.png){kind=icon}
返回
Improved snake optimization algorithm for parameter identification based on the genetic algorithm
.png){kind=icon}
PRE
AI
DOI：10.24425/bpasts.2025.156797.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决传统蛇群优化（SO）算法在识别高速旋转弹丸气动参数时易陷入局部最优的问题——其中复杂的飞行动力学和测量噪声进一步增加了识别难度——本文提出了一种融合遗传算法（GA）机制的改进蛇群优化算法。具体而言，该改进算法将基于GA的选择和交叉操作整合到SO框架中，旨在通过模拟蛇类的自然觅食和战斗行为以及遗传算法的进化特性来强化全局搜索能力。为处理含噪声的轨迹数据，采用卡尔曼滤波对测量信息进行去噪，为后续参数识别奠定可靠基础。该方法利用高速旋转弹丸在不同速度阶段的分段轨迹数据进行分析。与传统SO算法及其他优化变体的对比实验表明，所提方法可将识别误差降低49%，在精度上显著优于传统方法。进一步的完整轨迹测量数据验证显示，当识别的气动参数代入弹道方程时，计算与实际落点坐标间的偏差极小，证实了其有效性。值得注意的是，该改进算法无需精确的初始参数设置，增强了其实际场景下的适应性。总之，该方法为精确识别弹丸气动参数提供了鲁棒性解决方案，并展现出工程应用前景。
Keyword:
projectile aerodynamic parameter identification
improved snake optimization algorithm
Kalman filtering
genetic algorithm integration
期刊
B
IF:
1.1
论文数:
44
被引数:
0
机构
引用论文
暂无论文信息