仿生机器人运动建模与控制研究进展

综述了几何方法在仿生机器人运动建模和控制中应用的最新成果,探讨了在统一框架下处理多种机器人运动问题的可行性.     

基于XMSF的组播拥塞控制模型的设计与研究

采用叠加组播技术为XMSF提供多对多的通信服务,同时使用拥塞控制机制保证其网络服务质量。提出了一种新的组播拥塞控制模型,在MAX-PLUS代数基础上采用线性循环法分析计算了其吞吐量,经过仿真验证了该模型的可行性和灵活性。     

基于成败型试验数据的弹药贮存寿命评估

简述了弹药在贮存状态下的失效特点,建立了基于成败型试验数据的弹药贮存寿命评估数学模型和统计分析方法,评估了某种弹药在一定置信度下的可靠贮存寿命。     

单兵系统数据模型

讨论了单兵系统的体系结构和信息要素,并结合单兵系统在联合作战中的应用例子,对其业务过程和信息流进行初步分析。然后通过IDEF1X方法,设计单兵系统基于关系数据库的数据模型。最后讨论了模型的规范化问题,并给出检验数据模型的方法。     

基于GA-SVDD的轴承性能退化评估

为解决因机械设备轴承损伤导致机械故障而无法正常工作的问题,提出了一种基于GA-SVDD的轴承性能退化定量评估方法。该方法采用遗传算法优化选择特征参量,并建立SVDD超球体模型,运用SVDD距离评估轴承的性能退化程度。实验分析表明：该方法能够有效地对轴承性能退化过程的细节进行描述,实现对待测样本退化程度的定量评估。     

随机测定算法

本文研究计算机网的广播信道中测定算法结合使用随机预测树形算法的问题,并提出了一种高效算法。文章还应用随机过程理论推导了这种算法的有关分布和定理。业已证明,该算法是稳定的,并且有极高的吞吐率和良好的时延特性。仿真实验结果证实了理论上的结论。     

基于固有时间尺度分解的能量算子解调法及故障诊断应用

针对Teager能量算子包络解调方法主要用于对单分量的调幅调频信号进行解调,而真实机械故障信号多为多分量的调幅调频信号的问题,提出了能量算子与固有时间尺度分解相结合的解调方法.首先,利用固有时间尺度分解法将原始振动信号分解为若干个固有旋转分量和一个单调趋势项,并基于波形匹配算法实现原始数据的自适应端点延拓以解决分解过程中的端点效应;然后再选取合适的固有旋转分量,利用能量算子方法实现调制信号的包络解调;最后,将该方法应用于仿真信号和故障模拟信号.结果表明:该方法能有效地提取机械振动信号的故障特征.     

ESD EMP能量耦合线性化建模

针对利用非线性建模方法研究静电放电电磁脉冲(Electro Static Discharge Electro Magnetic Pulse,ESD EMP)能量耦合存在计算复杂、模型收敛性能较差的问题,基于ESD辐照实验提出了一种非线性系统线性化建模方法。该方法是将系统响应与激励间的非线性关系转化为线性关系后,利用带遗忘因子的递推最小二乘法进行线性回归来建立模型。首先利用3.5 k V ESD实验数据进行建模,然后应用3.5 kV、4.5 kV ESD实验数据进行模型验证,2种情况下的拟合度均达到94.303 3%。结果表明:线性化建模能有效降低建模难度,且模型精度较高,为ESD能量耦合研究提供了一种简便有效的建模方法。     

Visual SLAM in dynamic environments based on object detection

A great number of visual simultaneous localization and mapping (VSLAM) systems need to assume static features in the environment. However, moving objects can vastly impair the performance of a VSLAM system which relies on the static-world assumption. To cope with this challenging topic, a real-time and robust VSLAM system based on ORB-SLAM2 for dynamic environments was proposed. To reduce the influence of dynamic content, we incorporate the deep-learning-based object detection method in the visual odometry, then the dynamic object probability model is added to raise the efficiency of object detection deep neural network and enhance the real-time performance of our system. Experiment with both on the TUM and KITTI benchmark dataset, as well as in a real-world environment, the results clarify that our method can significantly reduce the tracking error or drift, enhance the robustness, accuracy and stability of the VSLAM system in dynamic scenes.     

多通道舰空导弹武器系统反导决策模型研究

当前水面舰艇面临着严重的反舰导弹威胁,特别是在饱和攻击的条件下,常规的单通道舰空导弹系统已经不能满足作战的需要。多通道舰空导弹武器系统具有同时引导多枚导弹拦截多批目标的能力,可以充分发挥系统的能力,相应的反导决策在防空作战中起到重要作用,反导决策的正确性和合理性直接影响防空作战效果。在对反导决策过程和制约因素进行分析的基础上,通过0-1决策模型,得到了舰空导弹武器反导的优化决策模型,较好地满足了使用多通道舰空导弹系统对多目标打击决策的合理性和有效性。