永磁同步电机在数字炮控系统中的应用研究

从坦克现装备改造的实际需要出发,采用矢量控制方法,设计了以高性能单片机87C196MC为控制核心,以第3代智能功率模块(IPM)为逆变器主体的数字化永磁同步电动机(PMSM)调速系统。在电流环中采用PI调节器使定子电流跟踪给定电流,用双边对称的规则采样法生成正弦脉宽调制波(SPWM),将速度环设计成典型的Ⅱ型系统。     

基于随机有限集的传感器网络多目标跟踪

利用有限集统计理论对声学W SN下的多目标跟踪进行了研究。首先利用F ISST理论对声学W SN下的多目标跟踪进行建模,然后利用粒子滤波对随机集最优贝叶斯滤波进行近似,提出了一种新的多目标跟踪方法。在粒子滤波执行过程中,为了有效地平衡计算量和跟踪精度,根据目标数目自适应地调整每一时刻的粒子数目。仿真结果表明在监视区域同时出现目标较少的情况下,算法能够及时发现目标的出现和消失,正确估计目标状态和数目。     

基于PB的MIS系统信息检索实现

针对目前信息存储中信息量的不断增大,而且对大文本对象处理越来越多、越高的要求,提出了一个以PowerBuilder为依托,并通过OLE结合Word从而实现信息检索的方法,同时给出了查找正确VBA语法格式和将其转换为PB语法格式的一些实用技巧。最后给出一个完整的例子,实现了对某数据库的信息检索。     

集值广义(S)_+型映射之一致极限的广义度理论及其应用

本文构造了集值(S)+型映射之一致极限的广义度,所得结果统一并加强了文献〔1～4〕的相应结果。运用拓扑度方法获得了一些新的满值性定理与某些新的不动点定理。     

生成式对抗网络在SAR图像处理中的应用综述

合成孔径雷达自动目标识别技术是SAR图像处理领域的研究热点,但数据样本不足的情况导致SAR-ATR应用研究受到局限。传统扩充SAR数据集的图像仿真技术模型复杂、计算量大,生成图像不够逼真。生成式对抗网络GAN不需要目标先验信息,可以直接从真实图像数据中生成逼真的图像,具有低损耗和端到端的优点,因此相较于传统方法其更适用于小样本SAR数据高质量扩充。围绕GANs在SAR图像处理中的研究应用展开叙述,介绍了获取目标SAR图像的方法,包括传统的仿真技术和基于深度学习的GANs技术;从目标图像和场景图像等2个方面介绍了GANs训练的常用SAR数据集;针对不同数据集的应用场景,重点介绍了GANs网络在目标SAR图像生成、SAR超分辨率重建、SAR和光学影像融合等3个方面的最新研究进展;最后,结合深度学习和SAR目标特性,给出了GANs网络在SAR图像应用方面的后续发展建议。     

模糊神经网络集成在液压故障诊断中的应用

阐述了神经网络集成的基本概念及其在液压故障诊断中应用时的个体网络生成方法和结论结合方法.根据液压系统的工作特点,采用Gauss随机函数作为个体网络的训练样本的随机采集函数,使个体神经网络的输出集中于各工作阶段的主要故障,并保持了个体网络之间的差异性,增强了网络集成的泛化能力.     

基于改进AHP与集对分析法的防空兵群阵地选择

防空兵群阵地选择是防空兵力部署的前提条件,阵地选择与配置的正确与否是防空兵部队能否有效进行抗击敌空袭兵器的一个重要因素.在分析以往防空阵地优选方法不足的基础上,提出了基于改进的层次分析与集对分析的多因素优选方法,建立了防空兵群配置地域方案优选的模型.通过实例分析了影响防空兵群阵地选择的相关因素,确定了配置地域优选的指标体系,用三标度法确定指标因素的权重,以相对贴近度的大小对待选阵地进行优选和排序.该方法能够定性与定量相结合,模型简单规范,为防空兵群阵地优选提供了一种有效的方法和途径.     

跟踪机动目标的一种新的多模型算法

在机动目标跟踪的多模型(MM)方法的研究中,提出了一种新的多模型方法,即最小子模型集切换(MSMSS)算法.这种MSMSS算法从总模型集中自适应确定最小模型集,用来完成多模型(MM)估计.仿真结果表明,和标准的交互式MM(IMM)相比,所提到的算法,在保持同等的跟踪性能的前提下需要很小的计算量,在计算量相等的情况下具有更好的跟踪性能.     

雷达干扰效果的Vague集评估方法

雷达干扰效果评估是电子对抗领域的一个重要研究课题.提出用Vague集替代模糊综合评估方法中的隶属度,建立干扰效果的评估指标体系,提出了基于Vague集的雷达干扰效果评估算法,利用Vague集加权距离来判定干扰效果等级.结合实例说明,该方法是可行、有效的.     

变精度双向IS-粗集及其应用

在S-粗集的基础上,提出了双向IS-粗集(two direction improper singular rough sets)的概念,给出双向IS-粗集及变精度双向IS-粗集的数学结构,讨论了变精度双向IS-粗集上、下近似算子的性质,并举例说明了变精度双向IS-粗集的应用.