基于蚁群算法的航空弹药需求测算

智能化是现代航空弹药需求与指挥控制系统的发展趋势,如何进行合理快速地调拨航空弹药是系统设计过程中的关键任务之一。为此,提出了依据目标对航空弹药进行选择的策略,利用蚁群算法对战斗目标进行聚类分析,对各类目标进行模糊综合评判,从而确定装备出动方案,依据弹药与装备的关系,对满足既定保障度的弹药需求量建立模型,并计算出满足既定保障度的弹药供应量,为战前对战场态势预估,实现弹药战时及时准确调拨,为作战弹药准备提供依据。     

月球返回舱再入制导律设计

针对以接近甚至超过第二宇宙速度再入地球的登月飞行器制导任务,研究了满足热流、过载、落区等约束的返回舱再入制导律。月球返回舱是低升阻比弹道升力式再入飞行器,控制策略是改变倾侧角的符号和大小。倾侧角大小的确定转化为一个单变量非线性方程求根的问题,倾侧角符号的确定依倾侧反转逻辑来满足横向走廊,其中横向走廊设计成速度的函数。通过综合偏差的Monte Carlo仿真评价制导算法的性能,仿真结果表明制导的纵向标准偏差在30km左右,横向标准偏差小于5km。此外,分析了影响滚转速率的因素,给出了调整反馈增益系数和减小滚转速率及制导精度的关系。     

可变等效孔径直接数据域方法

针对直接数据域(DDD)算法具有孔径损失的局限,提出了一种孔径扩展算法.新算法首先利用单快拍数据在不同阵元间的相位关系构造一个循环矩阵,然后通过不同的截取方式获得不同的孔径扩展效果.仿真计算表明,扩展后的孔径介于阵列原始孔径的2/3～1之间.     

蚁群算法及其在火力分配问题中的应用

火力分配问题是指用一定数量的武器对一定数量的目标进行打击,如何根据武器性能和目标特性等一系列的因素,制定打击计划,使打击效果最好,满足打击需求,是我二炮部队火力运用专业的研究课题之一.火力分配问题是NP难题,经典的求解算法存在指数级的时间复杂度.采用蚁群优化算法,对该问题进行了研究.     

基于混合遗传算法优化的制导炸弹BP网络PID控制器

经典的PID控制方法虽然其物理意义明确、参数调整简便,但是面对现代的过程控制对象所具有的非线性、时变和多种不确定干扰等特性,使得基于精确线性数学模型的设计思路很难直接获得满意的动静态控制效果.在BP神经网络控制的基础上,采用混合遗传算法优化BP反向传播权系数值,推导了算法过程,设计了基于混合遗传算法优化的制导炸弹BP网络PID控制器.最后,以某制导炸弹纵向通道设计为例,仿真结果表明控制器能使得制导炸弹准确命中目标,并且具有较好的鲁棒性能.     

多层次信息融合技术在燃气轮机故障诊断中的应用

探讨了信息融合技术在燃气轮机故障诊断中的应用,构建出一种燃气轮机多层次信息融合故障诊断模型.在模型的数据融合层,采用了自适应加权融合算法,以最小化传感器测量不确定度为目标对同源测量数据进行了融合,其结果再经特征层进行故障特征的提取和融合,最终通过决策层给出诊断判定.数值实验结果证明,该故障模型能有效减小传感器测量不确定度对于诊断的不良影响,所得诊断结果的合理性和精度均得到了提高.     

自动驾驶技术道德算法困境探析

在人工智能时代,人工智能的普及孕育出一系列的伦理问题。人工智能自动驾驶技术中的道德算法困境,包括电车难题和隧道难题。现有的伦理主张,如功利主义、罗尔斯式算法以及将选择的权利让渡给车主的道德旋钮等,但这些伦理主张本身也存在一定缺陷。想要解决自动驾驶技术道德算法困境,需要采用强制性的、互利的算法伦理程序,并从依赖单一伦理理论转为达到共享理解。     

利用生成模型的人体行为识别

选取关键点轨迹的方向-大小描述符、轨迹形状描述符、外观描述符作为人体行为的特征;为了降低人体行为特征维数,利用信息瓶颈算法进行词表压缩;利用生成模型,结合已标记样本和未标记样本提出一种人体行为识别的半监督学习方法,解决了行为识别中的小样本问题。在You Tube数据库、中佛罗里达大学运动数据库上利用提出的方法与已有的方法进行对比实验,结果表明该方法具有更高的识别精度。     

基于改进人工蜂群算法的漏磁缺陷轮廓重构

漏磁缺陷重构是指由检测到的漏磁信号重构缺陷轮廓及参数,是实现漏磁反演的关键。将局部最优解和全局最优解引入到人工蜂群算法(Artificial Bee Colony Algorithm,ABC)中,提出了一种基于改进人工蜂群算法的缺陷重构模型。在该模型中,径向基函数神经网络作为前向模型求解漏磁信号,改进人工蜂群算法用于求解反演问题中的优化问题。将改进人工蜂群算法和基本人工蜂群算法作为反演算法进行了比较,实验结果表明,改进人工蜂群反演算法精度较高,速度较快,同时对实测信号具有鲁棒性,是一种有效可行的漏磁反演新方法。