Optimal Multi-Objective Design of an Integrated INS/AHRS System in GPS-Denied Environments Using the Real-coded Memetic Algorithm
Notice bibliographique
Résumé
A novel meta-heuristic optimization algorithm is developed to solve multi-objective Multi-disciplinary Design Optimization (MDO) problems.The new algorithm, called multi-objective adaptive real-coded Memetic Algorithm (MARCOMA), is suitable for large scale optimization problems.MARCOMA is then applied to solve an MDO problem.The problem has many design variables and three disciplines including Navigation and guidance.Each discipline has its own design variables and analysis codes.Pitch Programming is used as the guidance law.A three-channel autopilot is used for stabilization during the separation phase and for executing guidance commands of the Aerial-Launched Vehicle (ALV) during flight phase.Navigation discipline has an inertial navigation system and attitude and heading reference system to estimate Euler angles at GPS-denied environment.For this purpose, Extended Kalman Filter parameters is optimized by measuring of angles to cooperate ALV to orbit.All disciplines are integrated in a 6-DOF flight simulation and the two objectives, elevation angle estimation and inverse of injection velocity, are minimized concurrently.The result is a Pareto set of non-dominated solutions within the performance space.The designer can choose an optimal solution based on his/her preferences and compromises.The examination of different initial condition scenarios shows the excellent performance of the optimization algorithm in solving the large-scale problem.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».