智能搜救机器人在障碍地形的自主构型规划

为了解决带有辅助摆臂的智能搜救机器人自动规划构型以实现自主越障的难题,提出一种能够适应复杂地面形状的搜救机器人越障构型规划新方法,其核心是一种高适应性、高效率的机器人姿态预测算法。通过将地形表示为离散的点集,建立了搜救机器人的单侧姿态预测数学模型;进一步提出了快速求解该问题的算法,每秒可预测1 000～1 500个姿态。基于此,设计了机器人越障过程中状态、动作的评价指标,运用动态规划算法与滚动优化思想构建了具有优化能力的、能够实时运行的构型规划器。仿真与实物实验的结果表明,该方法能够使机器人自主调整构型穿越复杂地形,且相较强化学习算法和人工操作具有更平稳的越障效果。     

适用于GPU处理的长更新周期卫星导航信号载波相位跟踪环路

针对短环路更新间隔下GPU处理效率受限而长更新间隔下传统跟踪环路在高动态场景下不稳健的这一矛盾,提出一种可适应高动态场景的长更新间隔载波相位跟踪算法,该算法设计了一种低复杂度线性调频信号参数估计方法,实现跟踪初始阶段多普勒及变化率的精确估计进而消除大部分信号动态,在跟踪过程中采用4阶卡尔曼滤波对残余信号相位及动态进行精细跟踪。经仿真验证,200 ms更新间隔下,可实现多普勒一次/二次变化率分别达800 Hz/s、64 Hz/s²正弦运动场景下载波相位的快速稳定跟踪,1次更新即可收敛,跟踪灵敏度低至23 d B-Hz,相位跟踪精度远优于传统3阶锁相环路。     

脉冲多普勒雷达对运动目标回波信号的检测

分析了倒置接收对目标回波信噪比和杂波特性的影响 ,讨论了在相关杂波区对回波信号有效检测的方法。针对如何在“弹 -目”相对运动参数未知条件下对高速运动目标进行积累检测这一问题 ,提出了一种多周期移位积累的新方法     

ISAR成像包络对齐性能评估

运动补偿是ISAR成像中的关键技术,通常包括包络对齐和相位补偿,而包络对齐是相位补偿的基础。现有包络对齐方法较多,在无法直观判断包络对齐效果的情况下,需要进行定量评估,以选择最优的对齐方法用于ISAR成像。提出基于距离单元方差的包络对齐评估方法:以对齐后各距离单元方差的加权和作为评估指标,对包络对齐结果直接进行评估。进行了相应的仿真实验,结果证明了该评估方法的有效性。     

几种机动目标运动模型的跟踪性能对比

机动目标跟踪是目标定位与跟踪领域研究的难点问题之一.在分析Singer模型、"当前"统计模型、速度估计自适应模型的基础上,对这三种模型及算法进行仿真,给出了上述三种模型跟踪机动目标的精度与实时性的比较结果.     

粗糙集理论的电子设备诊断规则提取

为了解决现有诊断规则提取方法中的不一致性问题,得到具有良好适应能力和最大匹配能力的诊断决策规则,结合电子设备故障征兆特点,提出一种基于粗糙集的电子设备故障诊断规则提取方法.该方法先对原始数据进行预处理,形成决策表,用粗糙集进行属性约简和值约简,最后提取诊断决策规则,并对诊断规则进行评价.通过实例分析表明,该方法能提取出具有一定泛化能力的诊断规则,在故障诊断中能够提高诊断决策规则的匹配效率.     

军队后勤物资联合采购的联盟规划方法研究

关注军队后勤物资采购模式的发展,研究网上联合采购这种新型的采购方式。在分析了目前军队后勤物资采购现状的基础上,首先介绍一种多Agent中介系统主导的联合采购市场模型IMASCPM,然后针对各单位具有多样化、个性化复杂需求关系的组合购买问题,给出一种后勤物资联合采购的联盟规划算法,对其算法复杂性进行了分析,并与国外相关研究进行了比较。     

一种WindML双屏显示驱动程序设计方法

针对电子装备软硬件平台对双屏显示输出的基本要求,探索了在VxWorks系统下开发WindML双屏显示驱动程序的方法。分析了WindML图形系统驱动程序体系结构,通过在图形驱动和WindML图形接口之间增加一个双屏显示控制层的方法,由双屏显示控制层接收WindML图形接口指令,再传给图形显示驱动程序,实现双屏显示输出。该方法设计的双屏显示驱动,能够使两个分开的屏幕逻辑上合为一个大的屏幕,很好的解决了WindML双屏显示输出的问题。     

多输出性能下的重要性测度指标及其求解方法

针对基于马氏距离的重要性测度存在的问题,提出了基于谱分解加权摩尔彭罗斯马氏距离的重要性测度指标,通过构造多输出协方差阵的广义逆矩阵以及谱分解的策略,有效解决了协方差阵求逆奇异情况以及由于未能充分考虑多输出之间的相互关系而导致的错误识别重要变量的问题,克服了基于马氏距离指标的局限性。数值算例与工程算例结果表明:所提重要性测度可以更加准确地获得输入变量对结构系统多输出性能随机取值特征贡献的排序,从而为可靠性设计提供充分的信息。     

基于族群机制的花朵授粉算法

针对花朵授粉算法易陷入局部极值、收敛速度慢等不足,提出一种具有族群机制的花朵授粉算法。该算法把种群分成多个族群,各族群的最优个体再组成新的种群,进而促进种群间的信息交流,有效地协调种群进化过程中的全局搜索和局部搜索能力,避免个体的早熟收敛,提高算法的全局寻优能力及收敛速度。通过8个CEC2005benchmark测试函数进行测试比较,仿真结果表明,改进算法的寻优性能明显优于基本的花朵授粉算法、粒子群算法和蝙蝠算法,其收敛精度、收敛速度、鲁棒性均较对比算法有较大提高。