道路环境中激光雷达互干扰的仿真研究

为解决汽车激光雷达的相互干扰造成目标检测与跟踪性能的严重下降的问题,从空间、时间和调制频率等方面出发,研究脉冲方式和频率调制连续波方式激光雷达在道路环境中可能存在的各种干扰,通过仿真计算干扰发生的概率、分析干扰的特征,以及干扰对测量性能下降的影响.针对可能存在的干扰问题,指出使用伪随机码调制连续波激光器输出幅度的方式可...     

伪随机编码调相8mm连续波雷达

为测量低空飞行目标,研制了伪随机码调相(PN-BPSK)8 mm连续波雷达.其信号模糊函数在二维(τ,ωd)平面内逼近冲击函数,有利于减小海杂波干扰和提高对目标的分辨率.目标回波信号接收,采用最大似然估值技术的雷达接收机,在正交开环的近似最大似然估值器中同时完成时延、多普勒频率估值,这种方法保证接收机能够跟踪高动态目标.通过对雷达进行模拟检测和现场试验表明,可以在信号电平有20 dB波动的条件下,实现对海面背景下高动态低信噪比,低空飞行目标的稳定跟踪测量.     

分布式被动传感器网异步采样下的机动目标跟踪

针对分布式被动传感器网的特点，提出了一种异步采样条件下机动目标跟踪方法。该方法采用交互式多模型概率数据互联滤波器跟踪机动目标。为启动滤波器，采用最大似然法估计目标初始状态；为适应异步观测条件，提出了马尔可夫转移概率计算方法。仿真实验表明，在分布式被动传感器网中采用该算法能有效进行机动目标跟踪。     

基于t分布噪声的鲁棒PPLS回归模型

概率PLS(PPLS)模型中,数据源(主元)和噪声满足正态分布,容易受离群点的影响.鲁棒PPLS算法采用拖尾更长的t分布描述数据源和噪声,提高了模型的鲁棒性.但是,实际工业过程中,离群点由测量噪声导致,而不是由产生过程变量和质量变量的数据源产生.基于此,提出一种基于t分布噪声的鲁棒PPLS模型.该模型采用t分布拟合测量噪声的分布,而主元依然用标准正态分布描述,更符合实际测量状况.考虑到潜在变量的存在,采用极大似然方法结合EM算法对模型的参数进行了估计,并将该模型用于对过程变量和质量变量的回归估计.最后,通过仿真实例进行了验证.     

改进的强跟踪飞机舵面快速故障诊断方法

针对多模型自适应估计(multiple model adaptive estimation, MMAE)方法适应突变故障能力差、多重渐消因子强跟踪算法滤波发散、故障条件概率计算量大等问题,提出一种改进的多重渐消因子强跟踪多模型自适应估计(strong tracking multiple model adaptive estimation, STMMAE)快速故障诊断方法。通过多重渐消因子提高了故障突变时滤波器的跟踪性能;通过改进一步预测协方差阵更新方程,保证了滤波器稳定性,提高了估计精度;采用基于欧几里得范数的飞机舵面故障概率快速计算方法,降低了故障概率计算量。对比仿真表明,该算法跟踪性强、速度快、精度高,具有较好的鲁棒性和稳定性。     

双站纯方位空时软约束无迹粒子滤波算法

针对双站纯方位机动目标跟踪中由信息不完全和非结构化测量环境导致的有界混合似然问题，提出空时软约束无迹粒子滤波算法。针对目标先验未知，利用光电经纬仪对极几何约束测量空间点，预测空间曲面中心计算转弯率；为覆盖多域似然，采用无迹变换技术更新目标状态，引入模糊测度调制重要性函数；为保持估计方差维数不变性，根据狄拉克后验采样提取目标状态。仿真结果表明，对于典型的双站经纬仪跟踪空域点目标，相比于Rao-Blackwell多模型粒子滤波，提出算法的计算复杂度与单模型粒子滤波量级相当；相比约束辅助粒子滤波算法，提出算法的滤波精度提高了27%～41%。     

基于交互式模型的多AUV协同导航鲁棒性滤波算法

针对多自主式水下潜器(autonomous underwater vehicle,AUV)在协同导航过程中量测异常等问题,提出一种基于交互式模型的多AUV协同导航滤波算法。首先以建立多AUV协同导航基本模型为基础,给出基本的协同导航滤波过程;通过广义最大似然估计的滤波算法对受污染的量测噪声进行处理;进一步地,利用Schweppe形式下的广义最大似然估计解决量测出现的异常情况;运用交互式多模型算法解决由量测噪声时变而造成的滤波精度下降问题。最后仿真结果表明该协同导航滤波算法具有良好的自适应鲁棒性。     

基于机组延误概率的鲁棒性机组配对问题

针对机组配对问题,在保证飞行安全的前提下,研究涵盖机组延误等因素的鲁棒性建模,目标是在考虑随机扰动因素的情况下产生可行、高效的机组配对.主要分析了一个经典的机组配对模型,并在此基础上,提出了机组延误概率这一概念,给出了机组延误概率的计算公式及计算方法,以及基于机组延误概率最小的鲁棒性机组配对问题的模型;根据一个航空公司的数据,利用Matlab程序分别计算出基于经典配对模型和基于机组延误概率最小的鲁棒性机组配对问题的模型的结果.分析结果表明了后者的模型及其算法的可行性以及决策的鲁棒性.     

多传感器多目标跟踪的JPDA算法

传统的联合概率数据关联算法(JPDA)是在密集杂波环境下的一种良好的多目标跟踪算法,但它是针对单传感器对多目标跟踪的情况下使用,不能直接用于多传感器对多目标的跟踪。针对这一问题,文中提出了一种适用于多传感器多目标跟踪的JPDA算法,它以极大似然估计完成对来自多传感器的测量集合进行同源最优分划,然后采用JPDA方法对多目标进行跟踪。经过理论分析和仿真试验,证明了该方法能有效地进行多传感器多目标的跟踪,且具有算法简单、跟踪精度高、附加的计算量小等优点。     

高动态跳频载波跟踪技术

在无人机或导弹等高速运动目标间建立稳定、可靠的通信链路,需要突破高动态下的载波跟踪技术,考虑跳频通信系统的突发传输模式,本文提出基于开环最大似然估计(maximum likelihood estimation,MLE)和扩展卡尔曼滤波跟踪算法的高动态载波信号跟踪技术.通过理论和仿真分析证实了该算法可有效克服传统环路的缺...     

基于粒子滤波的机器人定位及动态目标跟踪

提出了一种基于粒子滤波的动态跟踪算法,解决了传统SLAM理论在处理动态目标时误差不断累加的问题。通过分析移动机器人和激光测距仪,里程计的原理,建立了机器人的运动和观测模型。将数据关联的方法用于动态环境中则提高了系统的稳定性和定位的精度。仿真结果表明此算法能够比较精确地估计出机器人的位姿以及动态目标在地图中的位置,为开展将静态与动态相结合的定位与地图构建的研究提供了一种可行方案。     

考虑级联失效的C4ISR系统结构动态鲁棒性度量方法

在分析动态鲁棒性概念的基础上,提出了一种考虑级联失效的C⁴ISR系统结构动态鲁棒性度量方法,该方法结合不完全信息的攻击模型,设计了C⁴ISR系统结构级联失效的过程模型和动态鲁棒性值的计算方法,最后通过某一区域联合防空系统结构的案例对本文的动态鲁棒性度量方法进行仿真验证,仿真的结果证明了本文所提方法的有效性。     

机器视觉辅助的UAV半自主着陆系统

在UAV着陆的导航与控制中引入了机器视觉方法,提出了机器视觉辅助的UAV半自主着陆系统方案,该系统由图像获取与处理、导航解算和地面平台控制模块组成。图像获取模块使用多光谱摄像机和激光测距仪,分别获得UAV的图像和深度信息。图像处理模块使用目标分割和运动分析方法,测量UAV位置。导航解算模块使用Kalman滤波器抑制测量噪声,输出滤波结果用于导航,预测结果控制地面平台跟踪UAV。实时地实现了上述机器视觉算法,并结合虚拟现实环境建立了仿真系统。使用反射内存网络连接该仿真系统与各外部模块,进行了着陆过程联合仿真。结果表明,该系统能够满足UAV半自主着陆导航任务的要求。     

一种三相并联有源滤波器的仿真研究

针对广泛使用的非线性负载产生谐波和导致功率因数较低的问题，在建立三相并联型有源电力滤波器数学模型的基础上，把滑模变结构控制和模糊控制趋近律相结合，设计了一种基于模糊滑模变结构控制策略、用于抑制电网谐波、提高负戴功率因数的三相并联型有源电力滤波器。模糊滑模变结构控制方案不仅消除了滑模变结构控制固有的高频颤动现象，对模型不确定性和外部干扰具有较强的鲁棒性，而且改善了系统到达段的品质，同时跟踪误差可收敛到零的一个邻域内。通过仿真对该控制模型进行了验证，结果表明，方案切实可行，系统具有良好的动静态性能。     

基于小波去噪和TLS算法的全姿态寻北

为提高捷联寻北仪在动态干扰下的寻北精度,同时解决寻北过程中需要人工调平而耗时较长的问题,结合全姿态多位置寻北模型,提出采用小波去噪处理陀螺输出信号和总体最小二乘寻北算法的组合滤波方法。针对硬阈值函数和软阈值函数去噪的局限性,使用改进阈值函数处理陀螺噪声,能够更好滤掉动态干扰;根据多位置寻北解算特点,创新性引入总体最小二乘寻北算法,有效补偿了寻北仪的静态误差。仿真数据和实验结果表明,该组合算法能显著提高寻北仪的抗干扰能力,实现全姿态高精度寻北。     

基于不对称依赖的相依网络级联故障分析

针对已有关于相依网络级联故障研究中未考虑有向依赖边的问题,展开了基于不对称依赖的相依网络级联故障分析,构建了基于负载-容量的级联故障模型,提出基于连通分量的相依网络鲁棒性测度方法,开展了不同网络组合、耦合方式、容忍系数和移除比例在不同攻击模式下的网络鲁棒性研究。结果表明,随机攻击模式下不对称相依网络鲁棒性与以往研究结论类似,蓄意攻击模式下不对称相依网络鲁棒性则取决于攻击范围和容忍系数的大小。通过一则作战网络示例分析证明了所提方法的实际应用价值,对完善相依网络理论研究具有一定的参考意义。     

基于广义简约梯度算法的履带车辆模型参数修正

利用多体系统动力学软件RecurDyn建立了某型高速履带车辆的多刚体动力学模型。为提高模型的准确度,首先提出履带车辆动力学模型准确度静态和动态评价指标,使模型准确度量化;然后以模型主要参数为设计变量,以评价指标为响应进行归一化参数灵敏度分析,并根据分析结果确定模型修正参数;最后利用广义简约梯度优化算法分静态和动态两种工况对模型参数进行了修正。与实测值的对比结果表明,修正后履带车辆动力学模型的准确度明显提高,证明论文提出参数修正方法的可行性和有效性。该修正方法能够有效地提高履带车辆动力学模型的准确度和仿真结果的可信度,研究成果对履带车辆动力学建模与仿真工作具有重要的参考价值。     

需求不确定环境下闭环供应链运作的鲁棒优化模型

设计了一类由一个制造商和一个供应商构成的同时具有再分销、再制造和再利用的闭环供应链,废旧产品的回收及再处理均由制造商完成。建立了该供应链在顾客需求不确定环境下的多目标鲁棒动态运作模型。采用具有已知概率的离散情景描述顾客需求的不确定性,利用基于情景分析的鲁棒线性优化方法建立供应链的运作模型。设计的数值算例的结果验证了运作策略的鲁棒性。     

Research on time series mining based on shape concept time warping

Time series is an important kind of complex data, while a growing attention has been paid to mining time series knowledge recently. Typically Euclidean distance measure is used for comparing time series. However, it may be a brittle distance measure because of less robustness. Dynamic time warp is a pattern matching algorithm based on nonlinear dynamic programming technique, however it is computationally expensive and suffered from the local shape variance. A modification algorithm named by shape DTW is presented, which uses linguistic variable concept to describe the slope feather of time series. The concept tree is developed by cloud models theory which integrates randomness and probability of uncertainty, so that it makes conversion between qualitative and quantitive knowledge. Experiments about cluster analysis on the basis of this algorithm, compared with Euclidean measure, are implemented on synthetic control chart time series. The results show that this method has strong robustness to loss of feature data due to piecewise segment preprocessing. Moreover, after the construction of shape concept tree, we can discovery knowledge of time series on different time granularity.     

高超声速滑翔飞行器不确定性分析与H∞混合灵敏度控制

针对高超声速滑翔飞行器具有强不确定性的问题,采用鲁棒性强的H∞混合灵敏度方法设计飞行器的控制系统。首先,针对模型包含大量不确定参数, 使用了最坏情况增益(worst case gain, WCG)的灵敏度分析方法对系统不确定性进行分析,得到了可以表示原系统模型不确定性的主要不确定参数。然 后,根据不确定参数分析结果,选取H∞混合灵敏度控制器的权函数并设计了控制器。最后,通过三通道非线性仿真以及参数拉偏仿真,对控制系统的动态性能和鲁棒性进行了检验,验证了控制系统分析与设计方法的有效性。