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.     

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。     

水力测功器模拟螺旋桨高海情负载的神经网络预测控制仿真研究

为解决用水力测功器实现螺旋桨高海情下动态负载模拟的难题,首先给出了问题的数学描述并从工程应用角度做了适当简化,完成了开环辨识试验和神经网络建模;然后基于模型预测控制的基本原理进行了水力测功器模拟螺旋桨高海情负载的神经网络预测控制研究;仿真研究结果证明,文中所提方法确实有效,可用于水力测功器建模及动态加载控制。     

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。     

基于粗糙神经网络和网络撕裂的故障诊断方法

利用网络撕裂法逐层将复杂装备撕裂为较为简单的单元,并充分利用粗糙集和神经网络融合方法的优点进行故障诊断。提出了基于粗糙神经网络的网络撕裂故障诊断方法,总结出基于粗糙神经网络和网络撕裂的故障算法流程图。以L-F滤波器为例进行实验,结果证明:该算法明显优于普通的基于粗糙神经网络的故障诊断方法,网络结构得到简化,训练速度得到加快。     

基于自适应滤波的坦克发动机振动信号的信噪分离方法

发动机表面振动是一种多振源、激励复杂的振动形式,在发动机测试时目标振动信号受到很强的噪声干扰,必须通过有效方法进行信噪分离.介绍了一种利用人工神经网络进行自适应滤波的信噪分离方法,根据自适应噪声抵消原理建立了ADALINE自适应神经滤波器模型,并使用该模型滤除坦克发动机汽缸盖振动信号中的机体振动噪声,提高了信噪比,为汽缸盖振动信号的进一步分析处理奠定了基础.     

基于CPSO算法的海空跨域无人航行器集群协同作业路径规划

针对海空跨域无人航行器集群在复杂水域环境下协同作业以追踪水下目标的任务,提出一种基于协同粒子群(CPSO)的协同作业路径规划算法.考虑不同无人航行器集群特性优势,合理分解并分配远距离追踪水下目标任务过程,并利用CPSO算法进行路径规划.在CPSO算法中,首先为无人机(UAVs)集群规划飞行路径,UAV飞行过程中探测水面...     

移动机器人平台低成本自主导航系统设计与实现

定位、建图与轨迹规划是实现移动机器人在未知环境自主运动的核心技术,也是目前的研究热点。首先,针对未知环境建图和定位问题,设计一种基于视觉的低成本导航方案。该方案利用深度相机获取未知环境信息,构建环境地图,并基于ORB-SLAM2算法完成自身定位。其次,为保障移动机器人运行平稳性,设计了一种A*优化方案。该方案结合轮式机器人运动特点,对传统A*算法的节点扩展过程进行优化,并通过改进搜索算法的碰撞检测部分实现地面移动平台的三维避障功能,同时基于B样条曲线完成轨迹平滑。最后,在移动机器人实验平台上完成自主导航系统部署并进行实验验证。实验结果表明,系统单次规划所需时间在10 ms以内,建图平均误差为0.14 m。此外,所提自主导航系统所需硬件设备简单,便于快速部署,具有广阔的应用前景。     

基于非线性Kalman滤波的导航系统误差补偿技术

针对非线性非高斯导航系统信息处理问题,采用自组织算法、神经网络和遗传算法等改进传统非线性Kalman滤波算法,构建一种自适应的组合导航系统。应用具有冗余趋势项的自组织算法、Volterra神经网络和遗传算法,建立导航系统误差的非线性预测模型,进而计算得到其预测值;将该预测值与Kalman滤波算法求得的估计值进行比较得到差值,以此监测Kalman滤波算法的工作状态;采用自适应控制方法,在导航系统结构层面改进Kalman滤波算法,构建新型的导航系统误差补偿模型。开展基于导航系统KIND-34的半实物仿真研究,应用所提出的改进方法改善了导航系统误差的补偿效果,提高了组合导航系统的自适应能力和容错能力。