全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于协同进化粒子群算法的航空发动机多管路布局优化
- 作者： 于雷 来源： 电子设计工程 年份： 2020 文献类型 ： 期刊 关键词： 航空发动机 协同进化算法 粒子群算法 多管路布局 路径规划
- 描述： 航空发动机外部含有多条管路,管路路径之间的相互干扰,影响着管路的整体敷设效果。针对多管路布局问题,以管路长度最小化和平滑度最优为优化目标,结合粒子群算法和协同进化思想,提出了一种基于协同进化粒子群算法的航空发动机多管路布局优化方法。该方法将每根管路看作一个种群,种群内部采用粒子群算法进行独立进化寻找最优解,种群之间由协同进化思想通过选取优良个体构造小环境的方式来进行整体进化。在算法的迭代中,随机选择种群的进化次序,随着种群的不断优化使系统达到整体最优。采用罚函数法解决避障约束,采用近似测地线解决曲面敷管约束。最后基于MATLAB和Siemens NX平台进行仿真算例计算,结果验证了算法的可行性。
- 飞机舵机电液伺服系统智能PID控制方法研究
- 作者： 刘晓琳 苏杨 来源： 信息技术与网络安全 年份： 2020 文献类型 ： 期刊 关键词： PID参数整定 电液伺服系统 智能控制 粒子群算法 蜂群算法
- 描述： 针对飞机舵机电液伺服系统中PID控制器参数难以整定的问题,引入一种智能PID控制方法。该方法结合了粒子群算法和PID控制器的优点,并利用蜂群算法的选择策略对粒子群算法进行优化,适应了飞机舵机电液伺服系统非线性动态控制环境的要求。实验结果表明,飞机舵机电液伺服系统智能PID控制方法能够达到系统控制性能指标要求,相较于传统PID控制器具有更良好的跟踪效果。
- 基于混沌PSO＿Elman网络的航空发动机基线挖掘
- 作者： 瞿红春 林文斌 许旺山 郭龙飞 来源： 中国民航大学学报 年份： 2020 文献类型 ： 期刊 关键词： 基线挖掘 航空发动机 粒子群算法 混沌 Elman神经网络
- 描述： 为提高发动机基线的拟合精度,提出经混沌粒子群优化的Elman神经网络模型。利用混沌算法改进粒子群算法(PSO)的位置公式,以解决局部最优问题。利用非线性递减函数改进PSO粒子的速度公式,以解决收敛精度较低的问题。将该模型用于基线拟合,并与传统的误差反向传播网络(BP)、Elman网络、支持向量机(SVM)等模型的拟合误差进行对比。结果表明:在训练数据、测试数据、训练次数均相同的情况下,混沌PSO_Elman模型的拟合精度高于其他传统模型;当训练样本减少时,其拟合精度依然高于传统模型,证明该模型具有更强的学习能力。
- 电子侦察飞机的航路规划与设计
- 作者： 田埂 来源： 西安电子科技大学 年份： 2018 文献类型 ： 学位论文 关键词： 稀疏A*算法 航路规划 电子侦察飞机 粒子群算法 航路规划软件系统
- 描述： 电子侦察飞机的航路规划与设计
- 航空发动机闭环控制系统辨识方法研究
- 作者： 刘雨兴 来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： 航空发动机 粒子群算法 系统辨识 最小二乘算法 闭环系统
- 描述： 航空发动机闭环控制系统辨识方法研究
- 飞机液压系统关键部件性能变化趋势预测方法研究
- 作者： 李鹏程 来源： 沈阳航空航天大学 年份： 2019 文献类型 ： 学位论文 关键词： 极限学习机 深度学习 粒子群算法 趋势预测 飞机液压泵
- 描述： 飞机液压系统关键部件性能变化趋势预测方法研究
- 飞机舵机电液伺服系统多余力抑制方法研究
- 作者： 吴竟祎 来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： RBF神经网络 多余力 飞机舵机电液伺服系统 小批量梯度下降 粒子群算法
- 描述： 飞机舵机电液伺服系统多余力抑制方法研究
- 面向飞机绕检的旋翼无人机协同方法研究
- 作者： 谈政 来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： 无人机系统 绕检 航迹规划 协同 粒子群算法
- 描述： 面向飞机绕检的旋翼无人机协同方法研究
- 基于EMD和PSO-SVM的通用航空飞机燃油流量预测
- 作者： 马玉猛 来源： 滨州学院学报 年份： 2022 文献类型 ： 期刊 关键词： 支持向量机 预测 燃油流量 粒子群算法 经验模态分解
- 描述： 提出了一种EMD与SVM的组合预测模型，对通用航空飞机燃油流量进行预测。首先对数据缺失值与异常值进行处理，应用经验模态分解算法对燃油流量数据进行分解，得到各分量IMF,然后采用支持向量机对每一个分量进行预测。在预测过程中，采用PSO算法对支持向量机的参数进行优化，最后叠加各分量得到预测数据。采用通航飞机实际飞行数据进行验证，结果表明：该组合模型可以有效地预测燃油流量，准确率较高，其MSE可以达到0.254,高于传统的单一预测模型。