基于提升的双自适应小波变换算法研究

小波变换的传统提升算法的滤波器固定,不能随输入信号的变化而改变,针对该问题,结合现有的自适应算法,提出一种双自适应小波变换算法,并对该算法的更新和预测过程进行了自适应调整。实验证明,该算法比传统的提升算法和单纯的自适应更新或自适应预测算法具有更优越的性能。     

基于自适应遗传算法的配送型多级库存优化研究

研究了由1个战役仓库、多个战术仓库组成的配送型系统的优化问题,建立了战术仓库使用经济订货批量策略和战役仓库采用4种不同订货策略时的模型,并采用自适应遗传算法实现了模型的求解,实例验证了模型及算法的有效性。     

一种传感器网格自协同作战模型*

传统的协同技术不能满足传感器网格复杂的协同应用在动态性、实时性以及分布决策的强协同等方面的需求。为此,建立了一种自协同技术,给出了自协同作战虚拟组织(ACBVO)的参量化描述,提出了传感器网格自协同作战模型(SGACBM),描述了协同成员的信息结构和功能结构。使用SGACBM,ACBVO能在执行任务过程中,不断监测协同工作的质量,并根据协同质量动态切换协同机制。SGACBM能改善传感器网格的协同质量,加速作战进程,实现传感器网格自协同作战。     

自适应调制的MIMO OFDM系统的性能分析

分析了MIMO OFDM的系统模型,研究了MIMO OFDM系统的自适应调制技术,给出了完整的自适应算法,探讨了自适应MIMO OFDM系统的频谱效率。仿真结果表明,自适应调制提高了MIMO OFDM的误比特率性能。     

无缝GPS／INS组合导航系统的设计与实现

针对GPS卫星信号失锁条件下GPS/INS组合导航性能大幅度下降的缺点,设计了一种基于ANFIS的无缝组合导航方法,当卫星数目不低于4颗时采用伪距,伪距率的卡尔曼滤波算法,一旦卫星数目少于4颗时采用ANFIS系统估计导航误差,抑制INS的误差积累,从而实现无缝导航.动态车载实验表明,该方法切实可行,相对于传统的紧组合方法,有效地提高了组合导航系统的定位精度和抗干扰能力.     

基于自适应Kalman滤波算法的联邦滤波器

为弥补传统联邦滤波器实用性不好,缺乏对对象模型和传感器噪声的自适应估计能力的缺陷,利用自适应Kalman滤波算法的思想,结合联邦滤波器本身的算法结构,对联邦滤波器进行改进,使之具有很强的自适应性,能够自适应地计算出模型噪声和传感器噪声的协方差阵.给出了基于自适应Kalman滤波算法的联邦滤波器的计算架构,其他优秀的自适应算法均可按相同的方式加入该架构中.最后通过仿真计算验证了该算法的有效性.     

无人机卫星导航系统的电磁干扰态势评估方法

在战场复杂电磁环境下,卫星导航接收机很容易受到电磁干扰而出现不定位的现象,针对这一现象,提出了一种基于环境感知无人机卫星导航接收机的电磁干扰态势评估方法。以干扰信号的特征参数、导航接收机未受干扰时的接收状态作为预测的输入,以接收机跟踪环路失锁时的效应阈值作为观测目标值,建立了极端梯度提升(extreme gradient boosting, XGBoost)的预测模型。在此基础上,给出了导航接收机电磁干扰态势的等级,提出了导航接收机在单源和双源电磁干扰下的态势评估方法。通过与高斯过程回归和支持向量机回归的预测方法进行比较,结果表明XGBoost方法具有更好的预测精度。依据该预测方法,综合利用技战术方案,有利于提高无人机在复杂电磁环境中的适应能力。     

高精度交流位置伺服系统模糊自适应控制研究

针对该实时稳定控制系统中某一大功率、大变负载的某高精度位置伺服系统设计了模糊自适应P ID控制器,介绍了大量的静态、动态试验,并给出了在不同状态下的实际实验结果。试验表明:该控制器有良好的控制效果及鲁棒性,较好地解决了该武器系统中火控系统的动态响应。     

基于单神经元PID的方位保持仪温控系统的仿真

由于方位保持仪的核心元件陀螺易受温度的影响,常采用温控系统控制其工作的环境温度来保证它的精度与性能.通常采用的传统PID控制方法虽然简单,但由于系统存在非线性因素,控制效果不是很理想.提出一种基于单神经元自适应PID的控制算法,利用单神经元的自学习,自适应能力,实现对方位保持仪温控系统的快速实时在线控制.仿真结果表明该方法优于传统的PID控制算法,是行之有效的.     

基于神经网络的模型参考自修复飞行控制

提出了一种基于模糊神经网络的模型参考自修复飞行控制结构,并对所使用的BP网络学习算法进行了分析改进.对比非故障和故障状态下的飞行仿真结果表明,改进后的自修复飞行控制方法可以有效地抑制神经网络的"过学习"现象,减小了对神经网络辨识器精度的依赖程度,在故障条件下的补偿作用非常明显,达到了自修复飞行控制的目的.