基于GM(1,N)模型群的装备维修性及影响因素分析

针对小样本下多维修性特征及其影响因素分析问题,建立了装备多维修性特征及其影响因素的GM(1,N)模型群,采用最小二乘法估计模型参数,分析了装备维修性特征及其影响因素的主次关系,最后选择4个装备维修性特征及相关的4个影响因素建立了GM(1,N)模型群,并进行了不同层次主次关系的实例分析。结果表明:所建立的装备多维修性特征及其影响因素的GM(1,N)模型群是有效可行的,可为提升装备维修性设计水平提供决策参考。     

变精度粗糙集的战时装备维修保障资源优化配置

以战时维修保障资源难以预测为背景,面向战时维修保障任务,建立了基于变精度粗糙集的战时装备维修保障资源优化配置模型,实现了不同精度下的多资源点、多需求点的资源优化配置。证明了战时维修保障资源所需时间的取值范围,以此推导出模型中所需时间与成本的取值范围。利用粒子群算法对该模型进行求解,得到最优目标函数值,从而验证出此模型与算法的有效性。     

基于VMD多尺度熵和ABC-SVM的装甲车辆识别

针对新型作战体系下以装甲车辆为主的地面目标的被动声识别问题,为实现不同车型在不同工况下的声识别,以常见的3种坦克和4种履带式装甲车为识别对象,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)和人工蜂群(Artificial Bee Colony,ABC)算法优化的支持向量机(Support Vector Machine,SVM)相结合的装甲车辆声识别模型。首先,采集不同工况下的车辆噪声信号并进行频谱分析,证明了VMD分解的可行性;其次,对样本信号进行VMD分解,得到不同尺度的本征模态函数(Intrinsic Mode Function,IMF)并进行多尺度模糊熵(Multi-scale Fuzzy Entropy,MFE)的计算,得到多尺度模糊熵特征(VMD-MFE);然后,利用优化算法对SVM进行优化,得到最优参数优化的分类器模型;最后,对噪声信号进行特征提取和分类实验。结果表明:VMD的分解效果优于经验模态分解(Empirical Made Decomposition,EMD)和集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD);与引力搜索算法(Gravitational Search Algorithm,GSA)和布谷鸟搜索(Cuckoo Search,CS)算法相比,ABC算法得到的优化模型ABC-SVM具有更高的识别率,可达94. 14%以上。     

Contourlet变换域下的目标特征提取与识别

利用Contourlet变换对于高维信号的表示能力,在Contourlet变换下提取不变矩特征以及局部Contourlet二值模式特征,通过特征组合,提出了一种在多种外界变化条件下都具有较好稳定性的目标特征提取技术。对于Contourlet分解的低频分量,计算多尺度自卷积矩不变特征;对于Contourlet分解的高频分量,计算其局部Contourlet二值模式(LCBP),并利用两状态HMT描述LCBP系数,得到LCBP-HMT模型,提取模型参数作为特征向量;最后将提取出的低频特征以及高频统计特征组合成特征向量,从而结合了MSA的全局不变性以及LCBP的多尺度、多方向局部描述特性。最后分别对目标的二值图像和灰度图像进行实验,证明了算法在各种变化条件下均具有较好的识别效果。     

基于K-means聚类与NSCT的图像融合算法

传统的基于NSCT的图像融合算法,通常是对原始图像进行NSCT变换,然后进行不同尺度系数的融合,没有对原始图像进行针对性的分析.对此,提出了一种基于K-means聚类的图像融合算法.利用K-means聚类对图像中具有不同特征的目标进行分类,对分类后的图像进行NSCT分解得到低频和高频子带系数.根据分类图像的特点,采用自...     

参照化流形空间融合学习的敏感特征提取与异常检测方法

针对遥测振动信号冲击强、响应周期短、共振频带宽和小样本等特点导致异类模式识别率低的问题,提出基于参照化流形空间融合学习的敏感特征提取与异常检测方法。采用多尺度分析方法将信号正交无遗漏地分解到各尺度带中,提取多尺度特征构造高维特征集；以相同的正常信号样本结合相同类型的异常样本建立专属参照化模型单元,采用线性流形学习获取各参照化模型单元多尺度流形特征差异,增强异常特征的敏感性。融合各参照化模型单元的投影矩阵对原始特征集进行升维再学习,获取低维多尺度敏感流形特征；输入到分类器实现对未知样本状态辨识。实测信号处理结果验证了算法的有效性。     

分形信号的滤波算法

提出了分形信号的小波分解与重构的一种快速算法。针对分形信号的自相似和长时相关的特点，采用离散小波变换（DWT）对分形信号进行多尺度分解，使其成为各尺度上的近似平稳信号，从而可利用通常的Wiener滤波或Kalman滤波方法进行估计，然后再由DWT进行多尺度重构，估计出被噪声污染了的原始信号。重点对DWT的滤波过程进行算法设计，并估计了计算复杂度。     

一种新的红外图像目标检测方法

提出了一种新的海空背景下受强杂波、噪声污染的红外图像目标检测算法,算法利用了小波变换的多分辨率、多尺度特性,将要检测的图像分解到不同频率的多个尺度上,再采用形态学的背景估计和形态滤波技术,对分解后的子图像进行处理、小波重构。仿真实验表明,该算法可较强地抑制云层、海浪以及海天线的强杂波背景和强噪声的干扰,可检测出信杂比(SCR)为2的目标,适用于舰载红外警戒系统。     

一种基于多尺度分解的快速相关跟踪算法

针对传统归一化相关跟踪算法运算量较大的问题，提出一种基于多尺度分解的归一化相关跟踪算法。该算法根据目标大小对目标模板和实时图像进行高斯金字塔分解，然后从最高尺度图像开始搜索，并将最大相关点作为下一级搜索的预测值，直至匹配成功。实验结果表明，该算法能够稳定地跟踪目标，而且计算速度优于传统的归一化相关跟踪算法。     

基于拍卖算法的联合作战装备维修保障任务分配模型研究

联合作战装备维修保障任务分配问题属于典型的组合优化NP类问题.运用拍卖算法将装备维修保障分队模拟为竞标者,将装备维修保障任务模拟为商品,将保障分队相对保障任务优势程度模拟为价格,将保障分队参与任务分配活动模拟为个体参与竞拍,探寻了联合作战条件下多军兵种、多专业装备维修保障任务分配求解方案.仿真结果对比分析表明,拍卖算法在装备维修保障任务分配问题中时间成本低、收敛性好,符合瞬息万变的联合战场保障形势.     

战时装备维修保障力量抢修行动模型构建与求解

针对战时装备维修保障任务重、修理时间有限以及维修保障力量类型与待修装备损伤需求不匹配,难以实现战场精确保障的问题,进行了战时装备维修保障力量多目标行动控制研究。考虑修理时间窗、装备损伤状态、维修保障力量类型与维修保障能力变化以及非遍历性等复杂约束,构建了以装备重要度总和、修竣装备总和以及超出修理时间窗时间总和为目标的维修保障力量多目标抢修行动控制模型。对带精英策略的非支配排序遗传算法进行改进,结合变邻域搜索算法加强算法的局部搜索能力,设计了改进变邻域搜索和非支配排序遗传算法的混合算法实现模型求解,并通过示例验证了模型及算法的合理性和有效性。     

基于小波分析的子带特征提取与选择方法

在研究了目标图像多尺度小波分解特性的基础上,提出了基于小波多尺度分解子带主成分的特征提取的算法。该算法利用图像在不同尺度的小波变换域中能量局部集中性,选择各子带能量较集中的局部小波系数构成图像目标特征向量。这种特征包含图像目标的主要边缘、纹理、灰度、结构等多种信息。由于对图像目标的特征信息的分布没有任何限制,因而适用于多种类型的图像的特征提取,可以解决单一特征提取方法中必须面对的所提取特征不明显的难点。这种特征向量对噪声有较好的鲁棒性。     

节理形貌分特征研究

本文根据垂直剖面法的原理,对节理形貌的分形特征进行了分析,作者计算了六条不同的节理剖面轮廓线的分维值,结果表明,分维是节理表面粗糙程度更客观的定量尺度。同时还提出了波纹和齿纹的概念,并把分维分解为波纹分维和齿纹分维,为进一步分析节理剪切机理提供了形貌特征细化参数。     

结合振动特征优选和GWOA-XGBoost的电机轴承故障诊断

为解决电机轴承故障状态难以识别,从而造成诊断精度不高的情况,提出了一种基于信号特征提取与极限梯度提升算法(extreme gradient boosting, XGBoost)结合的电机轴承故障诊断模型。使用优化的变分模态分解获得振动信号的固有模态函数(intrinsic mode function, IMF)分量,再基于多尺度熵理论计算各IMF分量的多尺度熵值进行特征重构。在鲸鱼优化算法(whale optimization algorithm, WOA)中引入遗传算法的选择、交叉、变异操作对WOA进行改进。用改进的WOA算法对XGBoost的超参数进行寻优,获得了帮助XGBoost取得最优分类效果的超参数组合,将7种不同故障类型的振动信号进行重构后输入优化的XGBoost模型进行故障诊断。实验结果表明,所提GWOA-XGBoost模型的电机轴承故障诊断精度能够达到97.14%,相较于传统诊断方法,性能提升效果显著。     

基于CA与MAS的军用装备维修保障建模仿真

在装备维修保障建模仿真中引入元胞自动机(CA)与多智能体系统(M A S),提出了基于CA与M A S的装备维修保障系统双层结构建模框架,设计了系统的环境模型和主要A gen t模型。采用N etlogo平台开发了装备维修保障仿真系统,通过实例仿真分析了不同维修协作策略对系统整体效能的影响方式及程度,得出信息化条件下通过实施区域化的协作保障可以提高维修保障效率、节约维修资源的结论。     

基于自适应阈值的FAST特征点提取算法

FAST特征提取算法阈值选取固定,因此不能满足不同图像的特征点抽取要求,并且提取的结果存在着多个特征点块的现象。针对这些缺陷,首先采用动态全局阈值对原始灰度图像进行初步提取得到候选特征点,然后采取动态局部阈值和非极大值抑制法进一步对候选特征点进行筛选,从而达到自适应选取阈值和抑制多个特征点块的目的。实验表明,改进后的算法稳定性高,对不同光照和对比度情况下有一定的适应能力,并且运算量相对比于其他一些特征提取算法要小得多,满足实时应用的要求。     

局部信息下的装备维修保障力量网络演化模型

针对现实中仅已知装备维修保障力量系统部分信息的状况,借鉴复杂网络思想,在对装备维修保障力量活动进行网络化抽象的基础上,提出了一种局部信息下的装备维修保障力量网络演化模型。同时,以一种参数可以灵活设置的动态演化模型代替真实的装备维修保障力量作为仿真对象进行研究分析,探讨了3种不同选择概率下随仿真时间变化的各项网络指标,这些指标值验证了装备维修保障力量网络的无标度特征以及小世界特征。     

改进遗传算法的相控阵雷达自适应调度算法及仿真

多功能相控阵雷达因其阵列天线的波束捷变能力,可执行对多个目标交替搜索、验证、跟踪等任务,而如何在时间约束下分配任务,对雷达性能有着决定性的影响。使用一种有效的调度算法能够使雷达资源合理分配,能够让雷达整体性能优化。在分析自适应调度算法的设计原则基础上,给出了具体的性能评估指标。针对多功能相控阵雷达,改进了传统的遗传算法作为调度算法。算法能够在雷达调度间隔约束下,选择综合效能最好的方案安排一个调度间隔内的雷达事件序列,并通过仿真结果验证了算法的有效性。     

点邻域尺度差异描述的点云配准算法

针对传统特征描述符计算复杂度高、配准精度低的问题,提出一种基于不同尺度点邻域特征信息差异的点云配准算法。在特征描述符方面,对关键点选取不同尺度的邻域空间,计算各尺度空间之间的特征值归一化向量差异和法向量夹角,建立点邻域尺度差异描述符,特征描述符计算简单且节省时间。在关键点选取方面,根据曲面形状指数设计了一种寻找关键点的方法,提取的点具有很好的代表性。在对应关系寻找方面,提出一种基于欧式距离的对应点二重筛选方法,找出对应点对集,设计了基于全局距离的全局最优点云变换矩阵求取方法。实验结果表明,点邻域尺度差异描述的点云配准算法具有良好的配准精度和稳健的噪声鲁棒性。     

一种基于Mellin变换的水声宽带相关模糊函数的快速算法

提出了一种基于Mellin 变换的快速算法,其特点是在给定的某一时刻得到不同尺度下的变换结果,算法的运算量与待分析的时延成正比,而在固定时刻下的运算量为两个2M点的FFT和一次2M点复数乘法(M为待分析的尺度的个数).该算法的优点是实时性好,且适合于水声信号领域尺度跨度小、尺度分析较细的特点,并给出了与直接法、CZT法的比较结果.