基于势场蚁群算法的机器人路径规划

提出了一种未知环境下机器人路径规划的势场蚁群算法。该算法利用人工势场力和机器人与目标之间的距离构造机器人避障和移动的综合启发信息,并利用蚁群搜索机制在未知环境中寻找机器人从起始位置至目标位置的全局最优路径。所提出的算法将蚁群算法和人工势场法进行有效的结合,提高了常规蚁群算法对最优路径的搜索效率。通过仿真实验表明了所提出的算法用于机器人路径规划的有效性。     

基于TS模糊模型的热工过程建模方法

热工过程对象通常具有复杂的动态特性和非线性、强耦合、不确定性等特征,从而使得常规建模方法难以取得满意的效果,因此提出一种改进型TS模糊模型在线建模方法。此建模方法基于以下思想,首先提出基于中心粒群算法的截集模糊C-均值聚类算法并对TS模糊模型进行模型结构离线辨识,确定模型的结构和前件部分参数的初始值;然后应用解耦扩展卡尔曼滤波算法进行后件参数在线辨识,同时对前件辨识结果进行精确修正。最后,对煤气炉、500MW机组及气化炉等热工过程进行仿真计算表明本方法具有精度高、计算量小等优点。     

定性仿真与人工智能的关系及计算机化解法体系

定性仿真是采用定性推理方法建立和求解定性代数方程或定性微分方程模型,得到被仿真对象的定性行为和展望的预测过程。定性仿真(QSIM)和基于深层知识的人工智能技术,在其核心内容上看是属于同一科学领域。图论方法是求解复杂定量或定性仿真模型的实用且有效的计算机化方法。提出了有关定量和定性仿真计算机化的解法体系,给出了一种计算机求解实例。     

基于仿真的闭环反导舰炮效能评定

根据闭环反导舰炮的误差分类和闭环校正原理,建立了一次射击过程中各类射击误差序列的仿真模型,给出了脱靶量估计的卡尔曼滤波方程,较详细地仿真了闭环反导舰炮的脱靶量估计和闭环校正过程。针对闭环舰炮所射击的来袭导弹目标特点,建立了射击提前点解算、目标命中面积计算等仿真中所涉及的数学模型。还给出了命中事件模拟、毁伤事件模拟和仿真次数计算的方法,从而建立了闭环反导舰炮对导弹目标射击一个航路的完整仿真数学模型。最后给出了仿真结果,进行了简单分析。     

基于混杂系统的温室天窗温度系统建模

温室天窗温度系统可以看作是一个混杂动态系统,由于天窗的动作与控制对象温度之间的关系可以通过温度状态的值和操作约束来确定。在建立温室温度系统机理模型的基础上,将对于温度控制的操作约束和温室天窗开关动作等以命题逻辑表述,并将这些命题逻辑转化为混合整数线性不等式,然后引入辅助变量,将辅助变量和不等式约束统一到温度系统的离散状态空间模型中,构成了温室天窗温度的混杂逻辑动态模型。仿真试验表明,所建立的温度混合逻辑动态模型能较好模拟和控制室内温度。     

无人机视觉导航研究综述

对无人机视觉导航的现有算法从视觉处理和状态估计与数据融合两大方面作了分类总结,重点讨论了无人机获取图像的特征提取、视觉传感器同其他传感器的数据融合、以及实时得到状态估计的各种方法,同时,也涉及了未知环境下地图的建立,最后指出了无人机视觉导航在实际应用中面临的主要问题。     

基于改进灰色关联分析的仿真模型验证方法

为客观有效地进行仿真模型验证,降低灰色关联分析应用于模型验证的风险,构建了改进的灰色关联分析模型。分析了当前基于灰色关联分析的模型验证所存在的问题,针对仿真模型验证的特殊需要,综合考虑仿真模型输出和实际系统输出时间序列之间的相近性和相似性,提出了改进的灰色关联度模型,并证明了改进模型满足灰色关联四公理。最后通过实例的分析与比较验证了该模型的合理性和有效性。     

非均匀类簇密度聚类的多粒度自学习算法

针对非均匀类簇密度聚类问题,从商空间粒度理论出发,提出一种多粒度自学习聚类算法 (multi-granularity self learning clustering algorithm, MSCA)。算法通过构造聚合树结构和定义粒度函数对问题逐层求解,并在每层聚合过程中根据聚合区间以自学习的方式动态确定聚合粒度,解决了传统聚类算法从非均匀类簇密度数据中无法得到不同层次的聚合特征且参数对经验依赖性过高的问题。理论和实验表明,MSCA算法可以发现任意形状类簇,有效处理噪声,并能发现关键聚合层,具有较好的计算复杂性。     

提升类小波变换加速的模基参数估计算法

将提升类小波变换(lifting wavelet-like transform, LWLT)应用于矩量法（method of moment, MOM）快速求解电场积分方程（electric field integral equation, EFIE）,对生成的稀疏化线性系统采用模基参数估计（model based parameter estimation, MBPE）算法求解,可获得小波域的宽带解,结合小波逆变换,最终实现目标电磁散射特性的宽频分析。通过不同三维散射体的计算分析,验证了算法的正确性。与传统模基参数估计算法相比,所提算法在计算时间和内存耗费上均有很大改善。     

地面站数传系统的RBFNN模型及算法

针对难以建立精确数学模型的地面站数传系统,提出改进梯度迭代学习的径向基神经网络建模方法。改进梯度学习算法通过训练样本相关性矩阵的主成分分析确定网络隐含层初始节点数;改进迭代过程中网络参数的梯度信息计算方式,加快了迭代收敛速度;并增加结构调整过程,实现对网络规模的精简。通过采集地面站数传系统输入-输出数据,将改进梯度学习算法应用于网络离线训练,并给出具体实现步骤。地面站数传资源配置优化实例验证了模型具有较高泛化能力,且算法稳定性较佳。