多智能体系统指定时间双向编队控制

多智能体系统协同控制的收敛速率问题是当前系统与控制领域一个热点研究问题.结合指定时间控制思想,以一般线性动力学系统为控制对象,对多智能体系统双向编队问题进行研究.首先,利用庞特里亚金极大值原理,设计了指定时间双向编队控制器,双向编队指的是被分成两组的智能体最终以指定的编队队形、相反的方向进行运动;其次,通过运动规划算法...     

基于特征增强和损失优化的弱监督目标检测算法

针对弱监督目标检测中只能检测出图像中最具有辨别性部分和训练过程极易陷入局部最优问题,提出了一种特征增强和损失优化的弱监督目标检测算法。该算法设计了一种高效可选择通道注意力模块,该模块通过关联通道的选择来提高其局部信息的交互能力,以此来扩大最具辨别性的示例目标区域;此外,通过对网络回归损失函数施加针对性的动态权重,使其能够自动弱化回归分支中伪标注边界框不准确性的影响,提高目标定位的精度。在PASCAL VOC 2007及PASCAL VOC 2012数据集上的实验表明,相比其他同类算法,该算法能够有效地提高弱监督目标检测的精度。同时,由于该算法引入的额外训练参数和计算负担几乎可以忽略不计,因此还具有良好的高效性。     

RLPG电液定量伺服加注系统设计与仿真研究

为了实现RLPG的液体发射药自动加注,设计了其电液定量伺服加注系统。通过控制阀控定量缸中活塞位移实时调整无杆腔中发射药量,实际应用过程中,定量过程与复位过程、火炮发射过程无冲,可并行工作。针对电液伺服系统模型不确定性、非线性的特点,建立了其状态空间模型。为了改善滑模变结构控制的抖振现象,设计了该系统的模糊滑模变结构控制器。搭建了AMESim/Simulink联合仿真平台,在不同装药量下对系统进行仿真分析,结果表明,定量过程所需时间比RLPG发射时间与变装药活塞复位时间之和小得多,加注0.628 3 L液体发射药共需0.95 s;随着装药量增加,系统定量精度有所下降,但均保持在99.85%以上。     

基于多域卷积与自注意机制的SAR图像变化检测

针对基于深度卷积神经网络的合成孔径雷达(synthetic aperture radar, SAR)图像的变化检测方法,在利用图像块分析特征的过程中易将噪声引入到边缘区域,造成SAR图像变化检测精度较差等问题。提出了一种基于多域卷积与自注意机制的SAR图像变化检测方法。该方法先通过多域卷积模型增强输入SAR图像块的中心区域,减少边缘噪声的影响;然后,再利用注入空洞卷积的改进自注意机制模型充分挖掘SAR图像的重要空间结构信息,来提高变化检测的性能;最后采用3种不同类型的SAR数据集进行实验结果表明,本文中所提出方法能获得较高的检测准确率和KC系数,优于各种对比方法。     

连射航炮随动系统稳定控制策略研究

为了提高武装直升机持续高精度稳定射击能力,分析了机载航炮随动系统连发射击时所受负载扰动,设计了一种改进型负载转矩观测器,对系统冲击载荷进行实时观测,同时引入观测值作为电流环的前馈补偿。并将非奇异快速终端滑模控制应用于转速环,保证了系统收敛时间有限性,抑制了系统抖振,提高了系统抗扰动能力。仿真结果表明,该仿真模型能模拟航炮随动系统连发射击状态,提出的控制策略不仅能提高系统稳态精度,而且能削弱冲击负载对航炮随动系统性能影响,增强了系统的稳定性。     

基于统一理论框架的故障诊断模型及学习进化方法

本文以概率图理论为基础,系统研究了基于这一理论框架的故障诊断模型,对模型的构建方法以及在不同场景下的模型演化方案进行了探讨,使得在统一理论框架下可实现多模式系统故障诊断、耦合故障诊断、动态故障诊断、故障预测等复杂情形的诊断。为了弥补单独利用基于模型的方法和基于数据的方法的缺陷,研究了诊断模型的学习进化策略,实现了诊断效果的改进和优化。另外,对模型后续的能力扩展和可能的研究方向进行了展望,为后续理论研究提供了参考。     

滑翔飞行器多目标弹道优化的进化-配点混合求解策略

针对高超声速滑翔飞行器弹道多目标优化问题,综合考虑计算效率和精度,结合分解进化算法与配点法提出一种混合求解策略。根据滑翔飞行器动力学模型和弹道设计中需要考虑的约束条件,建立飞行器多目标弹道优化模型。利用控制量离散化方法将多目标弹道优化问题转化为带约束的多目标参数优化问题,并采用罚函数法处理约束条件,随后利用分解多目标进化算法进行求解。为了提高弹道优化的精度,将椭球聚合法与配点法相结合,以多目标进化算法得到的Pareto解作为初始解进行迭代求解。通过典型的复杂约束多目标弹道优化的算例表明,所提出的混合求解策略能够获得满足复杂约束要求的Pareto最优解集,实现有效的多目标弹道优化。     

BDS在低轨卫星编队高精度相对轨道确定上的应用分析

分析基于北斗卫星导航系统(BeiDou satellite navigation System, BDS)的低轨卫星编队相对轨道确定问题,但由于缺乏实测数据,通过仿真实验展开研究。结果表明,500 km空域平均可视BDS卫星数约为9.7,由于地球静止轨道(GeoStationary earth Orbit,GEO)卫星和倾斜地球同步轨道(Inclined GeoSynchronous earth Orbit,IGSO)卫星的存在,亚太地区的可视BDS卫星数明显偏多。仅考虑观测噪声的影响时,基于BDS的相对定轨精度可达0.74 mm,加入星历误差的影响,对近距离编队系统的相对定轨而言,GEO卫星数米的星历误差可以忽略,但当星间距离增大到约200 km时,GEO卫星单差后的星历误差可达厘米量级,GEO+IGSO+中圆地球轨道(Medium Earth Orbit,MEO)卫星和IGSO+MEO卫星求解的相对轨道精度分别为1.09 mm和0.96 mm,GEO卫星的加入使得精度下降了13.54%。在其余误差得到有效处理后,BDS的相对定轨精度可达亚毫米量级,且无明显区域差异,GEO卫星和IGSO卫星能提高近距离编队系统的全球相对定轨精度,未来BDS将广泛应用于低轨卫星编队相对轨道确定。     

转向机动条件下利用拖船航迹的拖线阵阵形估计

针对水动力模型(water-pulley模型)适用范围有限的问题,提出一种对拖船航迹进行平滑得到拖线阵声阵段运动轨迹,进而实现阵形估计的方法。通过分析缆的稳态振荡响应特性,近似认为声阵段上各点沿同一轨迹运动;设计平滑窗将拖船回转机动航迹平滑为声阵段航迹,并将其拓展应用于拖船转向机动的情况;利用平滑窗的一部分对距离拖船不足平滑窗宽度的航迹部分进行平滑得到当前拖缆段阵形,从而实现转向机动过程中全阵阵形的实时估计。仿真结果表明:若拖线阵由间隔为5 m的81个阵元构成,所提出的方法与朴素water-pulley模型相比可以使转向机动过程中的平均阵增益提高约0.8 dB,平均方位估计偏差减小约4.7°。利用仿真结果分析算法的输入敏感性,对阵形估计方法进行简化使其更易于工程实现,海试数据验证表明简化的方法可行、有效。     

OFDM系统中深度神经网络指导的IQ不平衡补偿算法

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)是现代移动通信中一项重要的物理层通信技术,并且OFDM系统要求子载波间严格正交。然而,在实际系统中,振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase,IQ)不平衡,从而破坏子载波的正交性,严重影响OFDM系统的性能。通过研究IQ不平衡对OFDM系统的影响,提出了一种并联深度神经网络架构下的IQ不平衡补偿算法。该算法利用了深度神经网络不依赖于模型的特点,直接从接收到的频域信号恢复原输入信号的二进制序列,并利用干扰信号来自镜像子载波的先验知识来初始化模型驱动的神经网络,加快其网络优化的收敛速度。仿真结果表明,该算法能有效地补偿IQ不平衡失真,并且在幅度和相位失真的补偿上,其性能都优于传统的基于导频的最小二乘补偿算法,证明了深度学习方法解决物理层问题的优越性。