基于改进灰狼算法的粒子滤波算法研究

针对传统粒子滤波算法易出现粒子贫化与权值退化现象和为了实现对非线性系统较为准确的状态估计,通常需要大量粒子的参与的问题,提出了基于改进灰狼算法的新型粒子滤波方法,该算法用粒子表征灰狼个体,模拟狼群捕猎的过程,使粒子向后验概率的高似然区域移动,提高粒子分布的合理性。在灰狼寻优算法中引入了莱维飞行策略,提高灰狼算法的收敛速度;在部分重采样前采用了权值自适应调整策略,增加粒子的多样性。仿真实验结果表明:改进的方法提高了粒子滤波的估计精度、保证了粒子的多样性与粒子分布的合理性、降低了状态估计所需的粒子数量。     

基于Petri网的物流派送模型修复分析

目前,模型修复技术应用领域非常广泛,模型修复不仅可以达到完全重放日志的目的 ,还可以最大程度地与原始模型保持相似,能够保留原始模型的价值.因此,越来越多的学者专注于研究模型修复.基于Petri网构建了一个物流派送流程模型,然后将事件日志与流程模型进行一致性检查,主要根据成本对齐测量其偏差,并针对检查到的偏差部分,根据提出的用于辅助模型修复的算法对原始模型进行修复,使得修复后的模型能够完全重放事件日志.最后通过实例分析验证了修复模型的合理性.     

多无人机协同探测快速目标的控制方法设计

针对无人机(unmannd aerial vehicle, UAV)对快速运动目标的协同探测问题, 设计了一种多UAV协同探测控制算法。首先假设每架UAV都携带相同的探测载荷, 根据载荷特性设计了针对快速运动目标的UAV协同探测队形。然后引入固定时间控制一致性协议到UAV载荷角度控制中, 控制载荷持续照射目标; 引入有限时间一致性协议到UAV编队控制中, 用以形成协同探测队形, 并通过二跳网络加快队形的收敛。通过将UAV队形控制与UAV载荷的角度控制相结合, 从而实现UAV对快速运动目标探测时间的最大化, 极大的延长了高速运动目标被发现的时间。最终通过理论分析和仿真实验证明了该控制算法的有效性。     

基于主成分分析的叶片温度分布一致性研究

采用特征向量比对的方式进行研究.通过对叶片温度数据时域和频域空间特征提取,获得能够体现叶片温度分布信息的特征向量,并采用主成分分析(PCA)对特征向量进行去相关和降维,进而得到包含绝大部分叶片温度分布信息的低维特征向量.根据叶片温度特征向量与基准特征向量间的对比,评估叶片温度分布情况的一致性.实验结果表明,叶片的特征偏差均在5%以下,偏差较大的叶片数量占总量的5. 8%,该研究成果可以用于从温度特征上反映叶片工作状态,为叶片故障诊断及寿命预测提供基础.     

基于高斯滤波下的粗糙度不确定度的计算

自由曲面的粗糙度的大小直接反映了表面加工质量的优劣.粗糙度的提取可以通过滤波过程来实现,本文选取高斯滤波来确定粗糙度评定中线,高斯滤波可以得到较为准确的粗糙度.本文将粗糙度评定中线根据波峰和波谷的位置在其临近部分分段模拟为二次曲线,最终分别得到波峰和波谷段的粗糙度评定中线的表达式.在此基础上,建立了关于粗糙度Rz的数学模型.随后采用"测量不确定度的标准指南"(GUM)来计算粗糙度的不确定度,并采用自适应蒙特卡罗方法(AMCM)来进行比较,得出了高斯滤波模型下通过GUM法来计算粗糙度不确定度是一种有效的方法.     

基于齐当别理论的公交出行决策选择反转

选择反转是交通行为中的一种悖论现象,未能通过实验的谨慎误差控制得到良好解释.本研究从决策心理学的角度,基于齐当别理论建立起选择支属性的判断维度体系,在确定、不确定以及风险条件下进行了3种公交出行决策场景的心理实验.实验结果中匹配任务的效应分析说明,齐当别理论的侦测性占优原则可对出行方式选择进行解释;选择一致性的重测信度分析说明,出行者对交通方式属性维度的判断是可变过程;选择和匹配一致性分析说明,选择变异随匹配任务中的维度判断的改变而产生.总体上,3组实验选择反转的变化特征趋势符合实验设计框架,齐当别模型的解释在3组实验中均表现出显著一致性,能够对出行方式的选择反转进行预测和解释,即当出行者采取不同的齐同策略时,重复选择中令人费解的反转悖论现象便会出现.     

高速泥浆脉冲遥传系统研制及应用

针对正脉冲式泥浆脉冲发生器传输速率低(1 bit/s),不能满足实时地质导向和实时地层评价的问题,介绍了一种高速泥浆脉冲遥传系统。通过理论分析、仿真模拟计算及试验,确定在系统中采用旋转阀式脉冲发生器的井下信号发生系统,以进一步提高传输速率和泥浆适应性;针对地面系统高速泥浆脉冲信号被噪声淹没等问题,采用通过高速信号采集处理系统,基于自适应滤波、位同步解码等算法,对采集到的原始信号进行了滤波解码处理;另外,通过现场应用对系统存在的其他问题进行了升级改进。现场应用表明,该系统具有泥浆适应性好、传输速率高(3～5 bit/s)等优点。     

自校正滤波有源噪声控制算法

滤波-x最小均方（Filtered-x Least Mean Square,FxLMS）算法是前馈有源噪声控制系统中应用最广的算法，但滤波器阶数选择和运算量是制约其在多通道系统中应用的重要因素.引入一种自校正自适应算法，通过串联多个低阶滤波器以简化滤波器阶数选择并降低计算复杂度.在有源降噪耳机实例中的对比结果表明，该算法能在计算量较小的情况下获得与FxLMS算法相当的降噪性能.