基于规划识别的态势估计方法研究

针对战场态势估计问题中的目标分群和规划识别问题进行研究。在目标分群问题的研究中,提出一种二次分群算法。首先利用最近邻法进行聚类,然后采用基于模板匹配的方法进行初次分群,考虑到其无法应对空间位置有重叠的情况,结合信代价及初次分群属性沿用模板匹配的思想进行二次分群;在规划识别问题的研究中,提出一种基于贝叶斯网络的规划识别算法,为了获取顶层规划任务并求得概率,构建贝叶斯网络,将当前获得的事件与网络库进行匹配,实现对敌方的规划识别。针对以上两种算法,设计了符合战场情景的仿真环境,通过仿真验证了所提出的二次分群算法相较于初次分群识别准确率提高了26.7%,规划识别算法准确率达98.04%。最后,对所做工作进行了总结并对未来可能的改进方向进行分析。     

一种非线性系统自适应预测控制方法

针对非线性系统提出了一种自适应预测控制方法,首先利用微分中值定理推出了非线性系统的增量输出和原来增量输入之间的线性关系,并利用带遗忘因子的最小二乘法(RLS)对其时变参数进行辨识,在此基础上,利用递推状态空间描述作为预测模型,根据预测控制的原理对系统的控制器进行设计,最后通过仿真实例说明了该方法的有效性.     

越野汽车非线性悬架系统建模与仿真研究

针对越野汽车的行驶条件,对传统线性被动悬架、非线性被动悬架和非线性主动悬架的动态特性进行了研究。建立了悬架系统的动力学模型,采用统计线性化方法对非线性弹簧悬架进行求解,利用MATLAB／SIMULlNK工具箱对悬架模型进行了动力学仿真。仿真结果表明：非线性弹簧悬架模型比传统的线性悬架模型更符合越野汽车悬架系统的振动运动,而采用基于线性二次型最优控制方法的主动控制非线性悬架,则能获得更好的行驶平顺性和操纵稳定性。     

Poisson分布与正态分布参数的Γ—极小极大估计

对于Poisson分布及正态分布,本文在其参数θ的先验一阶矩和二阶矩的部分信息已知的情况下,给出了θ的极小极大估计,同时也给出了最不利先验分布。     

求解伪装网结构非线特征问题的迭代摄动法

尼尤伪装网的动力分析,依据离散模式建立非线性动力方程,求得初始的特征值和特征向量,然后考虑频率对位移的影响,对刚度矩阵和质量矩阵进行修正,建立动态有限元方程并采用迭代摄动法求解,得出尼龙伪装网的前三阶频率及振型,计算结果与试验值相吻合。     

信号分割修正聚类的星座图恢复算法

通过分析载波估计频偏、信号长度对星座图恢复的影响,采用将长信号分割为短信号的方法减小频偏对星座图恢复的干扰,并通过旋转叠加修正的方法解决了由信号长度减小导致码元失去历遍性而带来的星座图恢复不完整问题,最后根据信噪比大小选取不同聚类算法进行聚类并再次修正,实现了星座图对称的幅相调制信号的星座图完整恢复。多次仿真表明,该算法对频偏估计精度的要求可以降低1~2个数量级,减小了参数估计的工作量,使因参数估计精度不高而带来的信号后续分析困难问题得到了良好解决。     

基于退化量分布的某型电连接器寿命预测方法

使用基于退化量分布的方法对某型电连接器进行了寿命预测,得到了其可靠度曲线并预测出其平均寿命为398 895 h。通过对各加速应力水平下所有样品的退化量进行拟合优度检验,得出退化量在各测量时刻最优服从正态分布,进而确定了退化量均值、方差与温度应力之间的关系。为了提高估计精度,使用极大似然法进行整体统计推断获取未知参数的估计值,并基于参数值与温度的关系外推出样品在工作温度下的可靠度函数。通过可靠度曲线的比较,获知样品寿命较好地服从对数正态分布,并基于此进行了平均寿命预测。     

浅海远程目标稳健方位估计方法性能分析

受浅海多途效应的影响,传统方位估计方法在空间谱上将出现谱峰偏离甚至分裂现象。针对这一问题,提出了一种新的浅海稳健方位估计方法。该方法将简正波模型与阵列信号模型相融合,推导出新的阵列源矢量形式,并结合矢量最优化对阵列源矢量误差施加有效约束,进而提高高分辨方位估计的稳健性。性能仿真分析表明:当存在海水跃变层深度、海水深度及声速梯度等不确定条件下,该方法均具有更高的主峰与旁瓣比以及更窄的-3dB波束宽度。     

橡胶-钢粘接界面断裂问题非线性有限元分析

为解决橡胶-钢粘接界面断裂非线性有限元计算问题,建立了含初始裂纹的橡胶-钢粘接复合结构有限元模型;用张开位移作为裂纹开裂的判定参数并模拟了裂纹的扩展,计算值与试验值的对比证明了该方法的可行性;计算了开裂前粘接界面的层间应力,分析了开裂前裂纹前沿和沿裂纹扩展方向的层间应力变化情况;用断裂力学中的柔度法计算橡胶-钢复合结构的能量释放率,计算并分析了能量释放率沿裂纹扩展方向的变化情况,并与实验结果进行了对比验证,结果证明:该方法是可行的。     

双边定数截尾试验下广义指数分布的可靠性分析

基于双边定数截尾试验,在无信息先验和共轭先验下,给出了广义指数分布参数的Bayes估计。同时在熵损失和加权平方损失函数下,给出可靠度函数的贝叶斯估计。最后运用Monte Carlo方法对估计结果进行了模拟比较。