GMA离散自适应滑模变结构位移追踪控制研究

超磁致伸缩作动器A)有应变大、能量密度高和响应速度快的特点,在主动隔振领域具有广阔的应用前景,但是其自身材料的磁滞非线性导致其位移控制精度大大降低.为提高其控制精度,方便在实际工程中应用,提出一种前馈逆补偿和反馈控制相结合的位移追踪控制策略.首先,采用自由能磁滞模型表示GMA的磁滞非线性特性;然后,通过变步长的LMS自...     

零下50℃的“温暖”

数九寒天,滴水成冰。驻守在我国最北端的第十六集团军,每年都要在最寒冷的冬日里,将官兵们全部拉至陌生地域,让他们在野外生存数十天,摸索极寒条件下部队作战与生存的各种有效数据。训练中,他们将官兵的防冻伤放在首位,力争做到无一人因冻伤而非战斗减员。他们将上级配发的保温与取暖物品全部派上用场,让官兵们更加适应极寒天气,穿林海、跨雪原,寻找极寒中克敌制胜的战法。     

一种基于麻雀搜索算法的空中目标意图预测方法

针对BP神经网络（BPNN）的分类性能和遗传算法（GA）的参数寻优能力难以满足空中目标意图预测需求的问题,提出了一种基于麻雀搜索算法（SSA）优化支持向量机（SVM）的空中目标意图预测方法。利用SVM和SSA分别取代BPNN和GA,构建了SSA-SVM空中目标意图预测模型,并对模型的预测性能进行了仿真检验。结果表明,SSA-SVM比GA-SVM具有更快的收敛速度和更高的适应度值,比BPNN具有更高的预测准确性和更稳定的预测结果。因此,SSA-SVM可以准确、稳定地预测空中目标意图,能够满足意图预测在准确性和稳定性上的需求,提升了预测性能。     

基于改进遗传算法的协同发射控制软件设计

根据火箭炮武器系统多弹种协同发射的需求,分析了现有发控软件的不足和设计多弹种协同控制软件过程中存在的问题。采用设定禁忌搜索表的改进遗传算法,通过对基因编码、交叉等过程最终实现对多型火箭弹时序协同问题的求解。在此基础上设计的火箭弹协同控制模块的软件架构,为后续实现多种火箭弹协同发射的方式提供了有力支撑。     

拦截弹中制导最优弹道簇生成

针对临近空间高超声速目标飞行速度快,跟踪预测难的特点,提出在中制导阶段进行最优弹道设计与弹道簇生成用于对目标预测命中区域进行有效覆盖的方法。通过分析临近空间高超声速目标对现有防空体系带来的挑战,阐明了在中制导段进行弹道簇设计与生成的必要性;将中制导段的弹道规划问题视为求解满足多种约束条件下的最优控制问题,应用最优化理论方法得到了基准的最优弹道;应用邻域最优控制理论,针对终端约束条件进行调整,设计了邻域最优弹道簇的生成算法。仿真验证了所提方法的有效性。     

基于稀疏贝叶斯学习的扩展目标雷达关联成像*

雷达关联成像不依赖于雷达与目标的相对运动,是一种高分辨凝视成像方式。传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该算法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该算法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

一种融合显著性的Adaboost的电视制导图像变尺度目标快速检测方法研究

电视制导过程中随着弹目距离的减小,目标图像会呈现尺度的非线性放大,现在传统的目标检测方法,不能满足目标尺度的精确变化,导致目标定位偏差,且检测计算量大,无法达到实时性。本文将基于剩余谱的显著性检测方法融入Adaboost检测过程,并应用于电视制导图像的目标检测中,能够对海面或沙漠等背景较为单一的区域进行快速目标检测,且检测窗口能够准确适应目标尺度的变化。     

工作动态

<正>中国核电重水堆先进燃料技术研发中心成立11月5日,中国核电重水堆先进燃料技术研发中心揭牌仪式在京举行。该研发中心将设在中核集团秦山第三核电有限公司,由总体控制、科技研发、系统设备、商务合同等四个部门组成,主要负责重水堆发展战略研究、先进燃料及同位素技术研发以及国内外重水堆工程项目的技术支持等工作。     

用于消除缓变伪距偏差的抗差扩展卡尔曼滤波方法

针对卫星导航系统中伪距观测量存在缓变伪距偏差,导致定位精度下降的问题,提出了一种基于滑动积累的抗差扩展卡尔曼滤波方法。该方法在抗差扩展卡尔曼滤波算法的基础上,通过滑动窗口内多个历元残差矢量的累积,增大标准化残差矢量的伪距偏差,来提高对缓变伪距偏差故障的抗差能力。仿真表明,该方法能有效消除或者减弱微小伪距偏差和缓慢增长伪距偏差造成的位置误差,与传统抗差扩展卡尔曼滤波算法比较,定位精度得到明显改善。     

基于非负张量表示的扩展LDA标注模型

由于“语义鸿沟”的存在,自动图像标注是一项极具挑战性的工作。考虑到图像低层视觉特征与高层语义概念的差异,分别从图像表示与语义建模两个方面来实现自动图像标注。在图像表示方面,提出了一种正则化约束下的非负张量表示方法,用以提取符合人眼视觉直观理解的图像高阶结构特征。在语义建模方面,提出了一种三层贝叶斯模型——扩展隐Dirichlet分配。该模型利用隐变量来实现图像与标注词的关联,并通过一种基于变分推理的期望最大值方法来估计其参数。实验结果表明,ELDA模型在大规模数据库NUS-WIDE上的标注结果相较于现有方法有了显著的提高。