基于星历辅助的导航星座星间链路捕获初始信息求解算法

针对星间链路信号动态范围大、捕获时间要求短之间的矛盾,提出了一种捕获初始信息的求解算法。该算法基于导航星座的星历资源和动态特性,采用迭代的方法对信号传输时延和多普勒频率进行估计。分析指出,该算法实现过程简单,收敛速度快,估计精度高,两次迭代即可实现时延估计精度达到纳秒级,大大降低了捕获实现的难度和复杂度,适合星上资源要求比较严格的场合。分析基于北斗导航星座模型展开,对我国北斗导航星间链路的设计提供了参考。     

惯组动态测试台误差分析及附加运动补偿算法

为了完成惯组的高精度、大动态测试任务,基于Gough-Stewart平台设计了电动六自由度惯组动态测试台。建立了系统的误差模型并分析了电动缸长度误差对系统精度的影响,分析了电动缸在惯组动态测试台运动过程中产生的被动螺旋附加运动,并对该运动补偿算法进行了研究。对被动螺旋附加运动产生的误差进行量化分析,结果表明,被动螺旋附加运动对惯组动态测试台的位姿精度存在非常显著的影响。为了消除该影响,编制了补偿算法,并将其应用于惯组动态测试台的实时控制系统中。实验结果表明,经过算法补偿后,惯组动态测试台的位姿精度达到了设计指标要求。     

单站单圈卫星初轨确定方法研究

为实现低轨卫星轨道的快速确定和预报,基于单站单圈雷达站测量数据采用遗传算法和最小二乘法对卫星初轨确定及轨道预测问题进行了研究。通过比较分析不同观测误差下两种方法的仿真结果,验证了初轨确定过程中两种方法的可行性,同时指出了各自的优缺点和适用条件,为不同观测条件下卫星最优初轨确定的方法提供了参考。     

应用改进遗传算法优化天基光学监视平台轨道

针对地球遮挡、地影、太阳光干扰、月光干扰、空间目标相对观测平台的角速度等约束对空间目标可见性的影响问题,基于已编目空间目标双行轨道根数,研究以太阳同步晨昏圆轨道作为观测平台轨道,采用改进多变异位自适应遗传算法对单星观测平台轨道倾角进行优化设计。仿真结果表明,改进的多变异位自适应遗传算法有效地解决了多变异位自适应遗传算法不能保证收敛到所有种群中最优个体的问题,且随机抽取10%左右的目标样本可以达到与采用所有目标相当的性能,计算效率提高约1个量级。     

振动遗传算法在无人机三维航路规划的算法研究

针对代价函数权重需要根据环境变化而变化的问题,结合飞行约束条件提出归一化的代价函数,当环境发生变化时,不用再修改代价函数,增强了算法的鲁棒性。为了弥补传统定步长寻径算法耗时长的缺陷,设计了一种基于B样条曲线与遗传算法的高时效寻径算法。利用遗传算法在地图中所寻合适的控制点,再结合B样条曲线生成航路。为了增强遗传算法的全局搜索能力,遗传算法中加入振动法则,使得种群在进化中后期依旧保持一定的多样性。仿真结果表明该算法与精英蚁群算法相比,规划时间大幅缩短;与振动遗传算法相比,航路代价明显降低。     

基于优化蚁群算法的装备调拨决策系统研究与设计

将蚁群算法和遗传算法应用于装备调拨决策系统,实现了装备调拨决策信息的生成.同时利用遗传算法对蚁群算法的参数进行了优化,实验证明优化后的蚁群算法在平均路径长度、算法平均执行时间和总执行时间上较传统蚁群算法都有一定程度的改进.     

音波法气体管道泄漏定位影响因素分析及算法改进

为提高音波法气体管道泄漏定位的精度,对影响该方法泄漏定位的主要因素以及定位算法进行了研究。通过假设计算,分析了绝热指数和压缩因子对定位精度的影响。结果表明,压力较大时绝热指数和压缩因子变化较大,在定位计算中不能忽略。在此基础上,考虑管内沿线气体的流速、温度和压力分布等因素,对音速公式、气体流速公式以及定位公式进行修正,从而得到可以较为精确求解泄漏位置的计算公式,并通过牛顿-科茨公式改进算法。研究结果对进一步完善音波法管道气体泄漏检测技术具有一定的设计和理论指导意义。     

一种改进的应用于高速目标角点检测的AFJHA算法

针对经典Harris角点检测算法对于全局像素点求取角点响应函数所带来的计算复杂度高,从而不适合实时检测的弊端,提出了一种新的快速角点检测算法。鉴于角点数量只占整个图像像素点很小一部分,首先利用四方向亮度导数来进行候选角点预判断,阈值选取为图像像素点像素值的标准差的倍数。经过预判断后,再考虑8-邻域相似点个数,根据相似点个数对应的情况对候选角点进行再判断,将剩下的候选角点进行Harris算法检测。仿真结果表明,此改进算法能够有效地提高角点检测效果并减少检测时间。     

基于依赖矩阵的Web服务组合故障诊断

为了保证指挥信息系统在动态环境下能够提供持续可靠的组合服务,提出一种利用依赖矩阵对Web服务组合故障原因进行诊断的模型,对依赖矩阵的建立进行了详细说明。然后,基于构造的依赖矩阵,提出改进的贪心算法对失效情况进行探测,并设计了基于二分查找的故障定位算法。实验模拟表明,提出的模型能够利用少量探测就能监测整个服务组合流程的运行情况,并定位找到错误源。     

LEACH—DRT算法中基于神经网络的数据预测算法

为了保证无线传感器网络中数据的完整性,针对基于LEACH路由协议的动态轮时间算法存在的问题,提出一种基于人工神经网络的数据预测算法。该动态轮时间算法中,部分簇因调整后的轮时间不足以完成数据的采集而丢失数据。数据预测算法结合传感器节点数据具有时空相关性的特点,将时空延迟算子引入神经网络模型,并通过建立的神经网络模型对数据进行预测。仿真时采用伯克利英特尔实验室的传感器数据,通过Mafl软件对模型进行测试并分析仿真结果。实验结果表明：该算法对连续多个数据的预测效果理想,预测误差始终保持在较低水平。