ITSON：一种基于拓扑演化的P2P智能搜索机制

P2P系统中节点的动态特性对搜索性能的稳定提出了很大挑战。借鉴社会学和组织学相应原理,提出拓扑演化模型捕获节点的运动规律。节点模拟人类在社会网络中的行为,根据自身和他人的兴趣变化,随搜索过程的进行,利用自身局部信息,动态、自适应地调整网络拓扑,及时反映资源分布以及搜索内容的动态变化,维持资源合理组织。在此基础上提出的智能搜索机制ITSON(InTelligent Search based on tOpology evolutioN),利用消息转发的智能性进行路由方向决策,从而迅速定位资源提供节点。仿真结果说明,ITSON能自动优化网络,具有良好的搜索性能和自适应特性。     

自补偿液体静压精密转台轴承设计与实验

设计了一种用于精密转台的新型自补偿圆锥形液体静压轴承,并完成了轴承的制造与性能测试。采用流量平衡原理推导了轴承设计公式,得到了轴向和径向的最优刚度及其优化条件,计入制造误差对轴承承载性能进行了仿真,并测试了轴承的刚度和回转精度。结果表明:轴承刚度受到节流间隙与承载间隙的流阻比以及油腔间内流系数影响,流阻比存在最优值,而内流系数越小,对刚度越有利;计入制造误差的仿真模型能够有效预测轴承刚度范围。     

基于AFSA的自抗扰控制器参数整定

自抗扰控制器（ADRC）的参数众多,通常依赖于人工试凑优化,控制系统的性能好坏过分取决于设计人员的经验且效率不高。针对ADRC的参数选取问题,首次利用鱼群算法（AFSA）全局寻优能力强,鲁棒性好的特点,结合已有的参数整定经验,提出了一套基于AFSA的ADRC参数整定规则,并进行了数字仿真。仿真结果表明,经由基于AFSA参数整定规则优化过后的ADRC具有良好的动静态特性,提高了设计效率,验证了该方法的可行性和有效性。     

基于对抗的防空体系结构演化性概念建模

为定量研究空防体系对抗过程,基于对空防体系对抗相关研究方法分析,提出从体系结构角度研究空防体系对抗.通过阐述对抗条件下的防空体系结构演化性建模思想,提出空防体系对抗实质是一个防空体系结构“动态编成—对抗消耗—优化修复”动态循环演化过程.在此基础上,围绕其中3个环节进行防空体系结构演化性概念建模,以此为空防体系对抗定量建模研究提供一种新思路.     

伺服系统速度环控制器参数的自整定及优化

针对交流伺服系统速度环控制器参数自整定及优化的需求,为使工程技术人员避免繁琐的调参过程,提出了一种基于转动惯量辨识的速度环控制器参数自整定及优化方法。首先,采用频率法分析伺服系统速度环控制器参数的设计规则;随后,采用遗忘因子递推最小二乘法,对控制器参数设计所需的系统转动惯量进行辨识;最后,在此基础上利用设计的变步长迭代算法,完成控制器参数寻优过程。仿真结果表明,采用遗忘因子递推最小二乘法,能够有效辨识出电机轴端的转动惯量。提出算法进行整定及优化后,速度环控制器参数能使系统具有良好的动态响应和鲁棒性。     

贝叶斯推理模型Index-GMVAE在随机数据缺失填补中的应用

变分自编码器(VAE)推理随机缺失数据还原是近年来一种新兴的数据填补方法,但传统的VAE算法存在后验分布单一,变分推断证据下界收敛慢等问题.因此,提出了一种采用高斯混合后验分布和缺失数据位置掩码推理缺失数据还原的新的贝叶斯推理网络框架——Index-GMVAE.在Mnist手写数字数据集和Adult数据集上分别做了实验...     

基于演化硬件技术实现武器系统自修复的研究

演化硬件通过演化的方式实现电路功能,可看作是演化算法和可编程逻辑器件的有机结合.演化硬件通过演化算法可实现自身结构重构,使系统具有自适应性、自组织、自修复特性.基于演化硬件这些特性,提出了一种武器系统维护的新方法--自修复.首先介绍了演化硬件的基本理论,然后介绍了演化硬件用于实现武器系统自修复的工作原理及其优点,以及所需的关键技术.     

基于自校正卡尔曼滤波器的信息融合算法

设计了一种新的基于ARMA模型自校正卡尔曼滤波器及其信息融合的方法,从而避免了经典卡尔曼滤波器需要精确知道系统的模型参数和噪声统计特性的缺点.仿真结果表明,在未知部分模型参数和噪声统计特性的情况下,自校正卡尔曼滤波器的滤波性能非常接近稳态最优卡尔曼滤波器;基于自校正卡尔曼滤波器的信息融合滤波性能接近基于稳态最优卡尔曼滤波器的信息融合滤波性能.     

高频地波雷达目标高度估计的AR模型方法

高度估计对于高频地波雷获取三维信息、提高预警能力很有意义。然而目标RCS的随机起伏对高度估计产生严重影响,通过对RCS随机起伏的AR模型建模和模型参数的自适应估计,提出了在RCS变化的条件下高度估计的扩展卡尔曼滤波算法。通过Monte Carlo仿真和外场试验数据的处理,验证了该方法对抑制RCS随机起伏、提高高度估计精度的有效性。     

基于SDNN神经网络的多雷达目标航迹跟踪研究

现代雷达系统中,目标的航迹跟踪是Network)节点自删除神经网络的多雷达目标航迹跟踪的方法.仿真结果表明,这种方法能够很好地完成多雷达目标的数据融合,并比较有效地实现了多雷达目标的航迹相关.