动也会在惯导系统中引入圆锥运动.文中分析了两种圆锥运动在三轴激光捷联惯导系统中产生的机理,并给出了圆锥误差补偿算法在不同试验条件下的应用效果.

  • 标签: 捷联惯导系统 圆锥误差 姿态算法 激光陀螺
  • 简介:常规惯性/天文组合导航方法难以直接应用于高超声速飞行器机载环境下以载体系为基准进行星光测量的情况,且在可见星只有一颗时无法连续组合。为此,构建了高超声速飞行器惯性/卫星/天文紧组合导航系统方案,通过分析载体系下星光仰角、方位角与惯导误差之间的转换关系,建立了载体系下惯性/天文角度组合模型。理论分析表明,该系统在只有一颗导航星时仍能辅助惯导工作,且可使观测噪声特性保持稳定,从而提高了天文对惯导辅助的连续性和组合滤波估计精度。仿真结果表明,在高超声速飞行器导航系统采用天文角度辅助后,姿态误差较无天文辅助情况的降低60%~70%。

  • 标签: 天文导航 角度观测 组合导航 卡尔曼滤波
  • 简介:生产系统随着设备磨损往往会失控或发生故障,给企业带来巨大损失.本文以备货型生产系统为研究对象,根据其成品先入库后销售的特点,建立基于故障率的非周期的生产、维修、库存整合模型.模型以最小化单位总成本为目标,基于萤火虫算法的邻域结构改进粒子群算法,求解系统的最优生产率和维修策略,并分析比较不合格产品率、失控率对目标函数值和最优策略的影响.

  • 标签: 备货型生产系统 故障率 非周期整合模型 粒子群算法 萤火虫算法
  • 简介:为了解决配送中心选址与带时间窗的多中心车辆路径优化组合决策问题,利用双层规划法建立了配送中心选址与车辆路径安排的多目标整数规划模型,针对该模型的特点,采用两阶段启发式算法进行了求解。首先,通过基于聚集度的启发式算法对客户进行分类,确定了备选配送中心的服务范围;然后,基于双层规划法,以配送中心选址成本最小作为上层规划目标,以车辆配送成本最小作为下层规划目标,建立了多目标整数规划模型;最后,利用改进的蚁群算法进行了求解。通过分析实例数据和BarretoBenchmark算例的实验结果,验证了该模型的有效性和可行性。

  • 标签: 运筹学 选址-路径优化 双层规划法 蚁群算法 客户重要度
  • 简介:针对SAR图像匹配及定位需要耗用不等的计算时间而造成的量测不等间隔输出和量测信息滞后问题,提出一种新的SAR时延补偿算法。该算法在标准卡尔曼滤波(KF)基础上,当SAR有量测信息生成时,根据多模型方法进行量测预测,利用预测值修正SINS状态;而SAR无量测信息输出时,通过插值方法生成量测信息来改善系统滤波精度。仿真结果表明,采用基于多模型量测预测的KF算法可以将位置误差由45m减小到10m以内,航向角稳态误差值小于5.8";而在此基础上叠加插值预测算法可以将位置误差进一步控制在6m以内,航向角稳态误差小于4.7",证明了本文提出的算法能够有效补偿SAR的随机时延并提高组合导航系统的解算精度。

  • 标签: 组合导航 SAR时延补偿 量测滞后 量测预测
  • 简介:禁忌搜索算法是一种元启发式的全局优化算法,是局部搜索算法的一种推广,已被成功地应用于许多组合优化问题中。本文针对有界闭区域上的连续函数全局优化问题,提出了一种改进的禁忌搜索算法,并进行了理论分析和数值实验。数值实验表明,对于连续函数全局优化问题的求解该算法是可行有效的,并且结构简单,迭代次数较少,是一种较好的全局启发式优化算法

  • 标签: 运筹学 元启发式算法 禁忌搜索算法 连续全局优化
  • 简介:在Banach空间中研究了一类新的变分包含--隐式集值变分包含问题,得到了隐式变分包含解的等价性与存在性命题及其解的扰动算法,推广、改进了国内外近期获得的一些结果.

  • 标签: 变分包含解 集值 扰动算法 BANACH空间 隐式 等价性
  • 简介:在详细分析光纤陀螺零漂的基础上,提出了先用滤波算法对光纤陀螺信号进行预处理,然后采用RBF神经网络对滤波后的信号进行建模的方法.针对光纤陀螺信号特点分别采用FLP算法、小波滤波算法、解相关变步长LMS自适应滤波算法对其进行了预处理,比较三种滤波方法,小波滤波算法效果优于其它两种预处理方法,但针对基于预处理后的陀螺信号采用RBF神经网络进行建模时,小波滤波预处理后的信号在建模精度上却是最差的,而对FLP算法滤波后的信号进行RBF建模,建模精度提高了两个数量级。结果表明:基于FLP算法的RBF神经网络在光纤陀螺中的建模是有效的,可大大提高建模的精度。

  • 标签: 光纤陀螺 零漂 FLP算法 小波消噪 LMS算法 RBF神经网络
  • 简介:基于PageRank算法的学术论文影响力研究中忽视了两个问题:1)论文影响力随时间变化的现象;2)不同学科间引用的差异。针对这两个问题,通过统计方法,引入时间因子和学科因子,建立了一种新的基于PageRank算法的学术论文影响力评价模型。结果能够有效地刻画论文影响力随时间变化和学科间的引用区别,更加实时、全面、客观地衡量论文的影响力。

  • 标签: 引文分析 论文影响力评价 PAGERANK 时间因子 学科因子
  • 简介:文[2]研究了一般的具有正负系数的一阶中立型时滞微分方程的振动性,建立了一切解振动的充要条件。本文就其特殊情况进行了计算机算法的研究,得到了依据方程的系数经过计算机处理就能判定方程⑴的振动性。

  • 标签: 振动性 中立型时滞微分方程 充分条件 算法
  • 简介:由于非线性两层规划具有非凸性、NP-难等计算困难,高效的算法并不多见.本文设计了一种新的进化算法,基于此进化算法提出了求解带有一重或多重下层的非线性两层规划的高效算法.该算法充分利用两层规划的结构特点.最后,给出了六个不同类型的算例,数值结果表明,本算法是快速和有效的.

  • 标签: 数学规划 非线性两层规划 进化算法 全局优化
  • 简介:TNNS(真航向导航系统)由MS860接收机、INS及处理数据的PC/104架构的嵌入式工控机构成.针对TNNS推导了INS(惯性导航系统)的误差模型,提出了适合于TNNS的降阶扩展卡尔曼滤波算法组合GPS和INS。系统在东海作了三次海试,软件及滤波算法平台由C/C++编制.海上试验表明,组合滤波后,INS的位置误差由i00m降低到40m以下;进行最优化滤波后的航向误差α由原来的0.105°减小为0.034°,纵横摇的误差也大幅减小.整个海试结果表明,在TNNS中组合GPS/INS采用的降阶扩展卡尔曼滤波算法,大幅提高了系统精度和可靠性.

  • 标签: GPS/INS 组合导航系统 误差模型 降阶扩展卡尔曼滤波
  • 简介:基于萤火虫算法(FA)全局搜索能力强、粒子群优化算法(PSO)局部优化效果出色的特点,提出一种新型混合优化算法,FAPSO,它融合了PSO和FA的迭代机制,增加了群体多样性。仿真结果表明:FAPSO的全局极值逼近精度、收敛速度及算法鲁棒性远好于PSO、FA和实数遗传算法(GA);将FAPSO和PSO用来优化星载多波束抛物面天线的赋形波束,对比验证了FAPSO的良好性能,为波束赋形设计问题提供了新的思路。

  • 标签: 混合优化算法 萤火虫算法 粒子群优化算法 多波束天线 赋形
  • 简介:本文首先介绍了粒子群算法(PSO)的基本模型及其运行机制;然后,通过粒子迭代位移、轨迹分析和函数上的参数试验,研究了c1,c2参数对粒子行为和算法进化性能的影响,以及对粒子目标识别和方向感的影响;接着,又探讨了PSO中的解的更新空间不断塌缩、粒子的“游荡”与“振荡”、粒子进化与多样性损失等几个确定性现象和随机性搜寻的必要条件;最后,分析了早熟收敛和局部收敛的原因。通过研究,加深了对粒子群算法(PSO)基本模型运行机制的认识和对C1,c2参数特性的了解。

  • 标签: 粒子群算法 惯性权重系数 学习因子 参数特性