基于改进克隆选择算法的复杂系统测试选择

为了解决复杂系统测试优化选择问题,提出了一种基于改进克隆选择算法的测试选择方法.该方法针对测试选择问题的具体特点,对基本克隆选择算法进行了以下改进:采用二进制编码方式进行抗体编码,选用加性分段函数形式构建亲和度函数,利用混沌搜索优化初始种群的生成方式,并引入免疫网络的抗体抑制操作对抗体种群进行预处理.最后,以某实际系统为例进行了算法验证,实验结果表明:该方法搜索效率高,具有很强的全局和局部搜索能力,可有效解决复杂装备系统测试性设计中的测试优化选择问题.     

基于时滞分割法的具有leakage项时滞的离散型神经网络状态估计

摘要：研究一类具有leakage时滞的离散型神经网络的状态估计问题．通过构造新的Lyapunov泛函得到保证估计误差全局渐近稳定的充分条件,并通过求解一个线性矩阵不等式（LMI）得到状态估计器的增益矩阵．采用一种新的时滞分割方法将变时滞区间分割为多个子区间,使该结果在获得更小的保守性同时也降低了计算的复杂度．     

基于改进半监督FCM聚类的复合材料超声检测脱粘缺陷识别

针对径向基（RBF）神经网络在进行超声检测脱粘缺陷识别时存在参数选择不确定、网络结构鲁棒性差等问题,提出一种改进的自适应半监督模糊C均值聚类（FCM）的RBF神经网络的方法,将kw近邻估计法和半监督模糊C均值聚类方法相结合,改进了隶属度函数,自适应确定聚类数目。将改进的RBF神经网络应用于超声检测脱粘缺陷识别,实验结果表明：与传统RBF神经网络相比,本方法减弱了孤立样本对网络结构的影响,增强了网络结构的鲁棒性,提高了脱粘缺陷识别的准确率,是一种较好的超声检测脱粘缺陷识别分类方法．     

基于自适应阈值的FAST特征点提取算法

FAST特征提取算法阈值选取固定,因此不能满足不同图像的特征点抽取要求,并且提取的结果存在着多个特征点块的现象。针对这些缺陷,首先采用动态全局阈值对原始灰度图像进行初步提取得到候选特征点,然后采取动态局部阈值和非极大值抑制法进一步对候选特征点进行筛选,从而达到自适应选取阈值和抑制多个特征点块的目的。实验表明,改进后的算法稳定性高,对不同光照和对比度情况下有一定的适应能力,并且运算量相对比于其他一些特征提取算法要小得多,满足实时应用的要求。     

基于OLS算法的导弹气动系数模型优选

针对导弹控制系统中的气动力建模问题,将正交最小二乘法用于模型结构优选,并提出一种候选模型集预处理方法,用以剔除模型中的相关项在此基础上建立了导弹气动力模型优选方法。将其应用于一种导弹滚转力矩系数模型,进行了仿真计算,取得了与风洞试验数据一致的计算结果。结果显示该方法在导弹气动力建模中有效可行,为构建最优化的模型结构提供指导。     

基于FFT的自适应频率估计算法

为了解决FFT算法中因能量泄露和栅栏效应而导致的算法估计性能下降的问题,提出了一种基于FFT的自适应频率估计算法.分析了Rife算法,指出当信号频率位于量化频率附近时,由于插值方向错误,会导致频率估计性能下降;对于分段FFT相位差频率估计算法,当2段信号最大谱线处对应的相位相差比较大时,容易产生相位模糊,从而增大估计误差.基于FFT的自适应频率估计算法将2种算法进行了综合,既保留了2种算法的优点,又对算法性能有所改进.仿真结果表明:该算法的估计精度、稳定性和抗噪能力都有显著提高.     

一种用于GAF协议的优化邻居表算法

GAF协议是一种基于地理信息的无线传感器网络路由协议,由于采用多跳传输,将导致热区的产生。提出了一种优化邻居表算法,可以有效辨识GAF虚拟网格内的节点密度,从而选择密度大的网格通行,以均衡热区能耗,延长网络寿命。仿真结果验证了该算法的可行性。     

武警捕歼战斗兵力分配模型研究

捕歼战斗是武警部队依法缉捕、歼灭犯罪分子的一种战斗行动。考虑作战过程中兵力分配的实际因素,在问题建模过程中引入了捕歼对象的威胁度,建立了一个多目标模型,使捕歼战斗更加符合实际作战;提出了基于分解的多目标进化算法的求解方法,并给出了方法的具体设计思路和流程。捕歼实例仿真计算结果表明,本文提出的基于分解的多目标进化算法比非支配排序遗传算法的改进算法具有更好的适用性和优越性。     

作战资源规划方案生成时间分析

资源规划是联合作战中一项重要环节,资源规划方案对提升联合作战的效率,达到更好的作战效果具有重要意义。现代战争的速度越来越快,如何在最短时间内能够生成较优的资源规划方案,提高决策反应速度,是联合作战中需考虑的关键问题。本文在基于MDLS算法的基础上,通过计算机仿真,分析了平台数量和平台优先权对资源规划方案生成时间的影响,得出了相关结论。     

SINS/GNSS自适应反馈校正滤波

SINS/GNSS组合导航中,反馈闭环校正比开环输出具有更高的短时精度;但反馈校正的输出会有长时间缓慢发散迹象。传统工程上应用最优奇异值可观测度对反馈向量进行自适应调整,但最优奇异值计算量很大,且不同机动情形下的最优奇异值也不相同,很难确定。通过分析卡尔曼滤波的方差矩阵,提出一种新的可观测度定义,并利用滤波协方差矩阵确定新的可观测度,并结合人工神经网络确定反馈校正的自适应调整系数,仿真表明新方法抑制了反馈校正输出误差的长时缓慢发散,提升了导航精度。