利用预报误差分布拟合实现卫星历史轨道机动检测的方法

轨道机动会引起在轨卫星的轨道异常,是空间态势感知的重点关注对象之一。为此,提出一种从卫星的两行轨道要素编目数据中检测历史机动的方法。通过分析预报误差检测轨道参数的异常编目值,进而获得相应的历史机动信息。对卫星的两行轨道要素编目数据两两预报求差得到预报误差的样本数据后,利用期望最大化算法可以拟合得到以高斯混合模型表达的预报误差的概率分布模型;以此为基础,可以确定利用预报误差检测轨道参数异常编目值的门限;利用轨道机动与异常编目值之间的对应关系,最终实现机动检测。对典型活动卫星的机动检测结果表明,所提方法能够在准确检出历史机动事件的同时保持较低的误检率。     

舰炮身管的模态分析与多目标优化

舰炮的炮口扰动是影响舰炮射击精度的重要因素。为了减少舰炮的炮口扰动,优化身管结构,建立了柔性身管的ABAQUS有限元模型,将有限元模型的模态计算值与模态试验值进行比较,发现建立的柔性身管有限元模型是合理可行的。提出了混沌量子粒子群算法与动力学联合优化的方法,进行身管和炮口的多目标优化。优化结果表明,优化后炮口中心的线速度、角速度和角位移与优化前相比显著减小,身管质量有所降低,结构更加合理,该优化方法有效可行,为下一步全炮总体优化设计提供了一定的借鉴。     

面向移动单摄像机的多目标跟踪算法

针对移动单摄像机采集的视频序列中的运动多目标,重点研究了基于目标间的相对运动信息和数据关联策略的在线多目标自动跟踪器。利用目标间相对运动模型实现目标轨迹的恢复,减少目标轨迹碎片。运用事件匹配算法改进当前帧的检测响应与过去轨迹的分配,并降低跟踪过程中的目标身份转换次数。实验结果表明:该改进算法较原算法能够对序列中目标跟踪定位得更加精确,减少了轨迹碎片和身份转换次听语音 聊科研与作者互动数,在TUD-Campus序列上达到了与国际前沿多目标跟踪算法相当的效果。     

装备维修器材生产路径决策的两阶启发式算法

当前装备供应保障系统中维修器材存在短缺、积压以及配送系统效率低下等问题,亟须对生产、库存和配送作业环节进行集成优化。为客观反映各个决策环节,将该问题公式化为一个混合整数线性规划模型,针对该模型多变量、多约束的特点,提出了一个基于数学规划的两阶启发式算法对其进行求解。结合算例,检验模型的可行性,并选取求解器CPLEX和一个类似的迭代算法与该算法在求解质量和运算时间方面进行对比与分析。结果表明,提出的模型是合理可行的,该算法在求解不同规模实例时表现出优异的性能。     

天海一体化水下重力辅助导航研究进展

水下航行器精确导航在海洋利用和开发过程中发挥了重要作用。关于抑制水下导航误差随时间累积的问题,进行了详细阐述和分析:简述了惯性器件的发展历程;详细对比了各导航系统的优劣性,着重介绍了国内外重力辅助导航研究现状,分析了针对目前水下航行器高精度导航的需求,以及全球海洋重力基准图空间分辨率不足的科学难题;提出了通过GNSS-R测高星座获得高空间分辨率和高精度全球海洋重力基准图的思路及技术路线,以期提高水下重力辅助导航精度。     

求解不确定型车辆路径问题的弱鲁棒优化方法

为降低鲁棒优化模型最优解的保守性,以最小化违约车辆数和总惩罚成本为目标,建立针对旅行时间不确定的开放式车辆路径问题的弱鲁棒优化模型。对于不确定数据集的每个取值,该模型的最优解可以使其目标函数值始终不超过某数值,进而改善最优解的保守性。为提高启发式算法发现最优解的概率,提出一种自设计遗传算法对模型进行求解,其主要思想是利用粒子群算法搜索出可使遗传算法预期产生最好解的算法要素,并将其进行组合,从而产生新的遗传算法。采用新产生的遗传算法对模型继续求解,输出最好解。计算结果表明:与以往的鲁棒优化方法相比,弱鲁棒优化方法的最优解的保守性显著降低。     

基于强化学习的移动自组织网络分步路由算法*

移动自组织网络是一种无基础设施、由移动通信节点组成的无线网络,具有高度的动态特性。传统的路由协议并不能适应节点移动性带来的频繁拓扑变化,简单的洪泛路由也会因开销过大降低网络的性能。针对如何在移动自组织网络中自适应地进行路由选择,提出了一种基于强化学习的分步路由选择算法。该算法以最小链路总往返时延为目标,基于强化学习进行路由搜寻,在筛选出符合目标需求节点集合的基础上,结合置信度选择路由。在链路变得不可靠时,数据包被广播给筛选出的邻居节点集来提升路由可靠性并降低开销。对提出的算法在分组到达率和路由开销等主要性能指标进行数值仿真分析,仿真结果表明,提出的分步路由算法相比于基于强化学习的智能鲁棒路由,在降低开销的同时,保持着相当的吞吐率。     

基于改进烟花算法的ELM分类模型

针对极限学习机(Extreme Learning Machine,ELM)的性能必须依赖于大量隐层节点的问题,提出了基于改进烟花算法(Improved Fireworks Algorithm,IFWA)的ELM分类模型。用改进的烟花算法进行迭代搜索,求得N个最优的烟花;选择ELM测试数据集的RMSE作为改进烟花算法的适应度值函数,来优化ELM每个隐层节点的输入权值和偏置,使得节点的决策水平提高,从而使ELM的决策性能显著提高;采用KDD99数据集验证表明:改进烟花算法的极限学习机(IFWAELM)能够以较少的隐层节点得到更高的测试平均正确率,提高了极限学习机的泛化性能。5种同类算法性能对比实验也表明IFWAELM是效果最优的。     

一种改进型PSO-BP算法在红外目标中的应用

为了降低伪目标引起的误检,提高系统在复杂环境中的目标识别能力,设计了一种改进型粒子群优化BP神经网络算法。改进型PSO-BP算法利用红外目标光谱特性设置粒子变异规则,从而调整粒子位置与速度,提高目标特征提取性能。同时,算法将权值变为权值可调函数,降低局部极值收敛的风险。实验采用Model-102F型成像光谱仪采集的目标区域图像作为样本与检测数据,与传统BP算法作对比,分别选取对不同特征波长位置及个数的形式对目标和伪目标进行识别分析。结果显示,改进型PSO-BP算法可以有效消除伪目标干扰,同时,其收敛速度明显优于传统算法。由此可见,该设计在复杂背景红外目标识别方面具有一定的应用价值。     

脉冲串信号时差估计优化算法

针对脉冲串序列信号的目标定位任务,传统的单脉冲到达时间差定位方法由于测量单个脉冲的到达时间产生的误差可能偏大,而导致目标定位精度不能满足实际工程需求。现提出两种优化定位精度的方法,前者是针对在脉冲串未出现缺失的条件下,利用最小二乘法计算两个基站接收到的脉冲串到达时间差;后者是针对在脉冲串出现缺失的条件下,利用序列相似性原理对脉冲串到达时间差进行搜索,两者都能减小测量误差对整个定位系统的影响,提高整个系统的定位精度。