卫星舱载荷多舱配置与约束装填的启发式群智能方法研究

发布时间：2020-07-19 20:08

【摘要】：约束布局问题的研究具有广泛的应用背景,例如:卫星舱布局设计、厂房及设备布局、大型装备制造和钢铁企业的板材切割等。本文研究多舱卫星载荷装填设计问题,并且将载荷简化为圆柱体和长方体。该问题属于NP-hard问题,求解具有指数级时间复杂性,目前常用的方法有启发式和演化算法,但这些方法在装填前都没有考虑载荷的多舱配置优化问题。另外,基于随机初始方案的演化求解干涉计算耗时多。多舱整体装填方案优化模型的目标函数高维且多目标冲突,获得最优解十分困难。因此,目前最好的求解方法都是通过将高维解空间分解和多目标分组的优化机制,在多舱装填优化中允许载荷舱间迁移,但是这些机制只能在一定程度上降低问题求解的复杂性。受无免费午餐定理和前期工作启发,本文研究多舱卫星载荷负载配置与约束单舱装填的启发式蚁群优化方法,主要内容包括基于知识的载荷优化配置和区域启发式蚁群装填优化以及多舱装填粒子群协同优化。主要创新包括两个方面:1.提出一种基于知识的载荷优化配置与核查方法。首先,基于平衡力学和惯量定义获取载荷多舱配置的相关知识。然后,基于构造的目标函数,将知识融入启发式蚁群迭代,搜索载荷多舱配置的最优方案。另外,基于获取的知识在各舱装填的每次迭代进行载荷核查,并将配置不合理的载荷进行舱间迁移。实验数据表明:提出的载荷优化配置和核查方法能有效减少载荷的多舱不合理配置。2.提出一种基于知识的区域定位和蚁群优化定序的启发式群智能优化方法。该方法通过动态生成载荷装填的矩形区域,基于贪心策略在生成的区域集中搜索载荷的最优位置和方向,将知识与蚁群迭代相结合搜索各舱载荷的装填顺序。由于这种机制构造装填方案紧凑可行,且不存在非常耗时干涉量计算,提出方法的性能有明显的提高。实验数据表明:本文提出的装填方法比报道的最好的方法减少了整体方案的转动惯量、包络半径和计算时间,且有更好的稳定性。本文以商业卫星的载荷多舱装填设计为例研究了卫星舱载荷多舱负载配置与约束装填的启发式蚁群优化方法,通过理论分析和实验观察获取了卫星舱装填设计知识,并将它与群智能有机结合,实现了载荷的智能配置和装填优化,而区域的动态生成与载荷的定位定向策略保证了装填方案紧凑可行,且避免了巨大的干涉量计算,从而算法的性能得到改善。希望此方法能为其它复杂布局设计问题求解提供参考和借鉴。
【学位授予单位】：湘潭大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18;V474
【图文】：

第 1 章 绪论1.1 课题背景21 世纪科学技术，尤其是航天技术在飞速的发展之中。例如神州系列飞船的发射成功表明了我国的科技水平在不断上升。2016 航天白皮书[1]指出：在未来的五年中，中国将加快航天强国的建设步伐，继续提升航天工业的基础能力。卫星在国防和通信有着不可替代的应用，而卫星舱的仪器仪表的摆放涉及复杂的装填设计问题。除此以外，涉及布局问题的还有钢材板坯的切割排版[2,3]、布料剪裁下料[4]、土木工程、集装箱装填、管道布局设计、集成电路板的布线[5-7]、城市规划等。本文研究如图 1.1 所示的多舱卫星载荷(仪器和仪表)的装填设计问题，它要求将给定个数的长方体和圆柱体载荷摆放在 4 个舱的上下两块承载板上，并且要求所有的载荷充分向轴心聚拢，其转动惯量、惯量夹角和质心偏移量都尽可能小。

图 3.4 第一层承载面的布局移动方法是将对 3.3.2 节中的采用改进区域定位的调整，使包络半径越小。主要思路为：对格局四个方向上判断可以朝哪个方向移动，在选取移干涉的且距离卫星舱中心轴最近的方向。选定方性的进行移动，在移动的过程中如果物体与布局反方向移动一个步长。中载荷的干涉判断分为三种情况：矩形与矩形间以及圆与矩形的干涉判断。现分别对这三种情见的干涉判断 , )分别是矩形 和 的中心坐标，( , 和宽的一半。我们通过式（3.10）进行判断干 和 是否干涉。0 ≥ + 或 ≥ +

(a)第一层 （b）第二层 (c)第三层 （d）第四层图 3.5 本文 LP+RP 算法的布局图(a)第一层 （b）第二层 (c)第三层 （d）第四层图 3.6 nELP[34]算法最优解的布局图

【相似文献】

相关期刊论文 前10条

1 尚甜;;基于蚁群优化模糊Petri网的室内防火算法[J];消防科学与技术;2018年07期

2 刁兴春;刘艺;曹建军;尚玉玲;;多目标蚁群优化研究综述[J];计算机科学;2017年10期

3 张耀楠;周升;牛乐川;王元一;;一种基于蚁群优化的网格分割方法[J];计算机工程;2018年02期

4 颜晨阳;熊伟清;张友鹏;;基于交通流量控制的二元蚁群优化模型[J];系统仿真学报;2007年10期

5 王飞;张德贤;韩金淑;陶永波;;蚁群优化与模糊聚类结合的文本聚类研究[J];计算机工程与应用;2010年32期

6 张逸群;王婷;;考虑分包支付的折现流时间-费用模型与蚁群优化研究[J];南昌航空大学学报(自然科学版);2017年02期

7 钱哨;;结合蚁群优化搜索的图像综合特征类比在风格生成中的应用[J];计算机应用;2010年06期

8 屈巍;赵晶;洪洋;;一种基于蚁群优化的动态节能路由选择策略[J];沈阳师范大学学报(自然科学版);2016年02期

9 贾瑞玉;伍章俊;张以文;;基于多目标蚁群优化的知识即服务动态组合策略[J];华南理工大学学报(自然科学版);2012年06期

10 孟晓芳;王珏;朴在林;;基于蚁群优化的单路口交通模糊控制的研究[J];农业网络信息;2008年07期

相关会议论文 前10条

1 张磊;扈延光;江雅婷;吴雷;;基于蚁群优化的可靠性冗余分配模型及实现[A];大型飞机关键技术高层论坛暨中国航空学会2007年学术年会论文集[C];2007年

2 彭辉;;基于蚁群优化技术的车辆路径问题研究[A];广西计算机学会25周年纪念会暨2011年学术年会论文集[C];2011年

3 罗雪晖;李霞;张基宏;;基于自适应蚁群优化的矢量量化码书设计算法[A];第十一届全国信号处理学术年会（CCSP-2003）论文集[C];2003年

4 毛琳琳;张群飞;黄建国;雷开卓;;基于改进蚁群优化的贝叶斯DOA估计快速算法[A];第七届全国信号和智能信息处理与应用学术会议会刊[C];2013年

5 林天建;余春艳;;局部变异和粒子群最优位置转移蚁群算法[A];2007系统仿真技术及其应用学术会议论文集[C];2007年

6 甘屹;李胜;;蚁群算法的参数优化配置研究[A];全国先进制造技术高层论坛暨第九届制造业自动化与信息化技术研讨会论文集[C];2010年

7 朱耀佳;吕勇哉;陈玉旺;潘常春;;蚁群优化方法在“炼钢-连铸-热轧”集成调度中的应用[A];中国计量协会冶金分会2007年会论文集[C];2007年

8 甘屹;杜继涛;;基于并行蚁群优化的车间调度研究[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年

9 马海平;阮谢永;金宝根;;反向蚁群算法在故障监控中的应用[A];第二十九届中国控制会议论文集[C];2010年

10 张德欣;周含冰;杨佳;陈元友;;约束条件下电子装备多目标分配的蚁群优化[A];全国第五届信号和智能信息处理与应用学术会议专刊(第一册)[C];2011年

相关博士学位论文 前10条

1 胡小兵;蚁群优化原理、理论及其应用研究[D];重庆大学;2004年

2 王辉;基于蚁群优化理论的家电产品拆卸规划方法研究[D];清华大学;2007年

3 郑巍;基于蚁群优化的网络路由技术研究[D];西安电子科技大学;2010年

4 陈岩;蚁群优化理论在无人机战术控制中的应用研究[D];国防科学技术大学;2007年

5 喻学才;蚁群优化方法中若干问题研究[D];哈尔滨工业大学;2009年

6 闻育;复杂多阶段动态决策的蚁群优化方法及其在交通系统控制中的应用[D];浙江大学;2004年

7 冷明;基于多水平方法的无向图剖分及其在VLSI设计中的应用研究[D];上海大学;2008年

8 陈萍;启发式算法及其在车辆路径问题中的应用[D];北京交通大学;2009年

9 刘利强;蚁群优化方法研究及其在潜艇导航规划中的应用[D];哈尔滨工程大学;2008年

10 陈祥国;卫星数传调度的蚁群优化模型及算法研究[D];国防科学技术大学;2010年

相关硕士学位论文 前10条

1 王诗雅;卫星舱载荷多舱配置与约束装填的启发式群智能方法研究[D];湘潭大学;2019年

2 吴腾飞;基于蚁群优化思想的分布式约束优化问题求解算法研究[D];重庆大学;2018年

3 孔林;基于蚁群优化和偏好的救护车应急响应路由选择研究[D];合肥工业大学;2017年

4 彭友;基于蚁群优化和能量管理的ZigBee网络路由研究[D];湘潭大学;2011年

5 吴小娟;蚁群优化大学课程表问题的研究与实践[D];苏州大学;2008年

6 程晔;基于蚁群优化神经网络的比较购物模型研究[D];安徽理工大学;2010年

7 丁秀明;基于蚁群优化的供应链调度算法研究[D];江南大学;2008年

8 田茁君;求解平衡约束圆集布局问题的启发式并行蚁群优化方法研究[D];湘潭大学;2012年

9 付广华;粗糙集和蚁群优化方法在特征选择中的应用研究[D];南昌大学;2010年

10 吴进珍;并行蚁群优化在蛋白质结构预测中的应用研究[D];苏州大学;2010年

本文编号：2762902