多特征的UAV快速目标识别算法仿真

针对UAV(Unmanned Aerial Vehicle)侦察图像快速目标识别问题,重点展开基于多特征的UAV快速目标识别算法的仿真研究。算法结合图像的不变矩特征和SIFT特征,首先用不变矩特征构造适应度函数并利用遗传算法的全局搜索能力,在侦察图像中进行搜索,快速提取出可能包含目标的感兴趣区域(ROI,Region of Interest);然后采用尺度不变特征变换算法(SIFT,Scale Invariant Feature Transform)在ROI区域中进行匹配识别,从而确定目标的精确位置。仿真结果表明:算法具有较强的鲁棒性,能有效地识别飞机目标并显著减少识别时间,为UAV系统提供了一种近实时的目标识别方法。     

基于遗传算法的无人机航迹规划代价函数

针对当前使用的无人机航迹规划代价函数的不足之处,提出一种利用遗传算法对无人机航迹规划代价函数进行优化的方法。对基本遗传算法进行了局部改进,设计了航迹极坐标编码方式及航迹适应度函数,在采用基本遗传操作算子的基础上采取精英保存策略,提高了算法的效率;采用代价归一化并进行优化的思想,得到优化之后的代价函数权重值。优化结果表明,该方法可以获得代价更低的航迹。     

改进的基于迭代算法的Weibull分布杂波模拟方法

杂波在雷达环境模拟中具有非常重要的地位.基于ZMNL(无记忆非线性变换法)的Weibull分布雷达杂波模型,可以很好地描述海杂波.但这种模型,因其非线性变换前后相关系数之间的关系公式复杂,很难用直观的方法求解.针对这一问题,提出了用迭代算法来求解该非线性公式的过程,并给出了应用该方法进行杂波仿真的具体步骤及仿真结果,证明了该方法的准确、可行性.     

极化散射矩阵的不同分布箔条云双站雷达截面分析

深入分析箔条云的极化和能量特性,首先通过极化散射矩阵讨论单根箔条的双站雷达截面,并以此为根据推导出不同分布时箔条云的双站雷达截面解柝表达式,讨论了不同极化方式的情况下具有均匀分布及不同正态分布时的双站雷达截面.     

BP神经网络的遗传模拟退火算法动态选址仿真

针对战区装备保障点动态选址问题的广义最大覆盖选址模型,综合分析传统的启发式算法全局、局部搜索中的优缺点,提出一种基于BP神经网络的遗传模拟退火算法,并将其运用于战区装备保障点动态选址决策实际问题中,对该算法进行了仿真研究,给出具体实例的仿真结果验证了该算法求解最优解的高效性以及运算的高收敛速度.     

视情维修模式下威布尔比例故障率模型

视情维修在提高装备的使用可用度、减少生命周期费用和提高维修保障效率等方面发挥了重要作用.在视情维修模式下,采用威布尔比例故障率模型描述了系统状态与故障率之间的关系,对伴随变量进行了相关性分析,以最大可用度为目标,建立视情维修的最优维修策略模型,并根据系统当前状态信息来判断装备是否已经达到最佳的维修时机.最后,对某型陀螺仪故障数据进行了实例分析,表明该方法在视情维修中的合理性和有效性.     

时间管理在实时仿真中的改进

时问是分布仿真中的核心概念;时间管理是分布交互仿真的关键技术.探讨了分布交互仿真中高层体系结构(HLA)的时间管理机制,针对HLA在实时系统仿真方面的不足,分析其原因,提出了时间管理在实时仿真中的改进方法,对HLA在实时系统仿真中的应用有一定的参考价值.     

基于混合遗传算法的拦截弹道优化方法

传统的遗传算法中,交叉和变异样本的选择直接影响算法的收敛.通常根据工程实际需求调整交叉和变异样本的选择概率来提高遗传算法运行的有效性和防止早熟现象的发生.将传统的单纯形搜索算法与遗传算法相结合,提出了一种混合遗传算法,并在算法中增加了加速循环操作,提高遗传算法在求解优化问题特别是工程应用中的有效性,以便优化拦截弹道.数学仿真结果表明该方法能够有效地解决迎面拦截弹道问题.     

一种运用遗传算法确定船舶航向控制模糊规则的方法

为了克服船舶航向控制模糊规则确定过程中的盲目性,引入一种与之相适应的遗传算法,以使结果成为某种意义下的最优解,从而从根本上解决这一重要问题.文中运用Matlab的C语言MEX-文件技术,将遗传算法源代码与Matlab直接结合起来,利用后者的强大建模能力,建立起完整的仿真模型.仿真结果表明,船舶的航向控制能力得到明显改善.     

基于改进遗传算法的油料调拨优化

为实现油料快速调拨运输，利用改进的遗传算法求解油料调拨优化问题，采用了一种受贪婪算法启发的新的交叉算子和变异算子，对比模拟退火算法等其他算法而言，具有较好的鲁棒性，能很好地解决油料调拨运输过程中多任务多地点的油料调拨运输问题。