基于小波网络的非线性系统辨识研究

小波网络为非线性系统辨识研究提供了一种有效的方法,但目前用于小波网络学习的进化算法易陷入局部极小等缺陷.结合生物免疫系统的概念和理论,在非线性系统辨识中引入基于免疫算法的小波网络.该算法中抗体通过浓度相互作用的机制来促进或抑制抗体的生成,借此保持抗体的多样性,并产生了高亲和力的抗体对种群进行不断的更新,提高了算法的全局搜索能力和收敛速度.最后,把基于免疫算法的小波网络用于一个非线性系统辨识的标准实例中,仿真结果验证了该算法的有效性.     

超启发式传感器选择算法

在传感器管理中,传感器的选择算法计算是目前需求量最大的问题,采用超启发式算法降低传感器选择算法的复杂度计算.依据协方差控制提出的传感器选择目标,从启发式的贪婪算法入手,研究贪婪/均匀和贪婪/次序两种超启发式算法在传感器选择算法中的应用,以提高传感器管理的运算效率,降低其计算复杂度.最后对这两种方法进行了仿真比较.     

基于改进粒子群算法的四旋翼BSMRC优化策略

针对四旋翼无人机反步滑模鲁棒控制器(BSMRC)因参数整定困难而限制其工程应用的问题,设计了一种基于改进粒子群算法(IPSO)的BSMRC参数优化策略。建立了含未知扰动的无人机非线性模型并设计了补偿未知扰动的BSMRC,通过Lyapunov第2方法对系统稳定性进行了证明。接着,从惯性权重和学习因子两方面对经典PSO算法改进,提升了其收敛速度,在此基础上自动整定了BSMRC参数。通过仿真表明了IPSO可使BSMRC参数快速收敛到最优解。通过模块化编程及自动代码生成技术将最优BSMRC算法部署至Pixhawk 4飞控进行了飞行实验,结果表明了IPSO优化策略的有效性,体现出了BSMRC的强鲁棒性和抗扰性。该优化策略解决了无人机BSMRC参数整定效率低下的问题,并采用基于模型设计(model-based design, MBD)技术提高了无人机控制系统的开发效率。     

无人机多模态融合的城市目标检测算法

城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法：首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明：相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。     

考虑CFRP与混凝土动态界面特性的RC柱抗爆响应动力分析

为了研究CFRP加固钢筋混凝土柱的抗爆特性,基于CFRP与混凝土界面强度细观分析方法和LS-DYNA中的接触算法,提出了能够反映CFRP与混凝土界面动态粘结破坏特性的界面接触模型参数确定方法,分析了爆炸荷载作用下CFRP加固RC柱的动力响应特征和破坏过程及模式,揭示了其失效破坏机理,结果表明：爆炸荷载作用下,单向和双向CFRP布加固可以分别降低RC柱柱中峰值水平位移11%和33%,分别降低塑性位移10%和72%,在混凝土柱塑性区包裹CFRP布,效果最为明显;与单层加固相比,双层加固RC柱的峰值位移和塑性位移分别降低了16.7%和42.8%;考虑到经济性,RC柱抗爆加固建议采用分布式加固。     

基于多目标鲸鱼优化算法的动态武器目标分配

针对传统动态武器目标分配模型以武器打击收益最大化为目标,考虑过于单一,并且现有智能算法在求解该模型存在收敛精度低的问题,提出一种非支配排序多目标鲸鱼优化算法(non-dominated sorting multi-objective whale optimization algorithm, NSMWOA)求解动态武器目标分配模型。首先为提高初始解的质量,引入2次logistic映射初始化种群,合并父代与子代个体,通过计算个体的非支配等级和拥挤度大小对个体进行排序,其次为筛选优秀个体,实验结果表明,在与NSGA-Ⅱ和MOPSO算法的对比中,非支配排序多目标鲸鱼优化算法函数测试中的得出Pareto前沿更接近真实Pareto前沿,寻优精度更高,在动态武器目标分配模型中,能够得出更优的分配方案。     

Al/PTFE活性材料在炸药爆轰作用下的响应特性研究

为探究铝—聚四氟乙烯(Al/PTFE)活性材料在炸药爆轰作用下的响应特性,采用JO-8及DHL两种高爆速炸药对活性材料进行了端面及对碰爆轰加载试验。通过转镜式高速扫描相机记录了炸药爆轰波及活性材料激发的响应迹线,并结合理论分析获取了2种爆轰加载方式下活性材料内的冲击波压力值。结果表明：端面爆轰加载下,Al/PTFE活性材料在初始高压约为33.59 GPa的入射冲击波作用下发生剧烈反应,但随着冲击波压力衰减,反应速率迅速降低,表明该活性材料不能发生自持爆轰;对碰爆轰加载下,Al/PTFE活性材料受到持续高压作用,虽然由滑移爆轰加载产生的入射冲击波初始压力仅为15.76 GPa,但冲击波在活性材料的中心处发生汇聚叠加,形成高压集中区,在该区域内发生了“类爆轰”反应,反应速率达到4 mm/μs,但其反应过程还需要进一步研究。此外,研究还表明,同轴组合装药结构可使活性材料受到炸药爆轰产生的持续强冲击加载,不仅能够显著提升其反应速率,还可避免其反应无法自持的问题,可为相关战斗部装药的设计提供参考。     

多级同步感应线圈装置温升计算方法优化研究

多级同步感应线圈装置发射过程瞬态能量巨大,可能造成电机损坏,有必要对电机温升进行研究,但考虑到瞬态热有限元仿真时间过长;电流丝法温升计算编程过于繁琐,工作量大等问题,将一维热网络模型计算方法应用于多级同步感应线圈装置中进行算法优化,将电机发热等效成一维传热问题,推导发射电机状态方程,通过Matlab构建同步感应线圈发射装置的一维热网络模型。仿真结果表明：通过不考虑散热情况的理论计算以及对比三维有限元计算结果,对一维计算结果进行校验,一维热网络模型仿真结果与前两者计算误差保持在10%以内。相比于瞬态热有限元仿真与电流丝法计算,在减少了模型搭建难度基础上,显著降低发射电机温升计算时间,提高仿真运算效率。     

基于神经网络的跨介质飞行器水面弹跳运动参数快速预测方法

为进一步提高跨介质飞行器水面弹跳运动参数的计算效率,提出基于线性多元回归、反向传播神经网络及径向基函数神经网络的水面弹跳运动特性近似模型,对弹跳后运动参数进行快速预测。首先,建立跨介质飞行器水面弹跳数值仿真分析模型,对模型进行校验。其次,基于上述三种预测算法,以飞行器水面弹跳初始俯仰角、弹道倾角和速度作为输入值,预测其在水面弹跳运动中的末速度。结果表明：径向基函数神经网络算法对跨介质飞行器水面弹跳中的末速度预测的性能表现最优,与数值仿真速度值对比,回归系数为0.988,模型精度与速度预测结果可信性较高;速度预测值与数值计算的平均残差保持在8.39%以内,残差范围保持在±15 m/s以内,对跨介质飞行器水面弹跳运动研究具有参考价值。     

基于时空和作战编组的兵棋推演系统轨迹聚类算法

针对兵棋推演系统信息繁杂,不利于用户理解作战态势的问题,提出了基于时空和作战编组的轨迹聚类CTUW算法。该算法分为轨迹压缩、相似性度量、轨迹线段聚类和可视化4个部分,可从繁杂的轨迹信息中提取主要内容并进行概括表达,达到既简洁概述兵棋推演的整体态势变化,又不丢失棋子机动过程中的重要细节信息的目的。实验结果表明,CTUW算法的轨迹聚类效果相比TRACLUS算法和CTECW算法更精细,计算复杂度也较低,即使在处理具有异常机动速度、特殊轨迹形态、路线交叉重叠等特殊轨迹数据时仍能保持较好的聚类效果。