基于粒子群优化的模糊交通控制器设计研究

城市中往往存在着一些关键路口,其交通通畅与否会对周围的路网的交通流起着很大的影响,需要优先保持此路口的通畅.针对以上情况,设计了基于上下游交通信息的二级模糊交通控制器来对路网进行协调控制.在此基础上,本文提出了针对交通特性改进的粒子群优化算法(TIPSO),并采用TIPSO对第一级模糊规则进行优化,实验结果表明TIPSO对模糊规则具有较好的优化效果,能够离线训练获取到比人工设定的更优的模糊规则.     

坦克炮控伺服系统未知摩擦的自适应补偿控制

摩擦的存在导致坦克炮控系统出现低速爬行等现象,使系统性能变差。针对该系统,提出未知摩擦的自适应补偿控制。更具一般性的未知摩擦及系统的参数不确定性使得对摩擦的自适应补偿变的非常困难。在控制器设计中,通过精确估计摩擦及系统中的未知参数、观测摩擦内动态对其进行补偿,从而避免了由于简单地把摩擦看成外界扰动进行补偿所造成的系统性能的损失。同时全面考虑了系统的不确定性和外界扰动,使得控制器有较强的抗干扰性。     

LDO稳压器敏感度建模与仿真技术

基于LDO稳压器在电磁干扰（EMI）下产生直流偏移失效的机理分析,展开敏感度建模与仿真方法研究。使用一款实验芯片,创新地引入片上电压传感器,用于测试EMI在LDO稳压器内部的传播特性。在敏感度建模中,建立等效电路模型,通过直流功能测试,Z参数阻抗特性测试验证模型的正确性,将该模型用于LDO稳压器的敏感度预测。在敏感度仿真过程中,通过分析关键子电路和不断增加寄生元件,仿真不同寄生因素对敏感度影响的权重。将仿真结果与传导直接注入法（DPI）片上测试结果对比,仿真结果与DPI测试在频域1MHz至1GHz匹配。     

国内外安全标准现状与发展及其对构建国防工业安全标准体系的启示

介绍了国外发达国家、先进组织机构安全标准及体系的现状与特点,分析了国内安全标准的制修订情况和危险化学品、防尘防毒安全生产标准体系的分类与构成。在分析国防科技工业安全标准现状的基础上,提出了构建国防工业安全标准体系的主要任务和实施要求。     

基于树分解/合并策略的QoS多播路由方法

针对多约束QoS多播路由的NP-Complete特性,提出一种可控的多播树分解与合并策略,使多播树的生成在兼顾低费用的同时具有多样性,有效克服多播路由优化的局部极值问题。基于该策略设计蚁群算法,分解蚂蚁种群为与多播目标点相对应的蚂蚁子群,引入基于“死点”惩罚和多播树奖惩的信息素更新机制,提高了算法的收敛速度。仿真实验表明,该方法能有效地解决QoS多播路由问题,且随着网络规模的增大保持了良好的性能。     

基于焊接机器人的快速再制造成形系统

建立了基于焊接机器人的快速再制造成形系统,该系统主要由扫描反求系统、机器人系统和熔敷成形系统3部分组成,可以对磨损零件进行扫描反求,进而得到其再制造模型,再配以工艺进行路径规划,最后由机器人夹持焊枪对零件进行修复.     

动态旋流器湍流流场的模拟研究

采用雷诺应力模型对动态旋流器湍流流场进行模拟.模拟结果与文献实验数据基本吻合,证明该模型的正确性.其中,轴向和切向速度的模拟结果和实际结果非常接近;径向速度的模拟将有助于旋流器结构及性能的分析.所建立的模型和所使用的计算方法为深入探讨动态水力旋流器的流场特性、分离机理及结构优化设计提供了一条有效的途径.     

矩形波导结构潘尼管工作特性的分析

本文导出了一般TE_(no)模矩形波导结构潘尼管的色散方程,对潘尼管作了更明确的解释,并详细计算了TE_(20)模潘尼管的色散方程,得到其基波和第三次谐波同步谐振的色散曲线。该曲线表明,潘尼管在基波谐振上有1.5%的增长率,而在第三次谐波上有0.8%的平均增长率。此外,用非线性理论分析基波和第三次谐波同步谐振时的工作情况,给出了电子饱和时的电子分布图。在常直流磁场下优化结果表明,潘尼管在其次谐振时有51%的高效率和QP_w=9949.9MW 的输出功率,而在第三次谐振时有11%的效率和QP_w=1741.8MW 的输出功率。     

水下地形辅助导航技术的研究与应用进展

在简要介绍水下地形辅助导航基本概念的基础上,从地形辅助导航算法、水下数字地图技术、水下地形辅助导航试验等方面,详细介绍了水下地形辅助导航所涉及各方面的主要问题及研究进展,并对下一步研究方向及应用做出指引与展望。     

面向通信信号调制识别的半监督生成对抗网络框架

针对只有少量标签数据的弱监督条件下现有调制信号识别模型准确率较低的问题,提出基于生成对抗网络的半监督学习框架。该方法通过对通信信号进行冗余空域变换,使其在适应生成对抗网络模型的同时保留丰富的信号相邻特征;通过梯度惩罚Wasserstein生成对抗网络的引入,构建适宜电磁信号处理的半监督学习框架,实现对无标签信号样本的有效利用。为了验证所提算法的有效性,在RADIOML 2016.04C数据集上进行测试。实验结果表明,该方法在半监督条件下能训练出高效的分类器,获得优异的调制识别结果。