基于退化速率跟踪粒子滤波的剩余使用寿命预测框架

毋庸置疑,剩余使用寿命预测对于设备的健康管理越来越重要。近年来粒子滤波方法被越来越多地应用到设备寿命预测技术当中,这是因为粒子滤波方法能更好的解决非线性非高斯系统滤波问题,而且能够获得不确定度信息。但该方法的预测性能却过度依赖于预测模型,并且对于模型参数的初始分布也比较敏感,这在一定程度上限制了粒子滤波预测方法的进一步发展。本文针对基本粒子滤波预测方法的不足,提出了一种基于退化速率跟踪粒子滤波的通用预测框架,以历史观测数据的退化速率统计规律作为指导来跟踪目标数据的退化速率,实现对粒子滤波预测方法的简化。并将该方法用于轴承和锂离子电池的剩余使用寿命预测,验证了方法的有效性。     

CS模型下IMM-PF算法在机动目标跟踪中的应用

为了解决机动目标定位跟踪问题,提出了一种基于CS(current statistical)模型的交互式多模型粒子滤波算法.在交互式多模型粒子滤波算法的基础上,计算CS模型的概率,自适应地调整CS模型中的目标加速度,反映出了目标的机动特性,充分发挥2种算法的优点,改善了CS模型的加速度不能自适应调整的缺点,提高了CS模型的自适应性和应用范围.另外,CS模型的自适应滤波方法由Kalman滤波改为粒子滤波.通过Monte Carlo对比仿真试验表明了该算法的可行性和优越性.     

Formation of adiabatic shearing band for high-strength Ti-5553 alloy: A dramatic thermoplastic microstructural evolution

By using split Hopkinson pressure bar, optical microscopy and electronic microscopy, we investigate the influence of initial microstructures on the adiabatic shear behavior of high-strength Ti–5Al–5V–5Mo–3Cr (Ti-5553) alloy with lamellar microstructure and bimodal microstructure. Lamellar alloy tends to form adiabatic shearing band (ASB) at low compression strain, while bimodal alloy is considerably ASB-resistant. Comparing with the initial microstructure of Ti-5553 alloy, we find that the microstructure of the ASB changes dramatically. Adiabatic shear of lamellar Ti-5553 alloy not only results in the formation of recrystallized β nano-grains within the ASB, but also leads to the chemical redistribution of the alloying elements such as Al, V, Cr and Mo. As a result, the alloying elements distribute evenly in the ASB. In contrast, the dramatic adiabatic shear of bimodal alloy might give rise to the complete lamination of the globular primary α grain and the equiaxial prior β grain, which is accompanied by the dynamic recrystallization of α lamellae and β lamellae. As a result, ASB of bimodal alloy is composed of α/β nano-multilayers. Chemical redistribution does not occur in ASB of bimodal alloy. Bimodal Ti-5553 alloy should be a promising candidate for high performance armors with high mass efficiency due to the processes high dynamic flow stress and excellent ASB-resistance.     

复杂场景下基于自适应多特征融合的跟踪算法

在复杂的场景下,单特征对目标描述不够充分,很难稳健地跟踪目标,针对这个问题,提出了一个基于自适应多特征融合的粒子滤波跟踪算法。该算法采用灰度和边缘特征表示目标,从目标观测似然模型构建的角度融合两种特征,利用粒子似然分布的香农熵动态地评价特征的可靠性,进而确定特征融合权重,以提高算法对场景的适应能力;同时,改进了线性加权的模型更新策略,通过对加权系数的在线调整来抑制模型漂移。实验表明,本文算法可以实现部分遮挡和背景干扰等复杂场景下的跟踪。     

潜射无人机及其对潜艇作战带来的变化

从水下航母的历史出发,简述了现代战争对潜射无人机的需求,分析了潜艇(尤其是核潜艇)装备潜射无人机的优势和给作战带来的变化,说明了它对发展水下航母的重要性。之后,以美国潜射无人机研发为例,总结了其研究进展,探讨了它目前面临或需要解决的问题,表明了其发展方向。     

基于模型概率估计的两层交互多模型算法

在机动目标跟踪问题的研究中,针对转弯机动目标跟踪精度差的问题,设计了一种利用模型概率对模型集合进行实时计算的两层交互多模型算法。该算法由第一层目标转弯速率的粗估计和第二层目标状态向量的精估计构成,它利用第一层模型计算出的目标运动估计转弯速率,构建与当前目标运动状态匹配程度较高的第二层转弯模型集合,并将该转弯模型集合运用于状态估计中。仿真结果证明了该算法在针对转弯机动目标时仍有较好的跟踪精度。     

基于模拟退火的P SO算法在舰载机回收中的应用

在舰载机回收过程中,着舰指挥官要综合考虑剩余油量、战损、气象条件等不确定因素的影响,对舰载机进行实时调度,确定安全快速的着舰次序。建立了舰载机着舰回收模型,给出着舰风险成本函数,利用具有全局搜索能力的粒子群算法对目标函数最优化处理,为避免算法陷入局部最优,选择具有突跳能力的模拟退火算法进行局部搜索。仿真结果证明,基于模拟退火的粒子群算法具有快速收敛的优点,能寻找出合理的着舰序列。     

动力翼伞风扰补偿高度控制方法

外界风场是影响翼伞高度跟踪精度的最主要扰动因素。针对该问题,建立了动力翼伞的八自由度模型,并在传统自抗扰控制的基础上,设计一种基于风场前馈补偿的改进抗扰控制器,对外界的风场干扰进行针对性补偿,实现翼伞系统的高度跟踪控制。在通过仿真实验对控制器进行初步验证的基础上,进行了翼伞系统的实际飞行实验。在实际飞行环境下,仿真中所调节的控制器参数可直接应用于实际飞行实验,翼伞系统的平均高度跟踪误差在2.5 m以内,证明所设计的控制器存在一定的实际应用价值。     

一种新的机动目标模型及其自适应跟踪算法

针对机动目标跟踪问题,在截断正态概率密度模型的基础上,通过目标机动状况与相邻采样时刻间位置估计量变化之间的函数关系实现噪声方差自适应调整,提出了一种新的自适应滤波算法——基于截断正态概率密度模型修正的自适应滤波算法。计算机仿真结果表明,该算法在跟踪机动目标时,具有良好的跟踪性能,并极大地改善了跟踪非机动目标的能力。     

纯方位目标运动分析的一种系统方法

本文首先对以往关于纯方位目标运动分析的研究作了系统性的综述,阐明了以往发展的纯方位TMA算法所存在的共性不足以及解决该问题的困难性,最后介绍了我们研究的一种系统解决纯方位TMA问题的DL原理。