基于灰色理论的电子系统状态预测方法

电子系统的状态预测是利用其历史信息来实现系统未来状态和趋势的估计,以防止灾难性故障的发生,对于推动视情维修具有重要意义。针对典型模拟滤波电路,通过分析其关键测试信号的特点,研究了基于灰色理论的状态预测方法,并针对该预测模型的不足,设计粒子群算法选择最佳预测维数,设计新陈代谢法使该模型参数在线改变,从而建立符合电子系统信号特点的灰色预测模型。将该模型与ARAM模型比较,实验结果验证了该模型具有较好的状态预测精度和预测性能。     

具有策略偏好的模糊双矩阵对策模型及其应用

针对局中人对策略有偏好、支付值模糊的双矩阵对策给出了一种具体的求解方法,首先根据加权算子集结得到局中人的策略偏好向量、利用模糊数排序方式将模型转化为清晰的双矩阵对策,再利用粒子群优化算法求解.最后以雷达电子对抗为例,建立了具有策略偏好的模糊双矩阵对策的作战效能评估模型,研究结果对于双方资源分配,提高作战效能具有一定的军...     

自动化电弧喷涂路径偏移间距的优化模型

基于电弧喷涂沉积丘的轮廓呈高斯分布的假设,并结合实验结果,建立了电弧喷涂沉积丘轮廓的数学模型,由此推导出了自动化喷涂过程中平行路径偏移间距这一重要参量的优化模型。该模型为合理规划自动化喷涂的路径提供了依据。     

虚拟战场中车尾扬尘的实时仿真方法

基于扬尘现象的物理模型和粒子系统的基本原理,给出了一种车尾扬尘特效的快速实时生成算法.首先建立适用的扬尘粒子系统模型,再通过OpenGL的纹理映射、融合功能等技术对模型进行渲染,特别是从实时性角度入手对传统粒子系统进行改进,最终成功地运用到基于WTK平台创建的某型装甲车辆视景仿真系统的复杂地形中,在实时性和逼真度方面均获得了较好的效果.     

舰载指控系统的目标跟踪技术现状与未来

考虑到目标跟踪在作战中的重要性,论述了目前的跟踪滤波技术:卡尔曼滤波、扩展卡尔曼滤波,重点论述了未来可用于跟踪的基于贝叶斯原理的粒子滤波技术,是最近几年出现的解决非线性跟踪问题的有效方法。     

随移动窗推进的带电粒子束团长程传输模拟分析

直接采用粒子模拟方法较难实现带电粒子束团千米量级的长程传输模拟,针对此问题以静电模型为基础,引入移动窗技术,使百米量级的粒子传输窗口与束团同步推进运动,建立了带电粒子束团的长程传输模型。将模拟得到的带电粒子束团径向膨胀特性同包络方程的计算结果进行对比,两者吻合较好,证明了在带电粒子束团长程传输模拟研究中结合移动窗技术的可行性及所建模型的合理性。利用此模型分析了100 MeV相对论电子束团的长程传输过程,发现传输过程中束团的自生电场和磁场在径向上呈高度对称分布,轴向上则呈轻微前冲分布;同时,束团内部粒子的轴向速度分布也会发生变化。利用此模型分析了100 MeV电子束团的长程传输过程及其内部参数和自生场量的变化。     

负载型钴基超细粒子催化剂的催化性能

采用共溶胶 -凝胶法和超临界干燥工艺 ,制备了负载型钴基超细粒子催化剂Co-SiO2 ,研究了该种催化剂对CO氧化反应的催化性能 ,并进一步考察了钴含量对其催化活性的影响。研究结果表明 ,该种催化剂在低钴含量 ( 1 %～ 2 % )时即对CO的氧化反应表现出高的催化活性 ,并具有优良的热稳定性和很宽的反应活性温度区域 ( 1 60℃～ 80 0℃ ) ;钴含量对其催化活性和稳定性有重要影响 ,在 0 1 %～ 2 %的含量范围内 ,随钴含量增加 ,催化活性和稳定性逐渐升高。     

等离子体粒子模拟中的电磁场边界条件

针对等离子体粒子模拟中电磁场边界条件的选取问题 ,对简单吸收边界条件、Lindman边界条件、超吸收边界条件等进行了详细的讨论。结果表明 ,简单吸收边界条件计算量最小、误差最大 ,超吸收边界条件计算量最大、误差最小 ,Lindman边界条件误差较小且其反射系数对入射角的依赖性不大     

基于卡尔曼滤波的单矢量水听器水中多目标方位跟踪

对单矢量水听器接收的声压和质点振速信息进行联合处理,采用量子粒子群求解声压和质点振速组成的非线性相关方程组,从而实现多目标声源方位的估计。对于低信噪比的情况,难免会引入较大的方位估计误差。采用最小二乘法对目标方位轨迹进行拟合并建立预测模型,然后通过卡尔曼滤波对单矢量水听器估计的目标方位轨迹进行优化。结果表明：单矢量水听器能够同时分辨多个目标方位,解算结果应用统计特性表示;信噪比越高,分辨率和精度越高,偏差越小;对于水中目标而言,1阶多项式足以进行方位轨迹拟合,再采用卡尔曼滤波能够有效提高目标方位跟踪精度。     

一种改进的粒子群优化算法

针对基本粒子群算法存在着收敛速度慢、效率低、易陷入局部最优等缺陷,为了更好地平衡全局和局部搜索能力,在粒子群算法中引入收缩因子,使算法中粒子不仅向种群最优的粒子进行学习,而且向种群中比自己优秀的所有粒子学习,增加了粒子的多样性。实验结果证明,与基本蚁群算法相比,改进的粒子群算法提高了收敛速度和效率,能一定程度地避免局部最优解的产生。