基于过程数据的动态PLS建模

许多工业过程中获得的输入输出数据在时间、空间上是高度相关的,且含有测量噪声。针对此类数据,提出采用动态PLS方法,最大化输入和输出变量矩阵之间的协方差,保留大部分有用信息,去除测量噪声,把高维数据空间降维,建立较为精确的工业过程数学模型。提出对MIMO系统进行研究,推导了可直接用于控制的动态PLS模型数学公式。对一个工业过程实例进行仿真,分别应用动态PLS回归和线性回归MLR方法,得出的结果经分析验证了此算法的有效性。     

多阶段任务系统任务持续能力仿真模型研究

多阶段任务系统(PMS)是一种典型的复杂系统,它包括多个在时间上连续且无相互重叠的阶段任务,执行作战与使用任务的武器装备多数属于这种复杂系统。分析了PMS及任务可靠度、可信度和任务效能等任务持续能力评价参数。结合实际装备系统大都属于可用马尔可夫过程进行描述的可修复系统的特点,为简化模型复杂程度提出了一些合理的假设条件。在此基础上,结合多阶段任务系统自身特点,通过分析多阶段任务系统任务持续能力建模仿真步骤,多阶段任务系统任务效能仿真方法,建立了基于Petri网的多阶段任务系统任务效能多层仿真模型。最后结合常见的"靶场打靶"任务进行了实例验证,并对仿真结果进行了分析。     

基于适应性Agent图的交通系统脆性研究

针对系统脆性的研究,以复杂适应系统和图论为理论基础,提出了Agent图的概念,其中图的每个顶点被看作一个具有适应性的主体。然后将Agent图应用于交通系统脆性的研究,交通网络组成了一个赋权图,网络中各节点作为顶点;考虑到它们之间的交互作用,建立了系统主体崩溃程度的演化规则,进而对交通系统脆性行为进行仿真。     

磁悬浮反作用飞轮系统模态分析及试验研究

介绍了一种角动量为50Nms工作转速在±5000rpm的磁悬浮反作用飞轮系统,利用有限元分析软件ANSYS对其定、转子及系统进行了模态分析,利用COMBINE14单元模拟磁轴承使模型更加接近实际,最后通过模态测试试验测出了转子的一阶弹性固有模态,与理论计算结果相近,误差仅为0.66%,验证了理论模型的正确性。模态分析及测试的结果对磁悬浮反作用飞轮系统的振动特性研究,控制方案设计及总体优化设计有着重要意义。     

基于电控柴油机、TC+AMT及制动的TCS研究

针对某4×2车辆,设计了基于电控柴油机、TC AMT及驱动轮独立制动联合控制的牵引力控制系统的方案,并提出了控制策略。建立了动力传动系统、整车等数学模型。在Matlab\Simulink环境下搭建了仿真模型,并对典型工况进行了仿真分析。结果表明所提出的牵引力控制策略能够使柴油机、TC AMT及制动系统的控制有机结合,有效地改善车辆在弱附着路面上的起步加速能力。     

线控制动系统的踏板力模拟研究

汽车制动踏板力感模拟是汽车线控制动系统的重要组成部分,通过对传统制动系统进行分析得出踏板力与行程之间的关系,建立一种能够模拟传统车踏板力与踏板行程关系的踏板力模拟算法。仿真结果表明,研究的控制算法能较为精确的模拟传统车踏板力与踏板行程关系,为线控制动系统中踏板力的模拟提供了依据。     

不同约束下多产品报童问题解的比较研究

不同约束形式代表决策者不同的决策过程。传统多产品报童问题只考虑预算和能力等线性约束,而不涉及损失约束,显然有违真实的决策过程。为说明损失约束模型不同于预算约束模型的决策特点,通过算例对两个模型的解进行了分析和比较,总结了各自的决策特点。预算约束模型参照基于预算边际效用删除法和一般迭代方法(GIM法)求解。损失约束模型应用基于损失边际效用排序的删除法与线性近似规划法求解。另外对GIM法中衡量误差的公式作了修正。     

基于神经网络的移动机器人路径规划方法

针对动态环境下移动机器人路径规划,提出了一种基于递归神经网络的实时路径规划方法。利用神经网络表示机器人的工作空间,每个神经元都只有局部侧连接。目标点位置神经元具有全局最大的正活性值,该活性值通过神经元之间的局部侧连接逐渐衰减地传播到整个状态空间,障碍物及其周围区域神经元活性值则被抑制为零。目标点全局地吸引机器人,障碍物局部地将机器人推开实现避障,从而能够在动态环境下产生最优规划路径。仿真结果表明该方法具有较好的环境适应性和实时性。     

基于自适应初始搜索点预测的目标跟踪算法

为了得到恰当的初始搜索点以使得目标跟踪算法避开背景干扰并缩短搜索距离,提出了一种自适应初始搜索点预测的算法。该算法通过对坐标变换参数的变化率进行Kalman滤波来更好地预测初始搜索点;更重要的是,该算法有效地在线估计Kalman滤波器中的模型噪声功率,而非先验地对它们的取值做出假设,因而能够在没有任何人工干预的情况下动态地根据不同的目标运动状况和搜索精度进行实时调整。大量实景视频流上的实验结果均证实了该算法显著提高了跟踪稳定性,并且大幅降低了计算量。     

基于Gamma-SLC混合密度估计的雷达目标识别

通过分析高分辨距离像(HRRP)的统计特性,提出一种Gamma模型与基于累积量的随机学习算法(SLC)相结合,估计HRRP概率密度的新方法:Gamma-SLC方法。该方法具有Gamma分布针对性强,估计准确与SLC适应性强的优点,同时回避了二者的缺点。另外,借鉴最大熵原则的非高斯性测度,设计了一个新的评价概率密度估计效果的准则。基于外场实测数据的实验证明了Gamma-SLC方法的有效性。