基于种群熵粒子群优化算法的上升段交会弹道优化设计

基于种群熵粒子群优化算法的上升段交会弹道优化设计

ID:46638279

大小:745.75 KB

页数:4页

时间:2019-11-26

基于种群熵粒子群优化算法的上升段交会弹道优化设计_第1页
基于种群熵粒子群优化算法的上升段交会弹道优化设计_第2页
基于种群熵粒子群优化算法的上升段交会弹道优化设计_第3页
基于种群熵粒子群优化算法的上升段交会弹道优化设计_第4页
资源描述:

《基于种群熵粒子群优化算法的上升段交会弹道优化设计》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、2015年第6期导弹与航天运载技术No.62015总第342期MISSILESANDSPACEVEHICLESSumNo.342文章编号:1004-7182(2015)06-0096-04DOI:10.7654/j.issn.1004-7182.20150622基于种群熵粒子群优化算法的上升段交会弹道优化设计李振华,鲜勇,雷刚,刘炳琪,张大巧(第二炮兵工程大学,西安,710025)摘要:应用种群熵粒子群优化(PopulationEntropybasedParticleSwarmOptimization,EPSO)算法

2、研究运载火箭上升段交会弹道优化设计问题。以运载火箭和目标飞行器在交会时刻距离最小为目标函数,建立运载火箭上升段交会弹道优化模型,同时分别采用EPSO优化算法和传统粒子群优化算法进行求解。仿真结果表明,EPSO算法能够有效解决运载火箭上升段交会弹道优化问题,平均交会位置误差为8.33m,较传统粒子群算法减少了149.37m,平均搜索速度较传统算法提高了27%。EPSO算法收敛精度高,搜索速度快,更适用于解决上升段交会弹道优化这样的复杂约束优化问题。关键词:种群熵粒子群优化算法;飞行程序;交会弹道;优化中图分类号:V41

3、2.1文献标识码:ALaunchVehicleAscentRendezvousTrajectoryOptimumDesignBasedonPopulationEntropyBasedParticleSwarmOptimizationLiZhen-hua,XianYong,LeiGang,LiuBing-qi,ZhangDa-qiao(TheSecondArtilleryEngineeringUniversity,Xi’an,710025)Abstract:Thepaperresearchedtheoptimumdes

4、ignoflaunchvehicleascentrendezvoustrajectoryusingpopulationentropybasedparticleswarmoptimization(EPSO)algorithm.Taketheminimumdistanceoflaunchvehicleandtargetaircraftatintersectionpointastheobjectivefunction,anoptimizationmodeloflaunchvehicleascentrendezvoustra

5、jectoryisestablishedandatthesametimesolvedbyEPSOalgorithmandtraditionalparticleswarmoptimizationalgorithmrespectively.ThesimulationresultindicatesthattheEPSOalgorithmcansolvetheoptimizationproblemoflaunchvehicleascentrendezvoustrajectoryeffectively,theaverageer

6、rorofrendezvouspositionis8.33m,reduced149.37mandtheaveragesearchspeedisimproved27%comparedwiththetraditionalparticleswarmoptimizationalgorithm.TheEPSOalgorithmismoresuitabletosolvecomplexconstraintoptimizationproblemasoptimumdesignoflaunchvehicleascentrendezvou

7、strajectorybecauseofitshigherconvergenceaccuracyandfastersearchspeed.KeyWords:EPSOmethod;Flightprogram;Rendezvoustrajectory;Optimization0引言近年来,现代启示算法以其独特的机制和优点,飞行器轨迹优化是运载火箭总体优化设计的重要在飞行器设计领域得到广泛应用,显示出强大的优势组成部分。飞行器轨迹优化是指在某些特定的约束条和潜力。粒子群优化算法(ParticleSwarmOptimizat

8、ion,件下,优化选择飞行器从起始点到目标点满足某种性PSO)是一种基于群体智能理论的优化算法,与遗传能指标最优的运动轨迹。从数学角度讲,轨迹优化问算法相比,PSO算法不需要进行选择、交叉、变异等题即为非线性条件下,带有状态约束、路径约束、控操作,具有需要设置的参数少、收敛速度快、易于实[1]制约束和终端约束的最优控制问题。运载火箭上升段现等优

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。