脊形前体飞行器静态绕流数值模拟研究

针对脊形前体类飞行器大攻角下非定常大范围分离流动,采用基于SA模型的IDDES混合湍流模型,以及高效、高精度的非定常算法,数值模拟由脊形角7.5°的前体添加平板机翼组成的脊形前体飞行器在不同雷诺数和攻角下的气动特性。研究结果表明：在所考察雷诺数范围内雷诺数变化时流场结构趋同,对称性较好,对飞行器气动力系数影响较小;攻角变化下,机翼前缘涡和前体涡相互干扰,使得前体涡和前缘涡破裂延迟,整体失速特性有明显改善,较单独脊形前体,流场对称性保持较好;由于机翼前缘涡诱导低头力矩,与脊形前体涡诱导抬头力矩相互抵消,使得翼身组合体的纵向稳定性特性,较单独脊形前体有明显改善。     

基于A~*算法的虚拟士兵城市作战路径规划

针对虚拟士兵在城市作战仿真领域的需求,重点研究了虚拟士兵在城市环境中路径规划问题。通过对三维城市虚拟环境空间进行分层信息处理,生成虚拟士兵能够感知的虚拟信息层。用A*算法求出虚拟士兵从初始位置到达目标位置的最佳路径,并给出算法的具体设计与实现。     

二维Turbo编码的无人机通信研究

传统基于RS-Turbo码的系统需要提供RS译码及Turho译码2种不同的译码算法需求,使得译码器的软硬件设计复杂化,无法满足无人机通信要求.从理论上分析了Turbo码的性能特点,提出一种改进的二维turbo迭代算法,并应用在无人机通信仿真中.仿真结果表明该算法在低信噪比时能够提升误码率性能,且易于工程实现.     

基于表决算法的空间预警系统数据融合建模/仿真

空间预警系统中包含红外、可见光等多种类型的传感器,每种传感器对不同目标的探测均有相应的优势和不足.数据融合技术对来自多个传感器的探测数据进行综合处理,从而缩短系统整体的目标发现时间,提高探测精度等性能.采用表决融合算法对空间预警系统中的数据融合问题进行研究,建立了多传感器串联、并联以及混合结构3种不同组合的融合模型,重点对采用混合融合结构时,系统在保证一定检测率的同时,能最大程度减小虚警率的算法进行了探讨,计算证明这种结构具有最佳的整体融合效果,最后还给出了融合仿真系统的结构方案.     

分布式约束优化问题及其求解算法

分布式约束优化问题(DCOP)能够对多智能体系统(MAS)中的各种分布式推理任务进行建模,广泛应用于分布式规划、调度、资源分配等问题中。首先从DCOP的概念出发,引入一个典型的DCOP实例,在此基础上对DCOP问题求解的两类主流算法进行了详细介绍和比较分析。针对DCOP对现实问题建模中出现的部分集中式、硬约束、开放式、隐私和anytime等5个方面的问题进行了阐述,并介绍了相应的扩展算法。在动态实时问题,自稳定性与误差容错以及在物理分布式环境下仿真等问题仍需进一步研究。     

双边定时截尾下广义Pareto分布的可靠性分析

基于双边定时截尾样本,研究广义Pareto分布的形状参数和可靠性指标的估计问题。在进行极大似然估计时,由于似然方程无解析解,故采用EM算法。对形状参数选取,4信息先验,在平方损失下,研究给出广义Pareto分布的形状参数和可靠性指标的Bayes估计。通过Monte-Carlo模拟对形状参数和可靠度函数的极大似然估计、EM估计和Bayes估计的效果进行比较。模拟结果说明,Bayes方法和EM算法适合在小样本场合下对形状参数进行估计,Bayes方法和极大似然估计法适合在大样本场合下对形状参数估计,极大似然估计方法和EM算法适合对可靠度进行估计。     

基于多尺度特征聚类算法的不确定目标检测

提出一种基于无样本的SAR图像目标检测分类方法。针对空战过程中难以获得大量SAR图像目标样本问题,采用基于全局CFAR的多尺度SIFT特征进行目标纹理描述,并针对特征维度较高及特征描述之间存在的冗余问题,通过PCA算法对其进行降维处理后,采用DBSCAN算法对潜在目标区域的多尺度SIFT特征进行分类实现目标检测。通过单一目标和多类目标图像进行实验验证,实验结果表明该方法具有一定的有效性和可行性。     

水下结构声辐射FEM/BEM简化计算方法研究

为提高水下结构声辐射FEM/BEM方法的计算速度,首先以节点位移作为中间变量对湿表面处结构和流体的运动方程进行解耦;然后,采用单元的外法向矢量来表示相关系数,并简化了积分奇异性的处理;最后,以脉动球和水下加筋圆柱壳为算例进行了计算,计算结果、理论结果与试验结果吻合较好,由此验证了方法的有效性。     

各向异性介质体目标电磁散射分析的快速算法

利用体积分方程矩量法(MoM)及其多层快速多级子算法(MLFMA)研究了各向异性的电介质体或/和磁介质体目标的电磁散射问题,将多层快速多级子算法的计算结果与解析方法(Mie)或矩量法结果进行了对比分析.不但验证了MLFMA算法的高效性和精确性,同时该算法还适合于分析模拟任意复杂介质体(如各向异性磁化等离子体)目标的电磁散射问题,为进一步实现电大尺寸的任意复杂各向异性介质体/金属组合目标电磁散射分析的精确高效算法奠定了基础.     

一种基于神经网络的彩色图像分割方法

提出了适于彩色图像分割的加强型径向基函数网络方法,采用在线自适应聚类学习算法确定隐层节点的数目、激活函数中心值;通过Hebb学习算法迅速将隐层节点中心值分为目标颜色聚类中心和背景颜色聚类中心两类;输出层用竞争规则将目标与背景分开。通过对多幅彩色图像进行分割处理验证了该方法的有效性。