自适应控制中的Hartley块算法及实验

针对小波包自适应控制子频带内包含大量卷积和相关运算导致算法收敛速度慢的问题,提出基于Hartley块的小波包滤波最小均方算法。将快速Hartley变换引入块算法,实现频域内快速卷积和相关运算;在子频带内应用Hartley块算法生成控制信号,通过重叠保留法提出基于Hartley块的小波包滤波最小均方算法;通过仿真和实验研究了定频和扫频两种工况下的隔振性能和控制效果。结果表明,基于Hartley块的小波包滤波最小均方算法不仅可以大幅缩短收敛时间,还能显著提高控制精度,且鲁棒性和稳定性良好,能够很好地应用在工程实际中。     

针对无人机集群对抗的规则与智能耦合约束训练方法

基于无人机集群智能攻防对抗构想,建立了无人机集群智能攻防对抗仿真环境。针对传统强化学习算法中难以通过奖励信号精准控制对抗过程中无人机的速度和攻击角度等问题,提出一种规则与智能耦合约束训练的多智能体深度确定性策略梯度(rule and intelligence coupling constrained multi-agent deep deterministic policy gradient, RIC-MADDPG)算法,该算法采用规则对强化学习中无人机的动作进行约束。实验结果显示,基于RIC-MADDPG方法训练的无人机集群对抗模型能使得红方无人机集群在对抗中的胜率从53%提高至79%,表明采用“智能体训练—发现问题—编写规则—再次智能体训练—再次发现问题—再次编写规则”的方式对优化智能体对抗策略是有效的。研究结果对建立无人机集群智能攻防策略训练体系、开展规则与智能相耦合的集群战法研究具有一定参考意义。     

两栖车辆用牺牲阳极材料研究进展

结合两栖车辆的发展和两栖车辆牺牲阳极阴极保护性能指标要求,介绍了两栖车辆用牺牲阳极材料研究进展,分析了主要合金元素作用机理。根据牺牲阳极耐干湿交替性能要求和实车试验结果,采用极化时间、车体保护电位、活化性能等技术指标,评价了五元和六元牺牲阳极对两栖车辆阴极保护效果。展望了两栖车辆牺牲阳极阴极保护研究的下一步工作方向和重点。     

宽速域飞翼布局后缘射流滚转控制研究

采用数值模拟方法对宽速域(Ma为0.145～0.7)内飞翼布局采用后缘环量控制射流进行滚转控制开展系统研究,并与传统舵面控制构型进行对比。研究关注电磁隐身特性、滚转控制特性和相关流动机理,以及射流引气的综合影响。结果表明:随马赫数的增大,射流对边界层流动的夹带和阻滞效应减弱,滚转控制能力显著下降;但射流控制大幅提高了典型角域的电磁隐身特性,并且引气量少,推力损失小,控制效率因子(单位附加阻力系数产生的控制力矩系数)高。综合来看,后缘环量控制射流是一种极具潜力的飞翼布〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCSS.TIF;%129%129〗听语音 聊科研与作者互动 局滚转控制设备。     

基于LabVIEW的齿轮箱故障诊断

着重介绍了齿轮箱故障诊断系统的实现过程和设计思想,及通过虚拟仪器开发软件LabVIEW、小波变换和神经网络技术,来实现齿轮箱故障诊断系统的核心内容,最后通过实例验证了此设计的可行性。     

老刘的小岛阵地

在烟波浩渺的渤海深处,有一个距离公海仅12海里的孤岛,这里没有淡水、没有居民、没有耕地、没有航班,正如一名孤独的哨兵,警醒地看护着祖国的海上"东大门"。岛上环境恶劣,再加上周围海况复杂,官兵就医成为"老大难"。然而,在这片碧海云天间,济南军区某海防团炮兵营军医刘吉林整整坚守了12个年头。     

基于通信延迟误差补偿的协同导航算法

多自主水下航行器(MAUV)协同导航技术是解决水下定位的重要手段。主从式多AUV协同导航系统利用水声通信方式实现数据共享,但由于声速在水中传播较慢,使得接收到的量测信息具有通信延迟。因此,针对通信延迟问题提出了一种新息重建的状态估计补偿方法,通过对从AUV进行状态递推,获得在有无量测延迟两种情况下的状态误差,将此误差作为重建的新息补偿到状态估计中。仿真结果验证了该方法能够有效地补偿协同导航中由于通信延迟造成的定位误差,提高从AUV的定位精度。     

基于谱聚类的扇区划分

为了使有限的空域资源得到合理的利用,同时平衡管制员的工作负荷,研究了基于谱聚类的扇区划分问题.提出了点的靠近程度,结合对实际航迹数据的检测,建立了带有权重的空域网络结构模型;利用谱聚类算法对空域中的关键点进行聚类,解决了管制扇区划设时协调负荷过大的问题,通过voronoi图生成扇区边界并进行几何修正;利用提出的方法,以太原地区的空域为例进行分析,并结合了TAAM仿真,验证了该扇区划分方法的有效性和合理性.     

SEAD场景异构无人机配置与任务规划联合优化方法

对敌防空压制(suppression of enemy air defenses, SEAD)场景是多无人机协同的典型应用,针对该场景特点,在任务规划问题基础上将各类型无人机数量也作为决策变量,充分表征目标、任务和无人机的多种约束,建立异构无人机编队路径问题模型。设计了双层联合优化方法求解该模型：上层设计了任务衔接参数指标,精确评估各类型无人机需求,指导无人机配置调整;下层设计了改进遗传算法,高效处理多类型约束并能结合无人机数量变化对任务方案进行精细调整;双层相互协调获得满足需求的无人机配置和执行方案。仿真结果表明,该方法可以在避免遍历无人机配置组合的前提下获得合理的无人机配置方案和高效可行的执行方案。