增强景象匹配鲁棒性的灰度变换技术研究

高可靠高精度的景象匹配技术是自主导航飞行器图像制导技术的核心和关键所在,文章对匹配图像的灰度畸变进行了研究,提出了基于直方图相似变换灰度畸变校正技术,提高了景象匹配定位的准确性和可靠性。由于外部成像条件和成像传感器本身存在差异,匹配图像往往存在较大灰度畸变,使得实时图和基准图在灰度域存在较大不一致,从而影响景象匹配可靠性。文章通过对匹配图像进行直方图的相似变换,将匹配图像直方图调为一致,有效消除了匹配图像灰度差异,调整后图像间的直方图相似系数均在0.95以上。通过10300次独立真实外场景象匹配定位试验,证明本文基于直方图的匹配图像灰度预处理方法可有效消除图像间的灰度差异,减少匹配图像间由于灰度差异而产生的重复模式,大幅提高景象匹配鲁棒性,经过本文方法预处理后的匹配图像景象匹配成功率为99.98%,已满足工程实用对景象匹配算法高可靠性的要求。     

TVM制导防空导弹先验距离战法

为了对空袭体系中施放电子干扰的目标进行打击,根据TVM制导防空导弹的技术特点,采用先验距离法,通过制导雷达和导弹组网,进行无源测向交会定位,能够较准确地得到目标定位并对导弹进行精确制导.给出了先验距离方法的数学模型和数据融合方法,最后提出了先验距离战法实施的基本原则.     

电视制导无人攻击机可攻击域研究

分析了电视制导无人攻击机的制导原理,建立了该电视制导无人攻击机空间六自由度运动方程组,给出了电视制导无人攻击机控制系统数学模型和控制信号的形成模型。在气动力参数的处理上,用最小二乘法拟合技术建立了电视制导无人攻击机的气动力参数模型,保证了参数理论求解的精度。最后对电视制导无人攻击机的可攻击域进行仿真计算,分析了影响可攻击域的因素,验证了电视制导无人攻击机的攻击能力。     

基于支持向量机的高空无人机侦察目标识别

针对高空无人侦察机遥感图像目标不明显、图像背景复杂等特点,提出了一种基于支持向量机的目标分类方法。将支持向量机应用于高空无人侦察机的遥感图像目标识别,并且对特征值的提取进行深入研究。实验结果表明,特征值输入的多分类器在识别性能上具有很高的识别率,对提高高空无人机的侦察能力具有重要意义。     

末制导炮弹弹着点的一种快速估算算法

针对攻击地面固定目标的末制导炮弹,基于三自由度质点弹道模型提出了以高度y为积分自变量快速估算弹着点的方法,比较了以时间t、柱坐标角度a、高度y为积分自变量的三种估算弹着点方法的估算速度。仿真结果表明,在末制导段快速估算弹着点,三种方法的估算速度相差较大:以高度y为积分自变量的估算速度最快;以柱坐标角度a为积分自变量估算速度次之;以时间t为积分自变量估算速度最慢。提出的估算方法不但估算速度快,且估算精度亦满足工程要求。研究结果对今后该弹种的研制具有一定参考价值。     

基于模糊二叉树支持向量机的空袭目标属性识别

针对现有空袭目标属性识别方法存在的不足,提出了一种基于模糊二叉树支持向量机的空袭目标属性识别技术。该方法充分发挥了模糊二叉树支持向量机解决二类分类问题的优势,有效地提高了识别率和识别速度。最后给出了与现有识别方法的比较结果,证明了该方法的有效性。     

坦克炮控系统非线性特性及自适应补偿控制

影响坦克炮控系统低速性能主要有两个方面的因素,摩擦非线性和齿隙非线性。建立了坦克炮控系统数学模型,介绍了坦克炮控系统中摩擦、齿隙两类重要非线性模型,分析了摩擦、齿隙对炮控系统性能的影响,以及摩擦非线性环节导致系统低速时的爬行现象、速度过零时的平顶现象;齿隙非线性环节造成系统输出误差外,系统会因极限环振荡或冲击而降低性能,甚至不稳定,总结了炮控系统中针对摩擦、齿隙等非线性环节的自适应补偿控制的研究成果。     

GPS/INS组合导航在制导火箭弹中的应用

为实时、精确获得火箭弹飞行过程中的状态参数,针对火箭弹的导航环境,研究了GPS/INS组合导航系统在制导火箭弹中的应用,建立了组合系统的动态方程及位置、速度组合误差模型,采用卡尔曼滤波器对该组合系统进行最优估计并进行了仿真分析。仿真结果表明,组合导航系统能为火箭弹制导提供高精度的位置姿态信息,进而为控制系统提供较精确的测量信息,从而大大提高了火箭弹的射击精度。考虑到导航系统成本较低、工作可靠,算法可以实时实现,因此研究结果具有一定的实际应用价值。     

基于支持向量机的功率变换器开关管开路故障诊断

提出一种基于支持向量机的功率变换器开关管开路故障诊断方法。利用支持向量机建立分类模型,模型以相电流功率谱为输入量,7种故障状态为输出量,选用高斯核,使用基于二叉树分类器的分类算法。将诊断结果与基于BP神经网络的诊断结果进行比较,结果表明基于支持向量机的分类器在功率变换器开关管开路故障诊断中具有更高的准确率和更好的泛化能力。     

基于支持向量机和虚拟仪器谐波频率检测

支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中。提出了一种基于支持向量机算法(SVM)的检测飞机电网中谐波频率的新方法,以支持向量机方法为理论基础,利用强大的图形化开发软件LabVIEW为开发平台,设计了谐波检测系统。经实验发现,该系统在采样点数较少的情况下,仍能比较准确检测出各次谐波频率,系统具有操作简单,稳定可靠、测试精度高等特点。