采用多种群搜索策略的微粒群算法调整消磁绕组

目前,常用的消磁系统调整方法一般都是针对舰艇磁场进行的,而较少考虑磁场梯度。为改善舰艇的磁隐身性能,应当同时考虑两者的有效衰减,由此确定的电流优化调整问题为多目标优化问题。为解决该问题,首先采用一种基于多种群搜索策略的微粒群算法分别求解两类目标函数的最优值,并将这两类最优值作为目标函数的归一化常数,然后选取一组适当的权重将多目标优化问题转化为单目标优化问题,并采用多种群微粒群算法求解该单目标优化问题。最后,采用一个典型的消磁系统优化调整问题来验证方法的有效性。实验结果表明:该方法不但能够实现舰船磁信号的削减,同时还能有效抑制舰船磁信号的波动。     

回归型支持向量机的机翼结冰冰型预测

飞机结冰严重威胁着飞行安全。针对机翼结冰冰型预测时不确定性因素较多、难以准确预测的问题,提出了一种基于回归型支持向量机的机翼结冰冰型预测方法。在建立冰型模型的基础上,利用回归型支持向量机(Support Vector Regression,SVR)获得冰型多项式系数,从而预测出相关飞行条件和大气条件下的冰型。仿真结果表明,该方法具有较好的预测能力,可以及时提供可靠的结冰信息,为保证结冰条件下的飞行安全提供了保障。     

一种抗比例变化的影像图与矢量数据匹配方法

由于矢量图匹配中涉及比例变化的匹配算法较少,提出了一种抗小比例变化的影像图与矢量图匹配方法。该方法先对遥感影像进行特征提取,然后与GIS矢量数据进行由局部到整体的动态规划匹配。具体过程为先进行点匹配,寻求坐标变换,再进行线匹配,求得线间Hausdorff距离最小为最优匹配。仿真实例表明该方法能够准确地匹配,并抗比例变化,可行性高。     

支持向量机的滚动轴承状态监测

提出了一种基于支持向量机的滚动轴承状态监测方法.该方法采用小波能量表征轴承信号的特征,采用支持向量机作为分类器构建支持向量机状态监测系统.仿真实验表明该方法具有很好的在线监测性能和分类性能,该方法对于滚动轴承的监测具有一定的应用价值,并可方便地推广到其他类似的工业应用领域.     

一种确定指标权重的新方法

针对如何客观地确定某一状态下指标权重这一问题,在给出向量相似度定义的基础上,提出了一种确定指标权重的新方法——向量相似度法。依据向量的两要素(大小和方向),把向量的相似度分解为范数相似度和方向相似度,从而使得向量相似度得以准确的表达。通过计算各指标特征向量与系统综合指标向量的相似度并将其归一化处理进而得出了指标权重。由于该方法直接从系统性能指标抽样数据入手,没有人为因素的干扰,因此具有很强的客观性。结合算例确定指标权重的结果符合客观实际,与其它客观赋权法确定的权重值也很吻合,充分说明了此方法的有效性和实用性,为确定指标权重提供了一种有效的方法和途径。     

浅海中船舶轴频电场建模方法

为了对浅海环境中的船舶轴频电场进行建模,以基本模拟单元——水平时谐电偶极子为例,根据惟一性原理结合边界条件求解赫兹矢量势。通过电磁场与赫兹矢量势的关系式,推导了其在浅海环境下在海水中产生的电磁场的计算公式。对水平直流电偶极子在三层介质下的电磁场分布进行了求解,对其在海水中产生电场的空间分布特性及通过特性进行了分析。在实验室中模拟浅海海洋环境和水平时谐电偶极子,将水平时谐电偶极子和直流电偶极子在轴频段的电场分布仿真结果与实际测量结果做对比。结果表明,时谐电偶极子实际电场分布与理论计算结果一致,证明了推导过程和所得解析表达式的正确性;水平直流电偶极子在对轴频电场的信号包络中进行求解时建模精度高,可替代水平时谐电偶极子的计算模型,且具有更高的工程实用性。     

固定翼无人机曲线路径跟踪的积分向量场方法

常规的向量场方法在处理无人机曲线路径跟踪问题时很容易受非定常风扰的影响而使得跟踪误差增加,因此很多方法采用用无人机的惯性坐标系(地速和方位角)替代机体坐标系(空速和偏航角)的方式来提高抗风性能。但是,这种方式只能处理大小和方向均恒定的风扰,这在实际飞行中是过于理想的假设。为了克服这些不足,提出了一种采用侧偏距的积分来主动抵消非定常风扰的积分向量场方法用于固定翼无人机曲线路径跟踪控制。根据期望路径的曲率及路径角,结合无人机自身的状态信息设计了曲线路径跟踪策略,并且使用李雅普诺夫理论证明了提出的方法能够确保闭环系统的全局渐进稳定。最后,使用高性能半实物仿真系统验证了提出方法的抗风跟踪性能。     

三轴磁强计晃动对测量结果的影响分析及校正

三轴磁强计的主要误差有零偏误差、灵敏度误差以及三轴非正交误差。通过在三轴正交坐标体系下对传感器的三轴非正交误差进行分析,建立了传感器误差模型,分析了误差对传感器晃动所产生的影响。晃动1°产生的误差最大可达109.5 nT,晃动误差随着晃动角度的增加而增加。为控制晃动误差,通过对误差模型分析建立误差校正模型,并通过非线性曲线拟合对校正模型参数准确估计,将估计参数代入校正模型,可以实现对传感器输出校正,使其输出误差大大减小,晃动1°产生的误差范围可控制在0.03 nT以内。这表明该校正方法有效地降低了晃动对传感器输出产生的影响。     

融合初值校准与二阶逼近的单星测频定位算法

为减小单星测频定位的误差,提出一种融合初值校准与二阶逼近的单星测频定位算法。该算法在卫星接收信号多普勒频移为零的时间点,通过测距获得卫星到定位目标的距离信息,利用距离信息修正轨道平面与定位目标的几何关系,为初值的选取提供校准手段;将校准的初值代入含二阶级数的定位方程泰勒展开式,通过较少次数的迭代得到定位目标的真实位置,从而降低定位的算法复杂度,提高定位精度。仿真结果表明,所提出的算法与多普勒单星定位算法相比,迭代次数和定位误差大幅度减小,其实现简单、计算量少、误差小,在单星定位研究领域具有较高的理论价值和实用价值。     

Robust adaptive UKF based on SVR for inertial based integrated navigation

Aiming at the problem that the traditional Unscented Kalman Filtering (UKF) algorithm can’t solve the problem that the measurement covariance matrix is unknown and the measured value contains outliers, this paper proposes a robust adaptive UKF algorithm based on Support Vector Regression (SVR). The algorithm combines the advantages of support vector regression with small samples, nonlinear learning ability and online estimation capability of adaptive algorithm based on innovation. Firstly, the SVR model is trained by using the innovation in the sliding window, and the new innovation is monitored. If the deviation between the estimated innovation and the measured innovation exceeds a given threshold, then measured innovation will be replaced by the predicted innovation, and then the processed innovation is used to calculate the measurement noise covariance matrix using the adaptive estimation algorithm. Simulation experiments and measured data experiments show that SVRUKF is significantly better than the traditional UKF, robust UKF and adaptive UKF algorithms for the case where the covariance matrix is unknown and the measured values have outliers.