基于改进遗传-蚁群算法的机载相控阵雷达隔振Stewart平台运动学位置解法研究

摘要

本文为解决某机载相控阵雷达的隔振问题，避免复杂频繁的振动情况影响雷达的测量精度和运行可控性，减缓设备老化进程，选择了典型的空间六自由度并联机构Stewart平台作为核心隔振机构。
　　在解决Stewart平台运动学位置求解过程中，通过构建旋转矩阵解决了反解问题，并实现了参数求解的计算机程序化;对于并联机构的正解问题，本文结合课题具体求解需求，改进和融合遗传算法和蚁群算法两种经典人工智能算法，充分发挥算法各自本身的优势和特点，提出一种基于改进遗传—蚁群算法求解Stewart并联机构位置正问题的串联型混合方法，前期以遗传算法进行大范围寻优，后期在遗传结果的基础上进行蚁群寻优，以期充分发挥遗传算法的快速性、随机性、强大的全局寻优能力和蚁群算法并行性、正反馈性、求解效率高的特性，使得混合算法在求解效率、收敛性、精度等方面均表现出一定的优越性。
　　同时，本文通过计算机语言编制了基于本文改进遗传—蚁群算法的求解Stewart平台正解的实验平台，并通过具体实例验证了该方法的可行性和优越性。

目录

声明

致谢

摘要

1 绪论

1．1 课题来源和选题背景

1．2 并联机构及其运动学位置解法发展概况

1．2．1 并联机构发展概况

1．2．2 运动学位置解法发展概况

1．2．3 智能算法发展概况

1．3 本文主要研究内容

2 Stewart平台运动学反解

2．1 基本机构与坐标系建立

2．2 旋转矩阵

2．2．1 RPY角方法

2．2．2 欧拉角方法

2．3 Stewart平台反解公式

2．4 实例验证

2．5 本章小结

3 基本遗传算法与蚁群算法

3．1 基本遗传算法

3．1．1 遗传算法简介

3．1．2 遗传算法基本模型

3．2 基本蚁群算法

3．2．1 蚁群算法简介

3．2．2 蚁群算法基本模型

3．3 本章小结

4 改进遗传—蚁群算法求解Stewart平台运动学正解

4．1 算法缺点

4．1．1 遗传算法主要缺点

4．1．2 蚁群算法主要缺点

4．2 算法改进

4．2．1 遗传算法改进

4．2．2 蚁群算法改进

4．3 算法融合

4．3．1 融合形态

4．3．2 融合步骤

4．3．3 融合目的

4．3．4 融合方法

4．4 求解Stewart平台正解

4．4．1 目标函数

4．4．2 寻优空间

4．4．3 遗传算法预处理

4．4．4 蚁群算法逐级寻优

4．5 本章小结

5 仿真实例及编程实现

5．1 软件实现

5．2 实例验证

5．3 算法比较

5．4 本章小结

6 总结与展望

6．1 全文总结

6．2 研究展望

参考文献

攻读硕士学位期间的学术活动及成果情况