基于试验研究的大型油罐冷却用水量估算

根据利用移动摇摆炮对10×10^4m^3着火油罐冷却试验的结果,对大型着火油罐冷却用水量实验和理论数据进行对比分析,得出冷却用水量的估算方法,为大型油罐火灾扑救提供参考和依据。     

低气压环境下柴油机涡轮增压器转速实车估算方法

针对涡轮增压器转速实车测量中存在安装困难、精度低的问题,提出了利用RBF神经网络和BP神经网络估算涡轮增压器转速的方法。分别建立了基于RBF神经网络和BP神经网络增压器转速估算模型,通过与台架试验测试样本比较,模型误差分别2.25%和2.27%。同时,RBF神经网络较BP神经网络,具有训练次数少,收敛速度快、结果稳定的优点,更适合实车涡轮增压器转速估算。     

基于激光雷达的移动机器人实时位姿估计算法

提出一种基于二维激光雷达的移动机器人实时位姿估计算法。该算法首先将环境数据聚类为不同的障碍物,然后利用障碍物的特征匹配来关联相邻2帧的障碍物,最后通过优化位置序列间的方向角实现机器人的位姿估计。与ICP（迭代最近点）算法对比验证表明：该算法与ICP具有相同数量级的位姿估计精度,且明显提高了计算效率。     

2D雷达目标跟踪中的高度估计

在2D雷达对中高空目标跟踪中,由于缺少高度信息,航迹精度会受到影响。本文根据已知的大地高信息,建立了两种高度估计模型,并在椭球模型下提出了一种迭代求解非线性方程的方法。在仿真中比较了两种高度估计模型的估计精度,分析了初始大地高的计算精度对高度估计的影响。而且由仿真结果可见,进行高度估计可以大幅度提高航迹精度。     

基于自相关函数的信噪比估计方法

信噪比估计,作为衡量信道质量的标准,为许多自适应技术提供所需的信道信息。精确的信道质量估计值,可以有效提升这些技术的性能。研究表明,信号经过采样、发送波形成行后其自相关函数具有周期性。根据噪声和发送信号两者自相关函数的不同特性,提出一种利用自相关函数进行信噪比估计方法。仿真结果表明,该方法具有较高的估计精度。     

遗传规划在机载电子设备费用估算中的应用

在对现有电子设备费用估算方法进行简要回顾的基础上,对遗传规划的原理与方法进行了分析和研究,提出了基于遗传规划的机载电子设备生产费用估算模型,并完成了算法设计和程序编制工作.以历史数据为学习样本,根据所建模型对不同型号的机载电子设备生产费用进行了估算.结果表明, 模型简单易行、精度较高,为机载电子设备费用估算提供了一条新途径.     

一种基于组合降维的图像识别方法

为克服图像识别中传统方法需要进行高维矩阵奇异值分解的困难,提出了先局部降维再总体降维的组合变换方法.ORL人脸图像数据库的实验表明,这一方法不仅减少了运算量,而且能较好地解决人脸这样一类复杂的图像识别问题;总体来说优于传统的基于KL变换的识别方法.     

一种基于广义Hough变换的遥感图像船舶横波自动检测与速度估计方法

从Kelvin横波航迹的形成原理出发,详细推导了Kelvin横波波峰模型,提出一种基于广义Hough变换的遥感图像船舶横波自动检测方法,取得了较好的检测效果,并依据检测结果对船舶速度进行了估计。所述方法对海上船舶运输和港口管理等具有重要意义。     

On‐line parameter estimation for a partially observable system subject to random failure

In this paper, we study the on‐line parameter estimation problem for a partially observable system subject to deterioration and random failure. The state of the system evolves according to a continuous time homogeneous Markov process with a finite state space. The system state is not observable, except for the failure state. The information related to the system state is available at discrete times through inspections. A recursive maximum likelihood (RML) algorithm is proposed for the on‐line parameter estimation of the model. The RML algorithm proposed in the paper is considerably faster and easier to apply than other RML algorithms in the literature, because it does not require projection into the constraint domain and calculation of the gradient on the surface of the constraint manifolds. The algorithm is illustrated by an example using real vibration data. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2006     

Recursive weighted least squares estimation algorithm based on minimum model error principle

Kalman filter is commonly used in data filtering and parameters estimation of nonlinear system,such as projectile's trajectory estimation and control.While there is a drawback that the prior error covariance matrix and filter parameters are difficult to be determined,which may result in filtering divergence.As to the problem that the accuracy of state estimation for nonlinear ballistic model strongly depends on its mathematical model,we improve the weighted least squares method(WLSM)with minimum model error principle.Invariant embedding method is adopted to solve the cost function including the model error.With the knowledge of measurement data and measurement error covariance matrix,we use gradient descent algorithm to determine the weighting matrix of model error.The uncertainty and linearization error of model are recursively estimated by the proposed method,thus achieving an online filtering estimation of the observations.Simulation results indicate that the proposed recursive esti-mation algorithm is insensitive to initial conditions and of good robustness.