启发式算法与飞行控制系统优化设计PDF电子书下载

第1章 绪论 1

1.1 现代飞行控制系统的特点 1

1.1.1 现代飞行控制系统的特点 1

1.1.2 现代飞行控制系统设计的难点 3

1.2 启发式算法综述 4

1.2.1 遗传算法综述 5

1.2.2 进化策略综述 12

1.2.3 多目标进化算法综述 13

1.3 基于启发式算法的飞行控制系统优化综述 16

1.3.1 基于启发式算法的飞行控制系统优化综述 17

1.3.2 多目标参数综合方法简介 18

1.3.3 conduit简介 20

1.4 本书的研究内容 21

1.5 本章小结 23

第2章 飞机飞行品质常用评价准则和飞行控制系统优化策略 24

2.1 飞机飞行品质规范的基本体制 24

2.1.1 飞机的分类 24

2.1.2 飞行任务阶段的种类 25

2.1.3 飞行品质的等级 26

2.2 飞机飞行品质的常用评价准则 28

2.2.1 等效系统的概念、原理和方法 28

2.2.2 飞机法向（飞行轨迹）轴的要求 29

2.2.3 飞机纵向速度轴的要求 30

2.2.4 飞机俯仰轴的飞行品质评价准则 31

2.2.5 飞机滚转轴的飞行品质评价准则 41

2.2.6 飞机航向轴的飞行品质评价准则 43

2.3 飞行控制系统优化策略和参考模型选择 45

2.3.1 基于参考模型的飞行控制系统进化算法优化策略 45

2.3.2 参考模型的选择原则 47

2.4 多目标进化算法在飞行控制系统优化中应用时的问题 52

2.4.1 大包线范围内飞行控制系统优化设计点的选择 52

2.4.2 使用多目标进化算法对飞行控制系统进行优化时偏好信息的处理 52

2.5 基于动压的参数范围快速界定和调参方法 53

2.6 本章小结 54

第3章 基于直接搜索的遗传算法及其在飞行控制系统中的应用 55

3.1 遗传算法概述 55

3.1.1 遗传算法的基本概念和原理 55

3.1.2 适应度函数的选择及其尺度变换 57

3.1.3 遗传操作的具体方法 59

3.1.4 小生境技术 61

3.2 基于模式搜索法的遗传算法 62

3.2.1 模式搜索法简介 63

3.2.2 基于模式搜索法的遗传算法 63

3.2.3 基于模式搜索法的遗传算法数字仿真结果 66

3.3 基于旋转方向法的遗传算法 69

3.3.1 旋转方向法简介 69

3.3.2 基于旋转方向法的遗传算法 70

3.3.3 基于旋转方向法的遗传算法数字仿真结果 72

3.3.4 在飞行控制系统参数优化中的应用示例 75

3.4 基于单纯形法的遗传算法 77

3.4.1 单纯形法简介 77

3.4.2 基于单纯形的遗传算法 78

3.4.3 基于单纯形的遗传算法数字仿真结果 80

3.5 3种基于直接搜索的遗传算法的对比 83

3.5.1 3种基于直接搜索的遗传算法搜索速度的对比 83

3.5.2 3种基于直接搜索的遗传算法搜索精度的对比 83

3.6 遗传算法在无人机路径规划中的应用 84

3.6.1 协同逆推优化控制问题 84

3.6.2 协同逆推优化控制求解 87

3.6.3 仿真 88

3.7 本章小结 89

第4章 基于正交设计和均匀设计的进化算法及其在飞行控制系统优化中的应用 90

4.1 基于正交设计的进化算法 90

4.1.1 正交设计 90

4.1.2 基于正交设计的进化算法 93

4.1.3 仿真验证 94

4.2 基于均匀设计的进化算法 96

4.2.1 均匀设计简介 96

4.2.2 基于均匀设计的进化算法 98

4.2.3 仿真验证 98

4.3 基于正交设计的进化算法和基于均匀设计的进化算法对比分析及改进 101

4.3.1 基于正交设计的进化算法和基于均匀设计的进化算法的对比分析 101

4.3.2 基于小生境的改进正交设计进化算法 102

4.3.3 仿真验证 103

4.4 基于正交设计的小生境遗传算法在飞机飞行控制系统中的应用 104

4.5 本章小结 107

第5章 基于反馈机制和混沌变异的改进进化策略及其在飞行控制系统优化中的应用 108

5.1 基于反馈机制的改进进化策略 108

5.1.1 （μ，λ）-es基本步骤 108

5.1.2 基于反馈机制的进化策略 109

5.1.3 基于反馈和共享机制的进化策略步骤 111

5.1.4 数字仿真验证 111

5.2 基于反馈机制和混沌变异的进化策略 114

5.2.1 混沌及其运动特性简介 114

5.2.2 基于反馈机制和混沌变异的进化策略 116

5.2.3 数字仿真验证 117

5.3 基于反馈机制和混沌变异的进化策略在飞行控制系统优化中的应用 119

第6章 基于pareto方法的多目标进化算法及其改进 125

6.1 多目标优化的基本概念 125

6.1.1 多目标优化的基本概念 125

6.1.2 多目标进化算法的设计要求 126

6.1.3 多目标进化算法性能指标 127

6.1.4 多目标进化算法的标准测试函数 129

6.2 非劣分类遗传算法及其改进 131

6.2.1 nsga-Ⅱ算法 131

6.2.2 nsga-Ⅱ的缺点及改进思路 133

6.2.3 nsga-Ⅱ中自适应sbX算子及其性能分析 133

6.2.4 tent映射性能分析及其改进 135

6.2.5 achnsga-Ⅱ算法 139

6.3 一种改进的非劣分类差分进化算法（insde） 149

6.3.1 差分进化算法基本原理 150

6.3.2 insde 153

6.3.3 数值仿真验证 156

6.4 强度pareto进化算法（spea2）及其改进 158

6.4.1 spea2算法 159

6.4.2 spea2算法的缺点分析及其改进 160

6.4.3 仿真验证 162

6.5 强度pareto混沌差分进化算法（spcde） 164

6.5.1 spde算法的主要思想 164

6.5.2 spcde算法的主要操作及步骤 164

6.5.3 数值试验与分析 166

第7章 粒子群算法及其在飞行控制系统优化中的应用 169

7.1 粒子群算法的基本理论 169

7.2 基于粒子群算法的飞机鲁棒控制律设计 170

7.2.1 问题提出的背景 170

7.2.2 μ综合理论概述 171

7.2.3 存在弹性模态的飞机方程 171

7.2.4 使用粒子群算法优化加权函数 173

7.2.5 仿真 174

7.2.6 控制器降阶 175

7.3 多目标粒子群优化算法及其改进 177

7.3.1 基本多目标粒子群优化算法 178

7.3.2 自适应混合多目标粒子群优化算法 178

7.3.3 性能验证 184

7.4 本章小结 188

第8章 飞行控制设计多目标优化研究 189

8.1 多目标飞机低阶等效系统拟配 189

8.1.1 目标函数的选择 190

8.1.2 改进的精英保留策略 191

8.1.3 算法步骤 192

8.1.4 仿真算例 192

8.1.5 仿真结果分析 195

8.2 基于人机闭环参考模型的飞行控制多目标优化设计 195

8.2.1 基于参考模型的飞行控制设计优化策略 196

8.2.2 基于人机闭环tdns准则和cap准则的参考模型选择 199

8.2.3 基于人机闭环的飞行控制系统多目标优化 208

8.2.4 pio易感性分析 212

8.2.5 仿真结果分析 212

8.3 lqg/ltr纵向飞行控制系统优化设计 212

8.3.1 lqg/ltr设计的基本原理 213

8.3.2 基于参考模型的lqg/ltr飞行控制系统优化设计方法 215

8.3.3 基于参考模型的lqg/ltr设计方法仿真算例 219

8.4 基于含约束的输出反馈特征结构配置的飞行控制系统优化设计 227

8.4.1 含约束的输出反馈特征结构配置优化设计方法 228

8.4.2 基于多目标优化的含约束的输出反馈特征结构配置的优化设计 235

8.4.3 重构飞行控制系统的优化设计 238

8.5 本章小结 243

第9章 基于进化算法的飞机多操纵面控制分配技术 244

9.1 控制分配问题的基本内容 244

9.1.1 控制分配问题的数学描述 244

9.1.2 线性系统的分配描述 246

9.1.3 非线性系统的分配描述 246

9.1.4 执行器动态特性对控制分配的影响 248

9.2 广义逆分配法 248

9.2.1 伪逆法与加权伪逆法 249

9.2.2 广义逆分配法的分配效率 250

9.2.3 仿真算例 252

9.3 基于小生境遗传算法的伪逆分配法设计 254

9.3.1 问题的描述 254

9.3.2 基于小生境遗传算法的广义逆阵优化 255

9.3.3 仿真算例 256

9.4 基于小生境遗传算法的加权伪逆法优化设计 258

9.4.1 基于小生境遗传算法的加权伪逆法优化 258

9.4.2 仿真算例 259

9.5 基于遗传算法的控制分配系统设计 260

9.5.1 lqr-加权伪逆法控制分配系统设计 261

9.5.2 仿真验证 263

9.6 本章小结 264

第10章 蚁群算法及其在无人机航路规划中的应用 265

10.1 蚁群算法简介 265

10.1.1 蚁群算法中的基本概念 265

10.1.2 蚁群算法中的基本流程 267

10.1.3 蚁群算法中的常见衍生算法 267

10.2 基于蚁群算法的路径规划 270

10.2.1 引入启发式搜索方向的蚁群算法 270

10.2.2 引入搜索代价的蚁群算法 271

10.2.3 改善信息素播撒规则 272

10.2.4 改进的算法流程 272

10.3 基于改进蚁群算法的路径规划 272

10.3.1 栅格v图方法 272

10.3.2 概率地图方法 274

10.3.3 仿真算例 276

10.4 基于多目标蚁群算法的路径规划 278

10.4.1 多目标蚁群算法 278

10.4.2 仿真算例 280

10.5 基于蚁群算法的多机任务分配技术 281

10.5.1 任务分配评价函数 282

10.5.2 基于蚁群算法的多机任务分配算法 282

10.5.3 仿真算法 283

10.6 本章小结 285

第11章 总结 286

11.1 本书工作总结 286

11.2 需要进一步研究的问题和启发式算法在飞行控制系统中应用的展望 288

附录 admire飞机结构布局、结构参数、操纵面约束 289

参考文献 290