基于控制参数估计的再入滑翔目标智能轨迹预测算法

再入滑翔目标的轨迹预测是一项困难且具有意义的技术, 现有利用简单函数拟合控制参数进行轨迹预测的方法, 拟合精度不高且对数据的关联性不强。针对该问题, 本文结合长短期时序网络提出了基于控制参数估计的智能轨迹预测算法。首先, 通过设计快速轨迹生成算法, 结合攻角走廊模型快速生成大量机动轨迹, 构建数据集。然后, 建立了包含末点修正网络、控制参数修正网络及预测网络的智能轨迹预测框架, 利用数据集对关键控制参数的变化规律进行学习。最后, 结合目标运动模型积分外推实现轨迹的准确预测。仿真结果表明, 所设计的预测算法在不同机动模式下的预测平均误差不超过1.4 km, 最大误差不超过2.5 km, 能够实现轨迹的快速预测, 且对大气扰动造成的模型不确定性具有一定的鲁棒性。     

基于贝叶斯-神经网络的动态回归建模与预测

结合贝叶斯网络和神经网络，提出了一种建立数据驱动型的动态线性回归系统模型的方法。基于这种模型采用自然连接型的知识分布，形式化各种各样的信息，结合贝叶斯方法，执行贝叶斯网络的持续学习过程；采用指数寿命型的连接权值改进径向基神经网络，优化输入数据，提高计算速度；采用改进的遗传算法，实现神经网络的动态自适应。基于上述方法，实现了线性回归系统动态建模与实时预测。仿真试验说明该方法是有效性。     

短期电力负荷的小波——混沌时序预测

提出了一种基于2层小波分解的混沌时序相空间重构预测模型.该模型利用小波分解原始负荷时间序列为周期项、趋势项和随机项,采用不同的混沌相空间重构高低频信号,再分别用相应的小波神经网络工具箱拟合混沌吸引子,将其输出进行信号重构得到最终预测结果.该方法兼有频率特征提取和相空间重构的优点,使短期电力负荷时序列的动力学系统得到更加细致的恢复.通过对欧洲电力负荷竞赛数据的实验证明了所提方法的有效性,仿真结果表明方法预测精度优于常规混沌时序预测方法.针对神经网络预测不稳定的问题给出了一种种解决措施,并提出了一种小波神经网络工具箱,该方法比编程实现的小波网络可以大幅度提高训练速度,尤其适合于大批量数据的训练,对小波神经网络的推广应用和混沌时序预测具有重要意义.     

长记忆随机波动模型的估计与波动率预测——基于中国股市高频数据的研究

为了有效捕捉中国股市波动率的长记忆性，提高远期波动率的预测精度，本文基于中国股市高频数据建立了长记忆随机波动模型，检验高频数据中时变的“日历效应”成分的频率，有效地对“日历效应”进行滤波。使用频域内拟极大似然方法估计LMSV模型参数，为了提高计算效率应用混沌优化算法进行最优搜索。对比了高频数据直接建模和已实现波动率方法建模的预测结果发现，通过高频数据估计的LMSV模型可以很好保留高频数据中所包含的信息量，克服信息丢失问题，预测结果要优于已实现波动率方法建模预测的结果。     

弹载下降段大前斜聚束SAR成像时序设计

提出了一种基于场景点遍历的多普勒带宽计算方法,该方法能得到准确的脉冲重复频率 (pulse repetitionfrequency,PRF)下限值,解决了传统计算方法存在的发射脉冲数过多及PRF参数无法设计的问题,同时解决了雷达方位与俯仰波束宽度不一致时,PRF下限值较难准确计算的问题。构建了基于雷达系统参数和弹载高动态运动特征的PRF参数设计模型,在此基础上提出了通过减小等效斜视角和雷达平台速度的发射脉冲数最小的弹道优化方法。弹道仿真验证了本文方法能较好地满足工程应用中弹载下降段大前斜聚束SAR成像时序设计需要。     

雷达和ESM相关的仿真研究

雷达和ESM航迹关联可以认为是模式识别问题。在统计假设检验理论和模糊综合分析基础上建立了多目标运动模型、多门限数学模型、时序关联决策模型，给出了累积数据快速计算的模型，以此可对两类传感器的观测数据进行在线时间校准。通过模型能够实现雷达和ESM的快速关联，满足航迹关联的精度要求，并对不同运动态势的关联结果进行分析比较，取得了满意的结果。     

基于Petri网的虚拟人行走动作建模及其仿真实现

提出了一种基于位置／变迁Petri网结构的虚拟人行走动作模型。该模型首先根据人体特征和运动特征计算行走的时间和空间特征参数，进而根据实验数据，通过插值计算生成具体的人体运动，仿真模型框架是基于Petri网实现的，并以面向对象的方法封装了包括行走和爬行等周期性的行走动作。最后，设计并实现了一个仿真演示实例，结果验证了所提方法的可行性与有效性。     

并联机床虚拟样机建模与加工过程动力学仿真

为了实现并联机床性能的真实预测,确保加工过程的安全性,提出了基于Adams的并联机床加工过程的动力学仿真方法。在包括螺旋副在内的仿真模型的各个运动关节加载了摩擦力,实现了仿真模型与实际机床的高度仿真;根据NC文件和切削参数,建立并联机床加工过程的切削力模型和运动控制模型,实现了机床加工零件全过程的动力学仿真。对5-UPS/PRPU并联机床的加工过程进行了仿真分析,仿真结果准确的预测了实际加工中可能出现的问题。该方法简单、准确、可靠、实用性强。     

生成式中断航迹接续关联方法

传统中断航迹接续关联(track segment consecutive association, TSCA)方法基于假设的目标运动模型, 利用大量先验信息完成关联任务, 存在参数过多、计算复杂、推理时间长等缺点。为了解决以上问题, 提出一种基于注意力机制的生成式TSCA方法。首先设计航迹态势图生成模块, 将原始航迹数据转换为航迹态势图, 作为生成对抗网络的输入。针对航迹噪声影响大和航迹运动特征、中断特征难以提取的问题, 基于生成对抗网络和注意力机制, 设计航迹关联网络, 滤除航迹噪声并完成TSCA。仿真结果证明了所提网络的有效性, 在关联精度和关联速度两方面都超过现有算法。     

基于方向谱的船舶摇荡运动仿真系统研究

船舶摇荡运动数据对于船舶设计与航行安全性分析十分重要,船舶模型在不同海况下的摇荡仿真可指导工程师优化船舶设计。构建了一种基于方向谱的船舶摇荡仿真方法。该方法采用方向谱描述海浪,由切片法获得船舶的响应振幅算子(RAO),基于线性假设和叠加原理采用频谱分析法计算获得船舶摇荡运动频域解和时域解。基于DIRECTX和VC++建立了船舶摇荡运动仿真系统,能仿真工作于不同风浪环境下的船舶摇荡运动响应,仿真结果与实测结果的频谱特征一致,并实现了船舶摇荡运动的仿真结果可视化,可综合反映船舶的航行状态。     

基于旋转角度的角色运动建模与控制

要创建深度沉浸的跑步竞赛虚拟环境,则必须建立逼真的虚拟人行为模型.根据跑步时人体四肢和躯干都在绕关节做重复旋转运动的特点,提出一种基于旋转角度的运动行为模型,用于计算人体运动时不同部位的位置,进而求解跑步运动行为.基于该模型开发了一个跑步仿真程序用来仿真虚拟人的跑步动作与姿态.根据该模型构建了数字娱乐划船器,通过三维模型数据的转化、运动者参数的实时采集、虚拟人运动参数的计算,实现了角色的控制.该建模与控制方法可用于网络健身游戏、虚拟人体动画、虚拟机器人的建模与仿真.     

基于Agent的单车道交通流仿真

基于Agent的交通仿真能够细致的刻画交通实体的决策逻辑和微观行为。本文分析了驾驶员-车辆Agent的三层结构，提出了单车道交通流中驾驶员纵向运动决策树，以及操作层的加速度计算公式，建立了基于Agent的空间连续、时间离散的一维交通流仿真模型。采用周期性边界条件仿真，再现了真实交通流的流量-密度关系和速度-密度关系；针对头车四种典型的速度剖面，对由10辆车组成的车队进行了仿真，后车都能实现安全、稳定跟驰。表明该模型既能再现交通流宏观特性，也能再现微观特性。     

模糊控制策略在避碰运动系统中的应用

目前多机器人避碰运动已经被广泛研究,其控制策略也多种多样.主要解决基于全景视觉传感器的多机器人多目标系统中机器人之间以及机器人和静态障碍物之间的避碰问题,提出了单个自主运动机器人的结构模型、自主机器人周围物体的态势模型以及移动机器人动态速度的快速检测方法.机器人的运动决策采用基于Step-Forward策略的模糊推理机制,实现机器人在动态环境中快速、准确的找到一条无碰撞的路径,最终达到目标点.仿真结果表明了该算法应用于移动机器人在动态复杂环境中的无碰撞运动具有正确性、实用性和智能性等优点,同时该算法计算量小,运算速度快,提高了机器人控制的响应速度.     

化工过程流体网络的建模与仿真

建立了化工过程仿真培训系统建模中的流体网络模型，这是有温度和组分变化的流体网络模型。利用流体网络和设备模型的不同响应速度，采用变步长仿真方法，提出了一种适用于仿真培训系统的化工过程流体网络的仿真方法。     

基于相位补偿和等效运动的太赫兹SAR运动目标成像方法

太赫兹合成孔径雷达(synthetic aperture radar,SAR)带宽大,能够对运动目标高分辨成像,但目标运动导致成像移位和模糊。针对不同的运动形式,分别提出基于相位补偿和等效运动的运动目标成像方法。首先分析不同运动参数对成像的影响,然后通过补偿相位和等效载机速度获得运动目标聚焦、背景模糊的图像。通过恒虚警率(constant false alarm rate,CFAR)检测和逆成像处理获得目标和背景分别聚焦的图像。最后对两幅图像进行叠加,实现了在静止背景上对运动目标的准确成像。不同信噪比条件下的电磁计算数据仿真结果验证了所提方法的有效性。     

基于Simulink的直升机动力学仿真模型

建立了完整的直升机飞行动力学数值仿真模型。建模时综合考虑了直升机的主要气动力部件的建模以及气动干扰等问题,详细讨论了与主旋翼相关的翼型气动力模型、诱导速度模型和挥舞运动模型的建模方法。基于层次化、模块化的建模原则,整个仿真模型最终在Simulink平台上得到了实现。最后采用算例直升机数据,根据提出的建模方法进行了定直飞行的配平计算和操纵响应分析,仿真结果证明了建模理论和方法的合理性和有效性。     

基于卷积长短时记忆网络的短时公交客流量预测

针对传统的短时客流预测方法没有考虑到时序特征中跨时段客流之间的相似性问题,提出一种改进k-means聚类算法与卷积神经网络和长短时记忆网络相结合的短时客流量预测模型k-CNN-LSTM。通过k-means算法对跨时段时序数据进行聚类,使用间隔统计确定k值,构建交通流矩阵模型,采用CNN-LSTM网络处理具有时空特征的短时客流。该模型能够对具有空间相关性的数据进行较为准确的预测。使用真实数据集对模型进行检验和参数调优,实验结果表明：k-CNN-LSTM模型较其他模型有相对较高的预测精度。     

基于快速网络模拟的安全态势预测

为提升网络安全态势预测的准确性,提出基于网络模拟的态势预测方法。该方法依靠网络模拟技术,详细推演网络安全行为的未来状态,并通过对状态数据进行分析与归纳,实现对网络安全态势的预测。为提升预测的时效性,研究核心节点路由静态存储以及动态连续计算等快速网络模拟技术。通过具有1720个节点的网络拓扑进行了实验验证:依靠快速网络模拟技术,整个态势预测所需的时间减少了51.7%,实现能提前获知未来的安全态势值;对所获得的安全态势曲线与实际安全行为进行对照分析,验证了安全态势预测的准确性。     

模型与数据混合驱动的代理模型构建方法研究

以某作战样式下的立体投送行动为研究对象,针对模拟仿真推演计算因子过多、计算资源开销过大、普通解析模型计算精度不足等问题,提出了一种模型与数据混合驱动的代理模型构建方法,支撑作战行动的研究。基于军事理论构建了包含武器装备、作战力量等在内的含待优化系数的立体投送解析模型组,并依托自主研发的“代理模型可视化平台”,实现前述解析模型组的复合和参数设置;通过模拟仿真系统实施推演,采集高可信度仿真数据;以高可信度仿真数据为样本,采用多目标遗传优化算法NSGA-II对解析模型中的待定关键系数进行优化,获得能够兼顾计算精度和计算速度的立体投送代理模型。经对比实验结果表明,构建的立体投送代理模型计算结果与高可信度仿真推演相比,战损最大相对误差不超过6.5%,而计算速度提升了150倍。     

基于机器学习的地铁行人流在线优化控制研究

为了实现高峰期地铁站行人流管控的在线优化，设计了基于机器学习的地铁站行人流管控算法框架。以某地铁车站早高峰的行人流管控流程为研究对象，利用Agent技术搭建地铁站行人流管控仿真模型。多次运行仿真模型可以获得深度学习网络的训练数据。通过对网络进行充分训练，得到优化调度策略。将网络接入地铁站行人流实时运行数据，实现实时优化管控。仿真实验表明：引入的深度强化学习框架可以实现在线优化，调度结果优于传统方法。