折腾不少，新意不多 美国防务新战略在变与不变间找平衡

1月5日,美国国防部几经折腾,终．于出台了2012年美国“防务战略大纲”。新大纲公布之日,美国总统奥巴马、国防部长帕内塔、国务卿希拉里·克林顿等“三巨头”,都围绕大纲精神发表了专题演讲,足见美国政府对其最新“防务战略大纲”所寄予的厚望。     

基于核函数的自适应聚类背景提取

随着目标的检测与跟踪的广泛应用,移动物体分割问题成为研究热点,而解决这类问题的关键需为对图像背景的更新和提取。通过对目前已有的背景提取方法的研究,提出了一种新的基于核函数的背景提取方法:进行预处理,制定删选法则来自适应获取所需处理的视频序列;定义核函数来衡量模式间相似性,对2类聚类中心进行初始化;利用最小距离准则来灰度归并,采取实时的自适应阈值选择;最后通过比较满足条件的像素总数,获取所需背景。实验证明,该方法有效。     

基于变分模态分解的非稳态备件需求预测方法

备件需求量的预测是备件配置的重要内容,针对当前装备备件需求非稳态的特点,提出一种基于变分模态分解的备件需求预测方法.运用变分模态分解将非稳态备件需求序列分解为若干模态分量,引入模糊熵的概念,将周期性、随机性和长期性特征明显的模态分量进行有效聚合,提高计算效率,进而运用预测效果较好的径向基神经网络预测法对聚合后的模态分量分别进行预测,将各分量预测结果进行整合形成最终的备件需求预测值.通过案例分析与实验对比,结果表明提出的方法能够有效挖掘非稳态备件需求序列的深层次信息,实现非稳态备件需求序列的较好拟合,并与其他非稳态时间序列预测方法对比具有较高的预测精度,为适应新时代实战实训背景下备件需求的特点提供了有效的方法支撑.     

基于GA-小波-BP神经网络的装备维修能力评估

针对传统装备维修保障能力评估主观性强、适应性弱的特点,提出了一种以装备维修记录为样本数据的基于误差反向传播（back propagation,BP）前馈神经网络的维修能力评估方法。为消除维修记录属性冗余,选用粗糙集主分量约简算法,对样本属性进行约简,为避免BP神经网络因局部极值导致局部收敛和收敛速度过慢的影响,利用遗传算法（genetic algorithm,GA）的全局搜索能力对神经网络初始权值和阈值进行了优化,为增加网络的学习功能,提高网络训练速率和训练精度,选取小波函数作为隐含层的传递函数,Sigmoid函数为输出层激活函数。研究表明：通过冗余属性约简提高了BP神经网络的性能,利用GA优化BP神经网络权值/阈值和小波函数作为隐含层的传递函数,避免了局部收敛,提高了网络的训练速率和评估的精度,降低了误差。     

基于双光频梳及受激布里渊散射的微波频率测量

提出了一种基于双光频梳和受激布里渊散射的高精度微波频率测量方法,利用两个双平行马赫-曾德尔调制器将待测微波信号和扫描信号调制在两路光频梳上,并分别作为信号光和泵浦光输入色散位移光纤中。利用双光频梳和不断频移的扫描信号,系统可同时实现波分复用和时分复用。同时,在双光频梳和受激布里渊散射的作用下,系统可发生一系列的受激布里渊散射,通过测量各信道输出的光功率实现待测微波频率的测量。为进一步提升测量精度,利用测量得到的光功率值构建幅度比较函数,从而实现频率测量误差修正。通过实验仿真验证了所提方法的有效性,测量误差为±2.5 MHz。     

一种有视线角约束的模糊变系数变结构制导律北大核心

针对有末端视线角约束下拦截高速机动目标的场景,设计了一种模糊变系数变结构制导律。提出了一种自适应变结构制导律,制导律可以根据弹目距离自适应调整趋近滑模面的速度;用饱和函数代替制导律中的开关项,有效消除了系统抖振。仿真表明,拦截高速非机动和高速机动目标,提出的变结构制导律均可以满足视线角约束和脱靶量要求,但需用过载较大。为解决需用过载较大的问题,引入模糊控制方法,设计模糊控制器对变结构制导律中的导引系数进行优化,得到了一种模糊变系数变结构制导律,可以满足视线角约束且有效抑制了系统的需用过载。     

基于优化小波阈值的轴承振动信号降噪算法北大核心

滚动轴承振动信号能够及时准确地提供机电设备状态特征信息,且可实现在线或离线监测,广泛用于滚动轴承故障诊断。由于滚动轴承工作环境复杂多变,往往掺杂较多噪声,噪声会淹没机电设备状态的有用特征信息。针对传统小波阈值函数对轴承信号降噪不明显的问题,提出了一种用于轴承振动信号降噪的差分进化优化小波软阈值算法,对含噪信号进行小波分解,利用广义交叉验证GCV函数作为新的阈值函数对分解后的小波系数进行处理,结合差分进化算法进行寻优获取最优阈值。实验采用美国凯斯西储大学的轴承数据进行仿真分析,通过与常用降噪方法相比,该方法在较好地保留特征信号的前提下,较大程度地去除了噪声,有效地提高了降噪效果。