小世界算法的改进及其在飞行控制系统设计中应用

发布时间：2017-09-26 21:03

  本文关键词：小世界算法的改进及其在飞行控制系统设计中应用

  更多相关文章： 小世界算法 优化性能 自动飞行控制系统 仿真优化 视景仿真

【摘要】：小世界算法是继小世界网络在企业管理、网络信息、生物领域等众多领域之后的又一崭新应用领域。小世界算法效仿小世界网络中信息高效传递的方式,因其具有简单的搜索算子构造、良好的全局搜索能力等特点,受到了众多优化算法研究者广泛关注。本文针对基本型小世界算法中,节点之间信息相互孤立、局部短连接搜索效率低等不足,对其进行了改进,并将改进后的小世界算法应用于飞机自动飞行控制系统的优化设计中。论文主要开展了如下几方面的工作:1.对小世界网络的构造和特性进行了较为全面的阐述。对基本型小世界算法的原理、步骤和不足进行了详细的论述,对后文的对其改进研究奠定基础。2.针对基本型小世界算法的节点之间信息相互孤立、局部短连接搜索算子效率低等问题,使用线性变化的局部短连接搜索的概率和节点邻域大小,同时使用新型短连接搜索策略和精英选择的策略,而提出了均衡型小世界算法。测试表明,均衡型小世界算法的综合优化性能优于基本型小世界算法,而劣于基本型遗传算法。将均衡型小世界算法与传统的非线性规划算法相杂交,提出杂交型小世界算法。测试表明,杂交型小世界算法的综合优化性能优于或远优于基本型小世界算法、均衡型小世界算法和基本型遗传算法。3.对约束条件采用惩罚函数的方式,使均衡型小世界算法和杂交型小世界算法能够处理有约束的优化问题。测试表明,均衡型小世界算法处理约束问题的综合优化性能优于基本型小世界算法,而劣于基本型遗传算法;杂交型小世界算法处理有约束问题的综合优化性能优于或远优于基本型小世界算法、均衡型小世界算法和基本型遗传算法。4.将基本型小世界算法、均衡型小世界算法、杂交型小世界算法和基本型遗传算法应用于飞机的自动控制系统优化设计中。试验表明,4种优化算法的设计效果明显优于根轨迹法;均衡型小世界优化算法的设计效果优于基本型小世界算法,而劣于基本型遗传算法;杂交型小世界算法的设计效果都优于基本型小世界算法、均衡型小世界算法和基本型遗传算法。5.通过UDP通信接口,将MATLAB软件中的Simulink模块和FlightGear飞行模拟器联合起来,对采用杂交型小世界算法设计的自动飞行进行了视景仿真,生动形象地展示自动飞行过程。
【关键词】：小世界算法 优化性能 自动飞行控制系统 仿真优化 视景仿真
【学位授予单位】：南昌航空大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：V249.1;TP18
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-17
• 1.1 引言9-11
• 1.1.1 对最优化算法的需求9
• 1.1.2 已有的最优化算法9-10
• 1.1.3 研究小世界算法的意义10-11
• 1.2 国内外研究现状11-15
• 1.2.1 小世界网络的研究现状11-12
• 1.2.2 对小世界算法的研究现状12-14
• 1.2.3 仿真优化设计的研究现状14-15
• 1.3 论文主要研究内容的思路15-17
• 第2章 基本型小世界算法17-27
• 2.1 复杂网络理论17-19
• 2.1.1 对复杂网络研究的发展过程17-18
• 2.1.2 描述复杂网络的重要参数18-19
• 2.2 小世界网络的构造过程及其特性19-21
• 2.3 基本型小世界算法的原理21-23
• 2.4 基本型小世界算法的流程23-24
• 2.5 基本型小世界算法的优缺点及分析24-25
• 2.6 本章小结25-27
• 第3章 均衡型小世界算法和杂交型小世界算法27-49
• 3.1 均衡型小世界算法27-31
• 3.1.1 均衡型优化策略27-29
• 3.1.2 B-SWA的步骤29-31
• 3.2 B-SWA的优化性能测试31-39
• 3.2.1 描述算法优化性能的指标31-32
• 3.2.2 测试函数32
• 3.2.3 算法的控制参数设置32-33
• 3.2.4 B-SWA的优化性能测试结果33-38
• 3.2.5 B-SWA的优化性能的结论38-39
• 3.3 杂交型小世界算法39-40
• 3.3.1 杂交型优化策略39
• 3.3.2 H-SWA的步骤39-40
• 3.4 H-SWA的优化性能测试40-46
• 3.4.1 算法的控制参数设置40-42
• 3.4.2 H-SWA的优化性能的测试结果42-46
• 3.4.3 H-SWA的优化性能的结论46
• 3.5 本章小结46-49
• 第4章 有约束的均衡型小世界算法和杂交型小世界算法49-61
• 4.1 有约束优化问题的定义49-50
• 4.2 对有约束条件的处理方法50
• 4.3 惩罚函数法50-51
• 4.4 B-SWA和H-SWA对有约束问题的优化性能测试51-59
• 4.4.1 有约束的测试函数51-53
• 4.4.2 算法的控制参数设置53-55
• 4.4.3 B-SWA和H-SWA处理有约束问题的优化性能结果55-58
• 4.4.4 B-SWA和H-SWA对约束问题的优化性能的结论58-59
• 4.5 本章小结59-61
• 第5章 飞机自动飞行控制系统的仿真优化设计61-79
• 5.1 飞机自动控制系统的工作模式61-62
• 5.2 自动飞行控制系统的设计方法62-63
• 5.3 最优PID控制器的仿真优化设计方法63-66
• 5.3.1 PID控制器与最优控制理论63-64
• 5.3.2 仿真优化技术64-65
• 5.3.3 最优PID控制的设计步骤65-66
• 5.4 飞机自动控制系统的设计实例66-77
• 5.4.1 飞机纵向运动模型66
• 5.4.2 俯仰角控制系统/自动油门控制系统的仿真优化设计66-72
• 5.4.3 垂直速度控制系统的仿真优化设计72-74
• 5.4.4 高度控制系统的仿真优化设计74-77
• 5.5 对自动飞行控制系统最优PID控制器设计的结论77
• 5.6 本章小结77-79
• 第6章 利用FlightGear实现自动飞行的视景仿真79-85
• 6.1 FlightGear飞行模拟器的简介79-80
• 6.2 联合MATLAB/Simulink与Flight Gear的通信接.模块80-81
• 6.3 联合MATLAB/Simulink与Flight Gear进行仿真的步骤81
• 6.4 飞机自动飞行的视景仿真实例81-84
• 6.5 本章小结84-85
• 第7章 总结与展望85-89
• 7.1 本论文的主要工作85-86
• 7.2 未来研究展望86-89
• 参考文献89-95
• 论文的发表及科研情况95-97
• 参加科研项目95
• 发表论文95-97
• 致谢97-99

【参考文献】

中国期刊全文数据库 前4条

1 吴文海;高丽;周胜明;;飞行控制系统设计方法现状与发展[J];海军航空工程学院学报;2010年04期

2 刘建香;;复杂网络及其在国内研究进展的综述[J];系统科学学报;2009年04期

3 焦国辉;崔志华;谭瑛;樊卫兵;;小世界模型的个体决策微粒群算法[J];小型微型计算机系统;2011年02期

4 段镖;严峰;赖水清;;基于FlightGear的无人直升机飞行控制系统仿真环境建设[J];直升机技术;2010年04期

中国博士学位论文全文数据库 前2条

1 张晓明;基于种子传播方式和植物分布演化的种子优化算法研究[D];中国科学技术大学;2011年

2 李澍淞;基于蜂拥策略的网络舆论演化模型研究[D];复旦大学;2011年

中国硕士学位论文全文数据库 前3条

1 余轲;网络效应软件产品定价多智能体仿真研究[D];华中科技大学;2010年

2 赵宇;小世界网络研究及其在疾病传播领域的应用[D];长春理工大学;2007年

3 程炜;应用去趋势波动分析法研究两类系统的同步行为[D];浙江大学;2012年

，

本文编号：925693