一种采用自适应遗传算法的模糊自整定控制器

针对模糊自整定控制器参数寻优能力差的不足,研究了采用自适应交叉概率与变异概率的遗传算法,提出了用这种自适应遗传算法改善模糊自整定控制器性能的方法。对采用自适应遗传算法的模糊自整定控制器与一般的模糊自适应控制器作了仿真对比研究,说明了前者的优越性。     

基于自适应阈值的提升小波包漏磁信号去噪研究

为了更好地实现对原始漏磁信号噪声的抑制,针对硬阈值函数和软阈值函数中存在的问题,提出一种自适应阈值选择方法,研究了基于该方法的提升小波包降噪算法。采用小波包和提升小波包,分别在硬阈值、软阈值和自适应阈值处理函数下,对含噪信号进行降噪效果的分析和比较,并给出了漏磁信号在自适应提升小波包算法下的降噪效果。仿真结果表明：该方法具有更高的分辨率和近似优化能力,在保留原始漏磁信号有效成分的同时,能更好地去除噪声。     

基于粗糙集和TOPSIS的弹药目标匹配研究

针对多种弹药打击同一目标的弹种选取顺序问题,即弹药目标匹配顺序问题,从弹药毁伤和目标抗毁伤机理人手,构建弹药目标匹配指标体系,利用粗糙集理论约简弹药目标匹配指标体系并确定指标的客观权重,运用加权TOPSIS确定弹药目标综合匹配顺序,为最优火力分配决策提供了理论依据。     

AUV纵倾角动态面滑模自适应控制

对于自主水下机器人(AUV)纵倾角跟踪问题,提出一种基于动态面滑模思想的自适应控制方法。首先对自治水下机器人纵倾角运动模型进行简化,其次针对不确定外干扰的情况,设计了自适应规律,对外干扰进行估计,在此基础之上设计了动态面滑模自适应控制器,并通过李雅普诺夫稳定性理论证明了系统的稳定性,最后通过给定参数的仿真实验结果可知,所设计的控制器在系统受到不确定外干扰时,表现出良好的鲁棒性。     

三关节机器人的神经网络补偿自适应控制器设计

三关节机器人广泛用于工业生产、轮式或履带式排爆机器人,为了补偿由于机器人结构参数、作业环境干扰等不确定性因素造成的机器人动力学模型的不确定性,将机器人动力学模型分解为名义模型和误差模型两部分,其误差模型采用RBF神经网络进行补偿,得到其估计信息,神经网络的输出权值根据Lyapunov稳定性理论采用自适应算法进行调整。所设计的神经网络补偿自适应控制器解决了不确定性机器人动力学系统控制器设计的不确定性问题,同时,通过定义Lyapunov函数,证明了控制器能渐近、稳定地跟踪期望轨迹。机器人的3个关节在控制器的作用下,约在5 s时达到期望轨迹,神经网络约在5 s时逼近机器人动力学模型的误差模型,实验结果表明了机器人关节对期望轨迹具有良好的轨迹跟踪性能。     

基于动态模板匹配的非接触超声弹体厚度测量方法

为了实现某弹体在车削加工过程中弹体厚度的自动测量,采用喷水式的非接触超声检测方法,利用弹体和刀架的匀速旋转和移动,在工控机的控制下实现弹体的全面检测。通过动态模板匹配的超声回波处理方法计算出弹体各检测位置的厚度值。检测结果表明,该检测方法的检测精度可达到0.1 mm。     

新的自适应渐消扩展卡尔曼滤波在GPS定位中的应用

当实际数据出现突变时,基于最小二乘、扩展卡尔曼滤波的GPS定位解算存在定位结果精度低和稳定性差的问题。提出一种自适应渐消扩展卡尔曼滤波算法,通过自适应渐消迭代系统噪声协方差,来实现抑制数据突变影响。试验结果表明:该算法相比最小二乘、扩展卡尔曼滤波,其定位精度有所提高;相比传统渐消扩展卡尔曼滤波,其收敛速度、稳定性有所提高。     

基于HTN的变粒度作战计划快速生成框架

针对网络中心战中关于作战计划的新需求,提出了基于层次任务网络(HTN)的作战计划快速生成技术。在层次任务网络基本要素描述的基础上,结合军事术语详细地阐述了作战计划的基本要素,进而给出了基于目标匹配的任务生成和分解方法;采用专家系统技术,丰富了层次任务网络的分解方法,构建了支持变粒度的军事作战计划快速生成流程和算法。     

基于自适应算法的锥面共形天线阵列方向图综合

以弹载共形相控阵雷达导引头天线为应用背景,将共形天线技术与自适应阵列处理技术相结合,通过欧拉坐标变换,建立了基于有向阵元的锥面共形天线阵列方向图模型,应用了一种基于最大信噪比准则的自适应算法对锥面天线阵列进行了方向图综合。该算法通过对副瓣区域干扰信号的迭代得到一组最优复加权矢量,仿真结果表明该算法可以在三维空间实现对主波束指向以及副瓣电平的控制。     

一种适用于电子稳像的自适应分区块匹配搜索策略

针对传统块匹配法在较大搜索窗口下易陷入局部最优,不适用于大平移抖动图像配准的问题,提出了一种新的块匹配搜索策略。该方法采用改进菱形法进行匹配,将大模板设计为环形并对搜索域分区后排序优选,采用最多样本统计法提取全局运动矢量。算例验证结果表明:该方法较穷尽法、三步法和传统菱形法具有更高的搜索效率;最多样本统计法有效避免了提取全局运动矢量时的前景干扰;图像经该算法处理后的帧间峰值信噪比明显高于处理前,从而验证了该算法的准确性和可行性。