射频仿真系统的误差分析与可信度评估研究

首次将统计方法应用于射频仿真系统的可靠性分析中，总结出其应采用的一般方法。采用Grubbs准则对校准系统测得的实验数据中的粗大数据进行滤除，接着分别采用数据比较法和阿贝检验法对定值和变值两种系统误差是否显著进行检验，如果系统误差显著，则应采用实验比对的方法消除之，使随机性成为数据的主导因素。采用x^2-分析法确定数据概率分布，对合格区间进行概率密度的积分以确定可信度。这种方法易于通过编程实现，并由校准系统自动完成可信度评估。给出了它的算法描述与应用效果实例。     

管道低频涡流探伤的仿真分析及试验研究

首先介绍了涡流检测基本原理以及电磁场问题的三维有限元算法,在此基础上,讲解了三维涡流场有限元仿真的具体方法和步骤,并对分析过程中的一些关键环节作了详细的说明;接着针对一些典型的缺陷,尤其是缺陷深度渐变的坑状缺陷,进行了细致的分析和比较,得出了相位差随缺陷变化的大致规律;最后结合具体试验检测结果,相互对比,说明了仿真的正确性,并进一步为缺陷特征的提取提供了理论依据。     

高阶非线性控制系统的适应性仿真研究

针对带有外部扰动和参数摄动的不确定高阶非线性系统,利用积分行为补偿系统的各种未知因素,设计适应性非线性控制器(ANLC),并提出了全面的控制器适应性评价方法。首先结合典型信号扰动试验和模型参数摄动试验,检验系统的抗扰性和鲁棒稳定性;然后引入神经网络和Taylor级数展开理论构造非线性函数,改变高阶非线性系统的模型结构,利用Monte-Carlo随机试验方法,进行模型摄动的性能鲁棒性分析;并与精确反馈线性化(EFL)方法进行了定量比较。结果表明,适应性非线性控制器(ANLC)具有很强的适应性能,是解决不确定高阶非线性系统控制的有效途径。     

基于鲁棒LS-SVM的ARMA时序模型研究

对时序数据建模与辨识技术进行了分析,提出了使用鲁棒LS-SVM算法建立ARMA时序预测模型。该模型是在LS-SVM的约束条件中加入鲁棒特性和时序模型参数,使之在求解的过程中对孤立点与噪声不敏感,并且能准确地辨识时序模型参数。考虑到高炉的热状态的输入输出数据集间存在着复杂非线性时序上的关系,通过用基于鲁棒LS-SVM的ARMA模型预报铁水中硅的含量,从而达到了预测高炉热状态的目的。说明了该模型在对非线性时间序列预测精度和稳定性上具有明显的优越性,为稳定钢铁质量和生产工艺创造了良好条件。     

变权值LMF/LMS自适应多用户检测器

提出了一种改进型的LMF/LMS自适应多用户检测器,即变权值互补比较LMF/LMS多用户检测器(VWCCLMF/LMS-MUD)。该检测器通过两个滤波器分别控制检测器的收敛速度和稳态性,并在最小均方误差的准则下调整权值比例。计算机仿真结果表明,该检测器在高斯和瑞利信道下均具有比LMS算法更快的收敛速度和比LMF算法更小的稳态误差。     

基于LDPC码的WCDMA下行链路性能仿真

LDPC码是一类靠近Shannon限的高效信道编码，在AWGN信道下具有非常优越的性能。在讨论了LDPC码的基本原理之后，构建了基于LDPC码的WCDMA下行链路，改进了LDPC码的译码过程。仿真结果表明，在高速传输速率下（384kbit／s），不规则LDPC码具有优于Turbo码的性能，这对于LDPC码应用到复杂无线通信系统中具有重要意义。     

闪烁输入下比例导引系统无量纲化研究

研究了目标闪烁输入下比例导引系统的无量纲化,得到了在闪烁输入下比例导引系统的脱靶量与弹目相对运动速度Vr无关,与噪声功率谱平方根Ka和系统动力学无阻尼自振频率的平方根(ω_n)~(1-2)成正比的结论,这些结论在工程实用中具有重要意义。     

基于遗传算法的泊位连续化动态调度研究

针对泊位调度问题,将岸线连续化,建立了泊位的动态调度模型。考虑到岸边起重机的分配对泊位调度中船舶的集装箱装卸作业时间的影响,根据规则建立了分配岸边起重机和确定船舶集装箱装卸作业时间的算法。基于泊位连续化动态调度模型建立了分段的染色体编码,分别反映船舶靠泊服务顺序和靠泊位置信息。基于实例,通过仿真计算,与泊位离散化动态调度进行了比较和分析。     

热轧层流冷却过程改进模型建立与仿真研究

针对热轧层流冷却过程非线性、强耦合等特性,对热轧层流冷却过程进行了系统模型分析,并在层流冷却物理过程分析的基础上提出改进方案——将整个物理过程划分为热辐射、空气对流、冷却水对流、辊道热传递和热相变5个部分。对影响卷取温度的关键单元——设定单元进行模型改进,在该模型基础上开发了仿真系统软件,并进行了模型验证和对比,这些表明该系统稳定可靠,可用于现场参数分析和新产品的开发。     

短语音说话人识别新方法的研究

提出了一种较短训练语音的说话人识别新方法。利用模糊核聚类算法设计矢量量化器,对说话人的语音特征进行训练。模糊核矢量量化器将原始空间通过非线性映射到高维特征空间,在高维特征空间中对说话人的训练语音特征进行模糊聚类分析,将得到的每个类中心作为说话人的语音模型。识别时将识别矢量映射到高维空间进行匹配决策。由于核方法的引入,使得原来没有显现的特征突现出来,增加了说话人之间的可区分性。实验表明,该方法对于较短的训练语音,其识别效果优于高斯混合模型和模糊矢量量化。