双层气囊隔振装置多目标协同姿态控制方法

针对双层气囊隔振装置高精度姿态平衡控制需求,提出多目标协同姿态控制方法。通过建立双层隔振装置动力学模型、充放气控制等效作用力模型,建立了控制响应特性分析模型。并基于多目标满意优化方法建立了多目标协同姿态控制方法,使得双层气囊隔振装置能够较好地适应上下层气囊隔振装置姿态耦合,实现姿态平衡控制,并可有效抑制结构弹性变形对姿态平衡控制的影响。在双层气囊隔振装置上验证了该控制方法的可行性。该方法将用于某型船舶大型发电机组双层气囊隔振系统,实现双层气囊隔振装置柔性支撑状态下的姿态平衡控制。     

采用优化加点Kriging模型的助推火箭残骸安全区预示方法

建立火箭及其分离残骸弹道计算动力学模型,并采用四元数方法对姿态角解算进行处理。提出基于优化加点Kriging模型的安全区预示方法,结合Monte Carlo和Kriging代理模型的特点,给出安全区预示流程。以某型助推火箭残骸安全区计算为例,对提出的安全区预示方法进行仿真验证。仿真结果表明,提出的基于优化加点Kriging模型安全区预示方法与Monte Carlo方法相比,在不损失计算精度的前提下,具有更高的计算效率,满足快速迭代的工程需求;相比传统极限偏差叠加方法,可显著降低安全区覆盖面积,具有较强的工程应用价值。     

基于MDA的HLA系统开发流程与框架设计

HLA作为IEEE认定的分布式仿真标准,随着在军事、民用等仿真领域的广泛运用,其自身的模型重用性、互操作性等不强的弱点逐渐暴露出来,越来越不能满足大型复杂仿真系统的需要。将MDA方法引入HLA仿真系统设计中,尝试用MDA的模型思想对HLA系统进行开发,提升HLA的模型重用性和互操作性。对MDA在HLA系统中各种模型的设计和表述方式进行了分析研究,提出了一个基于MDA开发HLA仿真系统的开发流程,建立了一个基本开发框架,从软件开发的角度提高了系统的开发效率。     

有无组织的WTA与射击效率分析

武器目标分配WTA(Weapon-Target Assignment)问题一直是军事运筹学和管理科学研究的难题之一.以水面舰艇编队对空防御问题为背景.通过解析和仿真的方法研究静态和动态条件下有组织与无组织的武器目标分配问题,并对射击效率进行比较.结果表明:在静态WTA中,无论按"期望值"还是"概率值"作为射击效率的评判标准,有组织目标分配比无组织目标分配要好,而在动态目标分配中,考虑双方的策略,无组织目标分配并不次于有组织目标分配.     

一种新的足球视频语义镜头表示及事件查询框架

提出了一个足球视频中的语义镜头表示及事件查询框架.在这个框架中,定义了不同的语义镜头,并且每类语义镜头都可以由五个特征属性所刻画.在语义镜头定义的基础上,为了弥补传统的事件查询方式的不足,提出了一种用户定义事件的查询方式,它是一种基于语义镜头合成Petri网表示模型的查询方式,可以由用户自由定义所感兴趣的事件Petri网表示结构,实验证明该查询方式能有效提高查询效率,并有很大的灵活性,能适应不同广播公司的转播规则,但该查询方式需要用户具有一定的专业和领域知识.实验数据来源于2006年德国世界杯、英格兰足球超级联赛和西班牙足球甲级联赛.     

基于信息流的武器装备体系效能模型

信息流是武器装备体系构建的重要依据,信息流过程是武器装备体系效能发挥与建模的基本框架.首先,分析了武器装备体系中信息流的种类,及包括的主要信息内容;其次,围绕信息流过程,将武器装备体系视为一个控制系统,研究了基于各装备效能的武器装备体系效能模型建模方法及相关评估指标的计算方法;最后,以一个算例说明了方法的有效性.     

组合导航中SAR匹配位置参数传递过程

飞行器INS/SAR组合导航中SAR匹配位置参数作为组合滤波器的输入之前需经过多个传递环节的转换.研究了从地面SAR匹配位置到载体主惯导中心位置所涉及各环节间的相互关系及诸参数在各环节中的传递过程,包括地面SAR匹配位置参数向飞行器上SAR相位中心的传递,SAR相位中心参数向辅助惯导中心的传递以及辅助惯导中心位置参数向主惯导位置中心的传递,以此为基础建立测量参数传递过程数学模型.基于传递模型惯导修正及传递误差分析实验结果与实际相符,验证了参数传递模型的正确性与可行性.     

用可视化建模工具实现网络虚拟现实场景

虚拟现实技术在许多领域已经有了广泛的应用,利用可视化三维建模工具对视景仿真中应用的虚拟场景开发是一种新的方法,打破了传统的编程建模的开发思路。用三维可视化建模工具可以简化视景仿真应用中虚拟场景的构建过程,用较小的文件实现了三维的效果,从而实现在网络上虚拟游走。     

基于CNN的视频火焰识别及模型剪枝

针对目前火焰识别仅用单帧图像判断是否起火准确率低的缺点,引入视频识别的方法,通过提取火焰的运动信息提升卷积神经网络(CNN)识别微小火焰的准确率。首先,在CNN Resnet18的最后一层添加3D卷积层,突出火焰的运动特性,抑制其他形式的运动;然后,对该模型进行剪枝处理,压缩网络参数。实验结果表明:在剪去90%卷积核的情况下,该模型准确率仍然保持在86.4%的较高水平,最小可以识别大小为20×30像素的火焰。