气动光学成像偏移是影响精确制导武器装备发展的重要因素之一,机载计算机能够快速获得当前状态的气动光学成像偏移数值,对提高命中率有直接的应用价值。针对风洞实验和数值模拟计算成本高、实施周期长、代价大的问题,本文研究基于改进优化算法的数据预测模型,对实际工程中气动光学成像偏移进行快速计算。首先,以极限学习机算法(Extreme Learning Machine,ELM)为基础,针对随机给定ELM初始权值与阈值导致的网络不稳定问题,采用粒子群搜索算法(Particle Swarm Optimization,PSO)对ELM参数进行优化,为了提高PSO的搜索效率,使用动态改变惯性权重的处理方法,建立了基于改进PSO优化ELM的成像偏移预测模型。仿真结果表明,改进PSO优化ELM模型有效克服了ELM网络不稳定以及PSO算法搜索时间长、易陷入局部最优等缺点,可以有效应用于成像偏移预测。其次,以优化算法中的天牛须算法(Beetle Antennae Search,BAS)为基础,用预测值与真实值的误差建立适应度函数,通过计算左右触角适应度值,对天牛的质心位置进行迭代更新,从而对ELM的输入层权值与隐含层阈值进行优化,实现了一种基于BAS优化ELM的成像偏移预测模型。仿真实验表明,基于BASELM的预测模型收敛速度快、预测精度高,可以在实际工程中作为对改进PSO优化ELM模型的一种补充算法,对改进PSO优化ELM模型预测结果进行验证。然后,以支持向量回归机算法(Support Vector Regression,SVR)为基础,构建了一种基于改进遗传算法(Improved Genetic Algorithms,IGA)优化SVR的成像偏移预测模型。针对SVR的核函数参数和惩罚参数,采用自适应遗传算法进行优化,在进化过程中,对GA的交叉概率与变异概率动态调整。仿真结果表明,采用IGA-SVR预测模型比使用GA-SVR模型具有更高的准确率,且具有更短的预测时间,可以很好的对成像偏移进行预测。最后,设计并建立了一套成像偏移分析软件。通过该分析软件,可以调用CFD软件FLUENT对成像偏移进行迭代计算,也可以使用预测模型进行工程快速计算。在给定范围内,输入高度、马赫数、攻角数和视线角的数值,即可通过训练好的预测模型对成像偏移进行预测,得到成像偏移量。