一种基于麻雀搜索算法的空中目标意图预测方法

针对BP神经网络（BPNN）的分类性能和遗传算法（GA）的参数寻优能力难以满足空中目标意图预测需求的问题,提出了一种基于麻雀搜索算法（SSA）优化支持向量机（SVM）的空中目标意图预测方法。利用SVM和SSA分别取代BPNN和GA,构建了SSA-SVM空中目标意图预测模型,并对模型的预测性能进行了仿真检验。结果表明,SSA-SVM比GA-SVM具有更快的收敛速度和更高的适应度值,比BPNN具有更高的预测准确性和更稳定的预测结果。因此,SSA-SVM可以准确、稳定地预测空中目标意图,能够满足意图预测在准确性和稳定性上的需求,提升了预测性能。     

基于AdaBoost-PSO-BP的舰船维修费预测方法

针对舰船装备维修费影响因素复杂、预测结果不稳定等问题,构建了AdaBoost-PSO-BP的舰船维修费用预测模型。引入机器学习中的方法,针对BP神经网络在较小样本规模的情况下精度不高的问题,采用粒子群算法和早期停止法,确定了最佳参数,消除了过拟合现象,并通过AdaBoost将BP神经网络优化集成,提升了模型的准确度和稳定性。实例验证了该模型的实用性、科学性和有效性。     

基于T-S模型的非线性系统主从控制器设计

针对同时具有输出和输入非线性的系统,通过中间虚拟控制量的设置,转化为两个非线性子系统的串联,从而简化系统结构并解决最终控制量不宜直接获取的问题。针对无人水面艇的航迹和横摇控制,设计了基于反演控制的从控制器,实现了输入非线性中虚拟控制量到舵角的映射,通过T-S模型将输出非线性系统,转化为线性时变系统,并考虑舵机的角度与角速度约束,设计了广义预测主控制器。该方法不仅简化了系统结构,同时仿真结果表明,所设计的主从控制器可以获得较好的控制效果。     

多子带雷达信号融合噪声抑制方法

全极点模型对信号构建线性模型,通过对模型进行定阶和计算可以得到估计信号的各个参数,从而实现信号预测。子带融合之前需要进行相干处理,可以通过相干函数等方式解决。root-MUSIC算法在低信噪比环境中极点选择并不稳健,会导致模型在阶数上判断错误。为解决全极点模型方法中子带融合在信噪比低时模型阶数估计不准的问题,提出一种噪声抑制方法。对信号Hankel矩阵的主对角奇异值矩阵加权处理,以消除噪声分量,并利用整体前向预测矩阵得到整体频段极点值与极点幅值,由此估计出低信噪比时的多子带融合信号。结果表明所提方法在仿真环境下,在信噪比-20 dB至10 dB时,相较于传统极点模型方案具有更好的估计结果。     

电传动装甲车辆负载功率预测实时能量管理策略

针对电传动装甲车辆负载功率预测功能缺失导致控制作用滞后的问题,提出一种具有较高负载功率预测精度的实时能量管理策略。在分析整车结构的基础上,采用理论分析和数据拟合方法,建立各动力源数学模型。将差分自回归移动平均模型和自适应马尔可夫链两种预测方法相结合,设计非平稳趋势性负载功率组合预测方法。在非线性模型预测控制框架下,构建多目标优化函数,采用序列二次规划法在有限时域内实时求解最优控制指令,优化多动力源协调控制过程。依托硬件在环仿真平台进行多路面行驶实验,对比有无功率预测的能量管理控制效果。结果表明,改进的实时能量管理策略对未来负载功率具有较好的预见性,能够显著优化多动力源协调控制过程,提升车辆燃油经济性,稳定母线电压和电池荷电状态,对传统模型预测控制下的工程应用场景具有一定借鉴意义。     

单向拓扑下基于DMPC与改进APF的水面无人艇编队运动控制算法

多水面无人艇编队运动控制是多水面无人艇智能化的核心技术,也是当前研究的热点。重点讨论了编队部分成员无法获得编队平衡先验信息条件下的水面无人艇编队运动控制问题。首先,针对编队先验信息不平衡条件下无人艇编队保持困难的问题,将领航–跟随结构与分布式模型预测控制算法结合,通过设定通信优先级和单向拓扑结构,在分布式模型预测控制算法中引入假设状态空间和平衡状态空间,以实现部分跟随者无法获取编队平衡先验信息情况下的无人艇编队保持;其次,针对编队航行过程中障碍物规避安全性不足的问题,将改进的人工势场法与模型预测控制相结合,设计了无人艇自主避障控制器,提升了编队航行过程的安全性;最后,通过仿真平台对所提方案的可行性进行了验证。所提方法可以为进一步研究复杂环境下多水面无人艇编队运动控制提供参考。     

基于加窗线性卡尔曼滤波模型的设备剩余使用寿命预测方法

提出了基于加窗线性卡尔曼滤波模型的设备剩余使用寿命预测新方法,明确了应用加窗线性卡尔曼滤波模型进行剩余使用寿命预测的过程。应用试验数据验证了方法的有效性,案例分析结果表明:对于退化指标在前期平稳、后期突变的齿轮箱全寿命试验数据,剩余使用寿命的预测值与实际值在齿轮箱运行的前期相差较大,而在后期则较为相近;通过对退化指标值进行拟合处理,可以明显消除退化指标值波动对剩余使用寿命预测值的影响。     

高超声速滑翔飞行器滑翔段预测-校正制导研究

为了满足高超声速滑翔飞行器再入制导过程中的终端约束和过程约束,针对滑翔段具有不确定初值和气动干扰的滑翔再入问题,联合三维轨迹快速在线生成技术和模型预测静态规划（MPSP）技术提出了一种改进的MPSP预测-校正制导律。建立了基于能量的高超声速滑翔飞行器的运动学模型,详细推导了MPSP预测-校正制导理论。构建了基于三维快速轨迹规划的初值生成器,探讨了初始下降段对滑翔段的影响因素。针对滑翔段初值干扰和气动参数摄动问题,设计了预测-校正制导律,进行了数字仿真。仿真结果表明,改进的MPSP预测-校正制导方法能够有效利用精确的猜测值,对干扰初值和气动摄动具有较强的鲁棒性。     

基于灰色神经网络的装甲部队油料消耗预测

油料消耗量的精确预测直接影响装甲部队后勤保障能力的提升,而传统预测模型精度不高,应用范围也有一定的局限,难以满足信息化战争精确保障的需要。提出一种装甲部队油料消耗预测的组合模型,对历史油料消耗数据和油耗影响因素进行统计分析,求出各影响因素与油耗量的关联度作为权重系数;通过改进GM(1,1)模型预测某部队下一次军事行动的油耗量;用GM(1,1)模型的预测值、加权后的各影响因素值和油耗实际值训练网络,对下一次想定的军事行动油耗量进行预测。通过平均相对误差计算表明,组合预测模型比单一的GM(1,1)模型预测精度高,能够较好地指导部队进行下一步的油料供管工作。