基于KF-BPNN融合算法的电池循环寿命预测方法

为了解决实际应用过程中电池循环寿命预测精度较低的问题,提出卡尔曼滤波-BP神经网络(KF-BPNN)融合算法对电池的循环寿命进行预测。该方法选用电池内阻作为循环寿命的评估参数,利用BPNN预测电池的内阻值,并将预测内阻值作为KF算法的观测值来修正卡尔曼滤波观测方程系数,从而提高循环寿命预测精度。实验结果表明：融合算法的预测精度有了明显提高。     

新型弹性胶泥-液压浮动机的优化设计

为了减小转管炮发射时的后坐阻力,提高射击精度和稳定性,设计了一种新型弹性胶泥-液压浮动机。根据浮动机的弹性力、粘滞阻尼力以及液压阻尼力计算公式,建立了浮动机的动力学模型。利用粒子种群算法对该动力学模型进行寻优得到该浮动机的最优结构参数。基于此结构参数对浮动机动力学模型进行10连发仿真,结果表明,浮动机的动力学参数匹配合理,在连发射击时浮动稳定。与原弹簧-液压浮动机对比,能够有效地减小后坐阻力和后坐位移,后坐特性得到了改善。仿真结果验证了将弹性胶泥用于浮动机的可行性,为弹性胶泥在浮动机上的应用提供参考。     

多关节机械臂神经网络超螺旋滑模控制

针对多关节机械臂控制系统因建模误差和干扰带来的轨迹跟踪抖振问题,提出了基于径向基神经网络超螺旋非奇异积分终端滑模控制方法。设计了非奇异积分终端滑模面,采用径向基神经网络结合自适应律逼近系统未知机械臂动力学模型,减小了未知干扰的影响;为避免机械臂滑模控制发生抖振,在切换控制项引入新型超螺旋算法;利用Lyapunov函数证明闭环系统稳定。仿真结果表明,所提出的方法可有效削弱抖振,提高控制系统的控制精度和鲁棒性。     

基于改进遗传蜂群算法的武器系统优化部署问题研究

针对重点保卫目标区域武器系统应对多目标的合理配置问题,建立了武器系统优化部署模型,对每个子目标函数进行加权分析,建立了获得最优方案数学模型,并针对该模型提出了基于改进遗传蜂群算法。该算法在基本人工蜂群算法的基础上,引入遗传算法中的交叉操作与变异操作,并结合改进的食物源自适应选择策略,使算法实现了探索与开发的平衡,能够做到初期全局寻优与后期快速收敛。运用Matlab软件编程,利用改进遗传蜂群算法获得了满足重点保卫目标实际情况的最优部署方案,与传统人工蜂群算法和传统遗传蜂群算法对比该算法具有更加优秀的收敛性和效率,可以更加迅速达到目标要求函数值。最终将算法得出的部署方案应用于指控仿真软件,直观展示了基于该算法进行武器系统部署的效果与性能。     

基于航迹跟踪的EKF应用研究

在复杂的电磁环境,对运动目标的跟踪检测成为目标定位跟踪领域的热点研究课题。介绍了雷达数据处理和EKF算法,并提出了在三维空间中EKF(扩展Kalman滤波)算法的应用,实时地跟踪三维空间中的运动目标,并进行了计算机模拟,验证了该算法具有的较好的鲁棒性和跟踪精度,能够满足现代战争的需要。     

基于改进局部投影算法的非线性时间序列降噪

改进了非线性时间序列降噪的局部投影算法,并应用此算法对含噪Lorenz混沌信号进行降噪,将其与小波分析降噪效果进行比较,实验结果表明:改进的局部投影算法对非线性信号降噪效果十分明显。     

演化硬件中变异概率对进化算法首次命中时间的影响

在(1+1)EAs中,采用马尔可夫链推移时间分析法,推导出了平均首次命中时间的表达式。从理论上分析了变异概率对平均首次命中时间的影响。结果表明适当的变异概率会缩短平均首次命中时间,加快进化算法的寻优时间。     

基于离散化模型的雷达优化配置与部署方法

雷达优化配置与部署问题存在模型复杂的问题,很难对其进行优化.提出了一种基于网格的离散化模型.雷达配置与部署的方案、雷达网对防区的覆盖能力以及雷达布站的约束条件都分别通过网格和矩阵进行了定量描述,在此基础上,建立了雷达优化配置与部署问题的数学模型.这样就可以采用模拟退火算法对该问题优化.仿真实验证明了该方法的有效性和可行性.     

任务分配问题的对称群方法

探讨了无人飞行器(UAV)编队的任务分配问题。任务分配是UAV协同控制的基础,其解是任务区域内各任务的一个排列。求解UAV任务分配问题的有效方法是能在合理的计算时间内找到近似最优解的启发式算法。用对称群描述UAV任务分配的搜索空间,基于右乘运算构造搜索邻域。仿真结果验证了群论禁忌搜索算法的有效性。     

被动免疫算法在模拟电路故障诊断中的应用研究

基于生物免疫系统的信息处理机理,介绍了被动免疫算法的实现过程,并将其应用到某装备电路板的故障诊断之中。该算法具有边检测边学习的动态调整功能,仿真和实验实例表明,该算法适合于电路板的故障诊断,有较高的故障诊断率。