多传感器参数融合研究

防空导弹武器系统为了适应“网络中心战”,对多传感器参数融合进行了研究。给出了同时间点参数融合的加权最小二乘法与不同时间点参数融合的Kalman综合滤波法。对于各方法的性能,不仅进行了简要的理论分析,还给出了仿真实验的数据结果。理论分析与仿真实验都证明了这2种方法具有优异性能。     

基于OLS算法的导弹气动系数模型优选

针对导弹控制系统中的气动力建模问题,将正交最小二乘法用于模型结构优选,并提出一种候选模型集预处理方法,用以剔除模型中的相关项在此基础上建立了导弹气动力模型优选方法。将其应用于一种导弹滚转力矩系数模型,进行了仿真计算,取得了与风洞试验数据一致的计算结果。结果显示该方法在导弹气动力建模中有效可行,为构建最优化的模型结构提供指导。     

基于MED的滚动轴承故障特征提取方法及其应用

为提取微弱的轴承故障信号,研究了一种基于最小熵反褶积(Minimum Entropy Deconvolution,MED)的滚动轴承故障特征提取方法:在利用AR模型去除齿轮啮合产生的确定性信号的基础上,对保留信号进行最小熵反褶积,增强冲击信号.该方法避免了传统轴承故障诊断方法中带通滤波器设计的难题,实车测试表明:与共振解调技术相比,该方法提取的滚动轴承故障特征更加明显,更适合于工程应用.     

基于小样本数据的作战计划生成方法

针对部队实兵对抗实验数据生成和采集的投入高、难度大的实际,提出基于小样本数据生成作战计划的方法：首先,采用偏最小二乘回归分析法建立作战因素与作战结果间的多元非线性模型;其次,采用改进的遗传算法,在MATLAB平台编程实现了对模型的整数规划求解,并通过实例验证算法的有效性;最后,利用作战因素的重要性排序分析作战计划的调整流程。     

基于CPU-GPU混合计算平台的RNA二级结构预测算法并行化研究

RNA二级结构预测是生物信息学领域重要的研究方向,基于最小自由能模型的Zuker算法是目前该领域最典型使用最广泛的算法之一。本文基于CPU GPU的混合计算平台实现了对Zuker算法的并行和加速。根据CPU和GPU计算性能的差异,通过合理的任务分配策略,实现二者之间的并行协作计算和处理单元间的负载平衡;针对CPU和GPU的不同硬件特性,对Zuker算法在CPU和GPU上的实现分别采取了不同的并行优化方法,提高了混合加速系统的计算性能。实验结果表明,CPU处理单元在混合系统中承担了14%以上的计算任务,与传统的多核CPU并行方案相比,采用混合并行加速方法可获得15.93的全局加速比;与最优的单纯GPU加速方案相比,可获得16%的性能提升,并且该混合计算方案可用于对其它生物信息学序列分析应用的并行和加速。     

认知无线网络中不同场景的动态频谱聚合算法

在认知无线电网络中,不连续的频谱片段可以通过频谱聚合来满足认知用户的用频需求。常用的频谱聚合算法有具有聚合能力的频谱分配算法、最大满足算法和最小切换算法等。文章在这几种算法的基础上提出了一种能够预测高级用户出现概率的方法,从而减少网络开销;对于用频需求较大的情况,提出了折中算法和片段最大化算法,增加了可支持的用户数量,并减少了网络开销。仿真结果表明,上述算法具有较好的效果。     

最小交互熵谱估计在反坦克导弹系统仿真模型验证中的应用

针对反坦克导弹系统动态过程仿真的输出具有短时序、低信噪比的特点 ,研究了应用最小交互熵谱估计验证导弹系统仿真模型有效性的方法 ,并结合某型号滚转稳定的反坦克导弹系统的仿真数据和理论计算数据给出了最小交互熵谱估计的应用结果。     

非线性最小二乘估计在舰炮火控中的应用

本文叙述了一种改进舰炮精度的概念。此概念的关键是对用来解弹道问题的一组参数进行估值的方法。基本思想是:当火炮射击时跟踪弹丸,然后产生一组参数,使用来解弹道问题的数学弹道接近于实测弹道。此过程不同于观测弹着点的方法(timehonored method ofApotting the fall of shot),因为它调整产生炮瞄信号的模型,而不是简单地移动弹着点。 该方法的关键是有限差分高斯—牛顿技术,它处理跟踪数据和求取炮口初速、气象数据和校准误差的估值。这些估值组合起来并用于火控处理中,能获得比常规方法更精确的解。 根据原概念的公式,经战术软件的开发和阿利伯克级宙斯盾驱逐舰上的应用,美国水面战中心达黑格伦分部(NSWCDD)已经完成了该项工作。     

纯方位系统TMA非线性最小二乘法--工程数学模型与算法

在纯方位系统目标运动分析(TMA)众多方法中,非线性最小二乘法是较为实用的一种,由于其理论模型与选配的常规算法,在工程实施中仍嫌繁琐,因此,给出了线性化的最小二乘法,建立了工程数学模型与算法,并深入地研究了它的初值选取问题.最后,得出了非线性最小二乘法应用于纯方位系统TMA问题的研究结论.     

基于ARX模型和改进蚁群算法的齿轮箱故障诊断

为了提高齿轮箱故障诊断的精度，提出基于ARX模型的齿轮箱建模新方法，从系统固有特性的角度来分析齿轮箱的状态，使用最大最小蚁群算法对反映齿轮箱多变量传递特性的多个特征参量进行特征选择并使用这些特征进行故障诊断。结果表明，该方法既能够有效提高故障诊断的效率和精度，又能有效降低输入条件和负载出现波动对识别结果的影响。