单像自标定的迭代优化方法

针对基于灭点的单像自标定方法精度不高的局限性,利用影像中的灭点和椭圆几何约束信息,提出一种迭代优化的单像自标定方法。根据极点-极线关系及其表示的正交性,由影像中的椭圆曲线及其所在平面的灭线确定一组正交共轭灭点对。利用这些正交共轭灭点对建立关于主距和主点的非线性模型,以主距的方差最小作为优化准则,并选用多个位置作为主点的初始值进行多次迭代优化估计,获得主距和主点的最优结果。仿真影像和真实影像实验结果表明,该方法能够有效地实现单像自标定。与基于灭点的摄像机标定方法相比,该方法能够获得更为满意的标定结果。     

运用粒子群优化算法的平流层飞艇总体设计

平流层飞艇总重最小化能一定程度上反映总费用最低的设计目标,满足有效载荷功率需求是飞艇总体设计的出发点和落脚点。在飞艇参数建模中引入太阳电池曲面铺装模型以及昼夜能源闭环模型;以整艇重量最小为设计目标,以昼夜能源供需平衡、浮重平衡、推阻平衡三大平衡问题为约束条件,运用粒子群优化算法对飞艇的外形尺寸参数进行优化设计;分析了有效载荷功率需求和功率密度对于飞艇总体设计结果的敏感性。分析结果表明:飞艇总重随有效载荷功率线性增加;飞艇总重随有效载荷功率密度增加而迅速减小,但变化率逐渐变小,飞艇总重趋于稳定。能源系统仿真的结果表明了飞艇总体设计方法的有效性和设计结果的临界特性。     

锻造能打胜仗的政治机关干部队伍

我部着眼建设"对党绝对忠诚、聚焦打仗有力、作风形象良好"的政治机关干部队伍,按照"传统与新型相融合、军事与政工相结合、课堂与战场相对接"思路,分期分批选拔预任政治机关干部集中轮训,着力提高掌握思想、抓建组织、服务中心、帮带解难、言传身教五个方面能力。近3年培训预任的政治机关干部95%以上成为各级业务骨干。一、按照"集智攻关,资源优化"思路破解集训矛盾问题。一是教材体系化。区分基本理论、基本法规、基本业     

基于三次B样条曲线的一维弹道修正弹空气阻力系数拟合

为提高弹道修正弹的射击精度,对一维弹道修正弹空气阻力系数的拟合方法进行了研究。在分析Logistic曲线对43年阻力定律拟合缺点的基础上,提出了一种采用三次B样条曲线对其进行拟合的新方法。并通过某型号一维弹道修正弹验证了该拟合方法具有可行性好、拟合精度高、运算简单、结果可靠等优点。该拟合方法的提出为一维弹道修正弹空气阻力系数的拟合提供了一种新的研究方法,更便于外弹道的仿真计算。     

基于响应面与遗传算法的柴油机喷射参数优化

为解决燃油喷射系统参数优化中高效寻求全局最优解问题,综合响应面设计和遗传算法的优点和不足,采用多项式响应面模型代替原始遗传算法中计算量庞大的目标特性分析模型,建立了多项式响应面模型和遗传算法相结合的参数优化方法。结合非线性规划的凸性分析证明了遗传算法在预定优化区间内全局最优解的唯一性。对优化匹配后的喷射参数进行了模拟计算,结果表明:优化后柴油机油耗降低了1.96g/(kW·h),功率上升了0.99%,排气温度降低了21.86℃。表明该方法具有简单可靠、优化效率高等特点。     

对空防御态势分析中敌平台战术任务识别方法

针对传统战术任务推理方法难以处理对抗性意图存在欺骗行为的问题,通过变换态势分析人员视角,以敌方指挥员角度建立了基于作战效能最大化的单平台战术任务推理模型。模型首先根据对空防御战场态势构建了执行各战术任务的效能评价指标及其优势函数;进而将此多平台战术任务推理转化为多目标优化问题,并通过连续Hopfield神经网络优化算法对该问题进行求解。最后通过仿真实验对推理模型的可行性与有效性进行了验证。     

联合战役油料输送系统模拟模型及优化研究

油料输送是联合战役油料保障中的重要环节,其本质是一个受多种随机因素影响的复杂过程。以运筹学的排队论为建模指导思想,将联合战役油料输送视为一个由多个子系统组成的排队系统,在这一系统中有活动实体(油料)在其中流动。对此动态过程进行模拟分析,结合优化技术,定量分析各种输送方案的军事经济效益,为组织计划联合战役油料输送提供有效的决策支持。     

抑制成像数据噪声的模糊多目标算法

以模糊数学和决策理论为基础,通过建立成像数据模糊指数函数及平方误差 模糊指数函数,提出了一种称为模糊多目标优化的新的算法模型,对成像数据的噪声进行抑 制实现数据优化。实验结果表明,所提出的模糊多目标优化算法模型有较强的抑制噪声能 力,理论和实验有较好的一致性。     

影响油罐电位的输油参数分析

目前,油库、储运公司改扩建工程较多,不可避免对工艺流程进行调整,依据液体静电产生原理,应用高斯定理和欧姆定律等理论,分析油罐注油过程中油面电位以及时间与管径、流速等各参数之间的关系,针对管径不变流速变化的情况,进行实验分析,在不对管路进行整改,仅对泵进行重新设计优选时,对如何控制罐内电位的安全,提出参考方案,对油库改扩建工程有一定的指导意义。     

长短周期记忆网络微调的氧气浓缩器寿命预测模型迁移

针对寿命预测模型迁移问题,提出了一种长短周期记忆网络微调(long short-term memory fine tune, LSTM-fine-tune)的迁移模型,利用理想条件下的试验数据对模型进行训练。在迁移过程中,对部分LSTM网络层进行冻结,利用实际服役环境下的数据对网络其他部分进行修正。为验证模型的泛化能力,采用不同相位与幅值的正弦函数生成数据,通过学习数据获取正弦函数的经验知识,并应用至其他正弦函数的回归,结果表明LSTM-fine-tune模型能够快速拟合,平均均方误差仅为1.033 5,明显低于直接预测误差1.536 8。为通过实际监测数据检验本方法泛化能力,分别获取了试验条件下与实际服役环境下氧气浓缩器的数据,对模型的泛化能力进行验证。结果表明,迁移后训练集预测精度提高了43.0%,测试集预测精度提高了20.2%。