基于自适应Agent仿真的系统可靠性预计方法

建立了基于自适应Agent的系统仿真模型的3层体系结构,设计了3类Agent对象:环境仿真Agent、系统仿真Agent和单元仿真Agent,分别模拟了环境、系统对象和基本工作单元,建立了考虑任务环境影响因素、由若干Agent组成的系统可靠性仿真模型,是对系统可靠性预计方法的新探索.     

起重机防摇摆模糊自适应PID控制的仿真

起重机起吊过程中,由于绳索摇摆,使吊物位置变化复杂,线路变化非线性,吊物位置不确定;而采用常规定参数PID控制难以解决货物位置控制问题,无法对起重机的位置和摆角进行精确控制。针对这些问题,采用拉格朗日能量法建立起重机起吊系统模型,提出一种基于模糊自适应PID控制的起重机起吊控制方法,结合模糊控制理论对PID参数进行自适应整定。仿真结果表明,与传统定参数PID控制相比,模糊自适应PID控制具有良好的适应性和鲁棒性,可提高起重机起吊系统的动态性能。     

基于改进遗传算法的天基光学监视平台轨道优化

针对地球遮挡、地影、太阳光干扰、月光干扰、空间目标相对观测平台的角速度等约束对空间目标可见性的影响问题,基于已编目空间目标双行轨道根数,研究以太阳同步晨昏圆轨道作为观测平台轨道,采用改进多变异位自适应遗传算法对单星观测平台轨道进行优化设计。仿真结果表明,改进的多变异位自适应遗传算法有效地解决了多变异位自适应遗传算法不能保证收敛到所有种群中最优个体的问题,且随机抽取10%左右的目标样本可以达到与采用所有目标相当的性能,计算效率提高约一个量级。     

自适应反步滑模控制在火箭炮伺服系统中应用

针对实际系统运行过程中所存在的转动惯量和负载力矩变化大等各种不确定因素,提出了一种新型的自适应反步滑模位置控制器(ABSMC)。首先对于模型中的不确定参数,采用自适应鲁棒算法进行有效估计,通过对模型的等价变换和选择适当的Lyapunov函数,最终给出系统的自适应控制器和不确定参数自适应律的设计方法。仿真和实验结果表明,该控制器能够有效抑制抖振,系统跟踪误差小,跟踪性能好,对参数摄动及外界负载扰动具有较强的鲁棒性。     

一种修正的自适应网格交互多模型算法

将径向速度引入到自适应网格交互多模型算法中,并针对自适应网格算法在跟踪过程中网格中心不稳定的问题增添模型集改变阈值,提出了一种修正的自适应网格交互多模型算法。同时对一些关键参数作了深入研究。仿真表明,提出的修正算法提高了算法稳定性,增强了模型滤波器与真实运动模式的匹配程度,减小了跟踪的速度误差和距离误差,很好地改善了跟踪性能,并具有全面自适应的跟踪能力。     

弹药自动装填机器人免疫遗传模糊神经滑模控制

提出了一种基于改进免疫遗传算法的弹药自动装填机器人自适应模糊神经滑模控制器(IIGAAFNSMC)。用径向基神经网络来近似等效滑模控制中的不确定参数,通过自适应免疫遗传算法在线调整径向基神经网络非线性隐含层的结构和参数。利用最小二乘法计算线性输出层的权值,自适应模糊系统调节滑模控制的增益,减小了网络逼近误差和外部干扰并消除了传统滑模控制中的抖振问题。仿真结果表明,该方法比传统的神经网络滑模控制器具有更高的逼近精度和速度。     

求解武器目标分配问题的改进粒子群算法

在建立多种类型武器目标分配模型的基础上,提出了一种求解该模型的改进粒子群算法。首先,定义粒子聚焦距离变化率,使惯性权重依据聚焦距离变化率自适应调整;其次,采用速度最大值线性递减的策略平衡算法收敛精度与全局寻优能力之间的矛盾;最后,粒子替换策略使算法改善了因自适应惯性权重的引入而造成收敛速度变慢的问题。仿真结果表明,提出模型和算法合理有效,算法收敛快,适合求解各种种群规模的武器目标分配问题。     

MATLAB环境下目标图像的实时辨识方法

介绍一种在MATLAB环境下彩色立体视觉装置在环的实时图像处理系统 ,用于自动识别前方汽车目标和计算距离。鉴于汽车均具有红色尾灯这一普遍特征和人观测色彩的一致性 ,在此采用了基于色度—饱和度—亮度模型的模糊规则来提取汽车尾灯的颜色特征 ;利用汽车上的反射光或阴影区域的亮度特征来进一步确认辨识结果 ,以克服复杂环境中背景颜色和各种光照视角、强度的变化对图像特征所产生的影响。此外 ,文中还提出一种新颖而快速的自适应“移位滤波器”算法 ,以消除颗粒状和细长带状噪声 ,并给出了实验结果和结论     

基于SVD的机动目标自适应滤波研究与仿真

由于计算误差等因素的影响,致使滤波协方差阵不对称或负定,从而导致滤波器发散,影响滤波算法的收敛速度和稳定性.该研究在机动加速度"当前"统计自适应卡尔曼滤波算法的基础上,引入了基于奇异值分解(SVD)的协方差平方根滤波的自适应卡尔曼滤波算法.仿真结果表明,该算法可以较好地跟踪机动目标,具有精度高、稳定好、收敛快等特点.     

机器人的自校正控制

本文从统一的角度给出了四种机器人的自校正控制方案,并通过仿真研究和算法的在线计算量估计,就控制性能和易实现性两个方面对各方案进行了比较。