基于通行性分析的分层越野路径规划方法

面向陆战场兵力机动过程中存在的大范围地域越野路径规划需求,研究并设计了基于通行性分析的分层越野路径规划方法。该方法聚焦大范围地域路径规划效率和可行性,提出一种分层规划方法,通过构建两种不同分辨率的地图栅格实现分层路径规划,并结合地表覆盖和地表粗糙度进行区域通行性分析,针对性构建了A*算法的估价函数。仿真实验结果表明,该路径规划方法能够有效提升算法效率,越野路径规划结果合理可行。     

基于CPSO算法的海空跨域无人航行器集群协同作业路径规划

针对海空跨域无人航行器集群在复杂水域环境下协同作业以追踪水下目标的任务,提出一种基于协同粒子群(CPSO)的协同作业路径规划算法.考虑不同无人航行器集群特性优势,合理分解并分配远距离追踪水下目标任务过程,并利用CPSO算法进行路径规划.在CPSO算法中,首先为无人机(UAVs)集群规划飞行路径,UAV飞行过程中探测水面...     

伪线性卡尔曼滤波的观测器轨迹优化算法

单站被动式跟踪存在强非线性和弱可观测性,即便观测器的运动满足可观测性条件,滤波仍然可能发散.针对此问题,使用伪线性卡尔曼滤波器,应用费希尔信息量、罗美达下限等方法对轨迹进行优化,该优化方案避免了对目标与观测器的径距信息的近似.仿真表明:该方法与传统方法比较,计算量较小,优化得到的轨迹简单,滤波精度得到改善.最后给出了在一定条件下,观测器的"最优"运动规则.     

几种机动目标运动模型的跟踪性能对比

机动目标跟踪是目标定位与跟踪领域研究的难点问题之一.在分析Singer模型、"当前"统计模型、速度估计自适应模型的基础上,对这三种模型及算法进行仿真,给出了上述三种模型跟踪机动目标的精度与实时性的比较结果.     

基于KF-BPNN融合算法的电池循环寿命预测方法

为了解决实际应用过程中电池循环寿命预测精度较低的问题,提出卡尔曼滤波-BP神经网络(KF-BPNN)融合算法对电池的循环寿命进行预测。该方法选用电池内阻作为循环寿命的评估参数,利用BPNN预测电池的内阻值,并将预测内阻值作为KF算法的观测值来修正卡尔曼滤波观测方程系数,从而提高循环寿命预测精度。实验结果表明：融合算法的预测精度有了明显提高。     

新型弹性胶泥-液压浮动机的优化设计

为了减小转管炮发射时的后坐阻力,提高射击精度和稳定性,设计了一种新型弹性胶泥-液压浮动机。根据浮动机的弹性力、粘滞阻尼力以及液压阻尼力计算公式,建立了浮动机的动力学模型。利用粒子种群算法对该动力学模型进行寻优得到该浮动机的最优结构参数。基于此结构参数对浮动机动力学模型进行10连发仿真,结果表明,浮动机的动力学参数匹配合理,在连发射击时浮动稳定。与原弹簧-液压浮动机对比,能够有效地减小后坐阻力和后坐位移,后坐特性得到了改善。仿真结果验证了将弹性胶泥用于浮动机的可行性,为弹性胶泥在浮动机上的应用提供参考。     

基于改进遗传蜂群算法的武器系统优化部署问题研究

针对重点保卫目标区域武器系统应对多目标的合理配置问题,建立了武器系统优化部署模型,对每个子目标函数进行加权分析,建立了获得最优方案数学模型,并针对该模型提出了基于改进遗传蜂群算法。该算法在基本人工蜂群算法的基础上,引入遗传算法中的交叉操作与变异操作,并结合改进的食物源自适应选择策略,使算法实现了探索与开发的平衡,能够做到初期全局寻优与后期快速收敛。运用Matlab软件编程,利用改进遗传蜂群算法获得了满足重点保卫目标实际情况的最优部署方案,与传统人工蜂群算法和传统遗传蜂群算法对比该算法具有更加优秀的收敛性和效率,可以更加迅速达到目标要求函数值。最终将算法得出的部署方案应用于指控仿真软件,直观展示了基于该算法进行武器系统部署的效果与性能。     

一种融合物理规律的经验工程修正算法研究

为了在飞行器研制初期快速而精准地估算出飞行器气动特性,提出了一种融合物理规律的经验工程修正算法,利用少量计算流体动力学（computational fluid dynamics,CFD）部件气动力系数数据对经验公式的重要参数进行修正拟合,达到提高工程算法计算精度的目的。首先,对数据适用性进行验证,验证了公式来源Missile Datcom计算数据和光弹身飞行器CFD数据的适用性;接着,针对法向力系数,从部件的角度进行剖析,利用少量CFD部件气动力系数数据修正拟合了飞行器部件的气动力系数经验公式,得到不同部件的气动力系数计算方程;最后,通过对比修正公式计算结果和CFD预测集,证明了算法的合理性。     

基于改进局部投影算法的非线性时间序列降噪

改进了非线性时间序列降噪的局部投影算法,并应用此算法对含噪Lorenz混沌信号进行降噪,将其与小波分析降噪效果进行比较,实验结果表明:改进的局部投影算法对非线性信号降噪效果十分明显。     

演化硬件中变异概率对进化算法首次命中时间的影响

在(1+1)EAs中,采用马尔可夫链推移时间分析法,推导出了平均首次命中时间的表达式。从理论上分析了变异概率对平均首次命中时间的影响。结果表明适当的变异概率会缩短平均首次命中时间,加快进化算法的寻优时间。