基于AHP的舰船大风浪中航行安全评价

舰船在大风浪中航行的风险是一个比较重要的研究领域,其风险程度很难用量化进行评估.为了更好地方便研究,并为以后的研究奠定理论基础,采用了层次分析法,建立舰船在大风浪中航行的安全评价体系,同时构造了判断矩阵,并进行了层次单排序一致性检验,求出了每个影响舰船航行安全因素的权重,并通过实例进行解算,得出结果和实际情况相比大致相似.此方法可以较好地对舰船在大风浪中航行的安全进行直观的描述,可供舰船长用来掌握舰船航行的风险情况,进而进行有效的风险决策.     

音波法气体管道泄漏定位影响因素分析及算法改进

为提高音波法气体管道泄漏定位的精度,对影响该方法泄漏定位的主要因素以及定位算法进行了研究。通过假设计算,分析了绝热指数和压缩因子对定位精度的影响。结果表明,压力较大时绝热指数和压缩因子变化较大,在定位计算中不能忽略。在此基础上,考虑管内沿线气体的流速、温度和压力分布等因素,对音速公式、气体流速公式以及定位公式进行修正,从而得到可以较为精确求解泄漏位置的计算公式,并通过牛顿-科茨公式改进算法。研究结果对进一步完善音波法管道气体泄漏检测技术具有一定的设计和理论指导意义。     

战场要素的认知处理

针对多弹编队飞行时如何判断当前复杂战场环境下的战场态势问题,采用层次分析法、属性识别理论方法和数据融合的方法,研究了实时认知处理战场要素模型问题。首先,对复杂战场要素进行分析,对这些战场要素进行分类;对不同的战场要素分别建立数学模型;然后,采用层次分析法和属性识别理论方法对导弹认知的数据进行评估,得到数据的精度评估等级后,采用数据融合方法对数据进行融合,得到融合后数据,以此对导弹中的数据进行实时更新。最后,将所建立的战场要素模型进行实例化仿真,仿真结果表明该方法的有效性。     

流行文化对新疆高校大学生价值观影响的结构维度及因素分析

本文采取实证分析方法,通过对流行文化对新疆高校大学生价值观的影响进行问卷调查,得出流行文化对大学生价值观影响的结构维度包括政治价值观、生活价值观、自我价值观和婚恋价值观。在流行文化对大学生价值观的影响因素方面,性别、民族、对流行文化的了解程度、您在上大学前在什么类型的学校就读等影响显著。     

威布尔分布的战术导弹可靠性试验信息融合方法

针对战术导弹可靠性试验小子样问题,提出了基于威布尔分布,利用小概率原理,针对不同试验环境下试验数据的融合方法。该方法扩大了战术导弹可靠性试验的统计子样,提高了可靠性评定的可信度。     

航空时敏制导炸弹增程弹道组合优化设计

为增强航空时敏制导炸弹在中制导段的滑翔能力,将极小值原理与自适应进化粒子群算法相结合,提出了一种适用于航空时敏制导炸弹增程弹道的组合优化设计方法。基于纵向平面内质心运动模型,推导了性能指标泛函及各不等式约束函数。引入Lagrange乘子矢量并建立相应的Hamilton函数实现无约束泛函极值问题的转换,推导出兼顾各优化目标函数的满意优化模型。利用自适应进化粒子群算法对该段增程弹道进行了攻角与弹翼张合档位双设计变量的组合优化。数值仿真算例表明,在满足状态方程约束的条件下,双变量的增程效果比常规单变量控制时显著提高,其优化结果可为制导炸弹弹道规划设计的研究提供一定的理论参考。     

基于直接数据域自适应算法的相干信号DOA估计

利用直接数据域自适应算法的稳态权值代替噪声子空间构建空间谱,构造了一种超分辨波达方向(DOA)估计方法.为了解决谱峰搜索时的伪峰问题,采用参考阵元轮换得到多组线性无关稳态权值,逼近噪声子空间,能有效去除伪峰.针对相干信号的DOA估计,进一步提出了直接数据域取对称共轭向量的解相干方法.相比子空间分解类算法,本文算法不需估计信号源数目和协方差矩阵、不需特征分解,复杂度仅为O(MP),同时能有效完成解相干处理.     

高超音速飞行器参数不确定性的自适应控制方法

针对高超音速飞行器飞行控制中被控对象模型参数不确定性的特点,应用简单自适应控制方法设计其纵向控制律。论述高超音速飞行器纵向运动的动力学模型和参考模型的建立,以及基于此参考模型用简单自适应理论设计飞行控制律的方法,并且通过数值仿真进行鲁棒性能验证。仿真结果表明,所设计的控制律可以根据参考模型与实际系统输出之差自适应地调节控制增益,对模型参数不确定性具有较好的抑制作用,设计方法可行。     

Multi-scale traffic vehicle detection based on faster R-CNN with NAS optimization and feature enrichment

It well known that vehicle detection is an important component of the field of object detection. However, the environment of vehicle detection is particularly sophisticated in practical processes. It is compara-tively difficult to detect vehicles of various scales in traffic scene images, because the vehicles partially obscured by green belts, roadblocks or other vehicles, as well as influence of some low illumination weather. In this paper, we present a model based on Faster R-CNN with NAS optimization and feature enrichment to realize the effective detection of multi-scale vehicle targets in traffic scenes. First, we proposed a Retinex-based image adaptive correction algorithm (RIAC) to enhance the traffic images in the dataset to reduce the influence of shadow and illumination, and improve the image quality. Second, in order to improve the feature expression of the backbone network, we conducted Neural Architecture Search (NAS) on the backbone network used for feature extraction of Faster R-CNN to generate the optimal cross-layer connection to extract multi-layer features more effectively. Third, we used the object Feature Enrichment that combines the multi-layer feature information and the context information of the last layer after cross-layer connection to enrich the information of vehicle targets, and improve the robustness of the model for challenging targets such as small scale and severe occlusion. In the imple-mentation of the model, K-means clustering algorithm was used to select the suitable anchor size for our dataset to improve the convergence speed of the model. Our model has been trained and tested on the UN-DETRAC dataset, and the obtained results indicate that our method has art-of-state detection performance.     

基于逆向分层的工作流时间-费用优化方法

针对效用网格下基于优先级因子的工作流时间-费用优化问题,基于工作流的同步完成特征对任务进行分层并提出三种实时调度算法:基于逆向分层的sufferage(BLSuff)、基于逆向分层的min-min(BLMin)及基于逆向分层的min-max(BLMax)。算法设计基于优先级因子的衡量标准对时间与费用同时进行优化,并为任务设置期望完成时间以达到充分利用费用优化空间进行费用优化的目标。实验结果表明这三种算法在各种优先级因子下都能对工作流的执行时间与执行费用进行较好的优化。