汶川特大地震灾后对口援建系统工程的综合集成模式

在深入调查地震灾区情况的基础上,认真研究对口援建方案,分析对口援建开放的复杂巨系统的框架、时空、运行等结构及其整体特性;提出地震灾后对口援建系统工程的综合集成模式,分别就对口援建集成工程的运作模式和具体实施框架进行讨论,并就援建系统工程、迎建系统工程和保障系统工程等其体实施工程做了细致的阐述.     

基于集总电感传输线建模的控制系统数字仿真

应用集总电感元件的传输线建模方法(TLM)构造了一种基于数值求解微分方程的数字仿真算法。通过把状态变量对应于电感中的电流，利用电感元件的传输线模型得到状态方程的仿真模型来实现控制系统的数字仿真计算。由于TLM方法是以传输线的等效无源线性网络作为建模基础，从而使算法具有无条件的数值稳定性。     

VRML场景中的智能替身研究

给出VRML场号中的智能替身模型，使得替身可以更好的理解用户的意图。首先，利用参数化的方法构造替身模型，使得用户可以更快捷的定制个性化的替身；在此基础上，分层次的动作模型实现了从高层的面向任务的动作到底层替身物理动作的高效分解与映射；最后，多通道的交互方式使得用户可以通过更自然的方式控制自己的替身。VRML场景中的智能替身研究为VRML多用户虚拟场景中替身交互，以及替身与场景交互的研究提供了基础。     

基于多线索的车辆跟踪方法研究

针对车载摄像机的汽车辅助驾驶系统,提出了一种基于多线索的车辆跟踪算法。利用运动估计预测目标在下一帧的感兴趣区域,即跟踪窗。在跟踪窗内联合使用车辆的先验知识、评估环节、分块模板等线索定位车辆目标。在跟踪过程中,提出去除误识别的措施。这种基于多线索的车辆跟踪方法实现了对后方多车辆的稳定跟踪,也适合前视车辆。实验结果表明该算法是鲁棒和准确的。     

基于改进粒子群算法的系统辨识新方法

提出了一种利用改进的粒子群优化算法对系统进行辩识的方法.该方法是将典型的数学模型的相互组合而构成系统模型的新辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现系统的结构辨识与参数辨识.为了进一步增强粒子群优化算法的辨识性能,提出了利用一种改进的粒子群优化算法.最后,给出了仿真示例,结果验证了所给的系统辨识方法的合理性和有效性.     

基于关联维数分析的装备技术状态评估

针对传统装备技术状态等级划分方法中存在的不足,提出了基于关联维数分析的装备技术状态等级划分方法。在此基础上,建立了基于径向基神经网络的模式识别模型,对重新划分技术状态等级后的样本数据进行训练,实现了装备技术状态等级模式识别。案例分析表明,该方法可有效改进原有技术状态等级划分不准确的问题,提高技术状态评估的准确性。     

基于中国余数定理的目标距离估计算法

为了提高目标检测性能,脉冲多普勒(pulsed Doppler, PD)雷达常常采用高脉冲重复频率(pulsed repetition frequency, PRF)信号,以便在信号频域获得比较宽的无杂波区,但高的PRF往往引起目标的距离模糊。现有的解距离模糊算法大都面临计算量大的问题,该文紧密结合PD雷达体制的特点,在基于PD雷达参差重频模式下,提出一种最优余数的封闭式鲁棒中国余数定理(closed-form robust Chinese remainder theorem, CFRCRT)目标距离估计方法。该方法不仅可以在视在距离有误差的情况下精准地重构目标真实距离,而且具有封闭式的解析解,大大减小了运算量。理论分析和仿真实验都表明该文提出的方法在精度和实时性能上都具有一定的优越性。     

五轴电动转台控制系统设计

五轴转台在寻的制导武器半实物仿真系统中具有突出的优点。介绍了某型五轴电动转台控制系统的设计方案,并详细给出了转台控制系统的软件及相关硬件的设计。本套数字式集散控制系统特点在于采用自主研发的基于ARM的多功能运动控制器,能够满足仿真、控制的硬实时性要求,而且在使用上具有很好的灵活性,便于实现一些复杂的控制算法。     

必经点最短路径问题模型及相应遗传算法研究

根据军事运输在路径寻优方面的特殊需求,将必经点最短路径问题分为三类,建立各类问题的数学模型.以分类保序最短路径为例,设计相应的改进遗传算法.该遗传算法构造了独特的适应度函数,使包含较多必经点的染色体能够优先被选择进入下一代种群.通过节点保序算子的引入,保证相关节点之间存在特定的先后次序,并提出一种新的引入必经点变异算子,提高算法的全局搜索能力,加快收敛速度.仿真结果验证了算法的有效性.     

具有不同到达时间的差异工件批调度问题的蚁群聚类算法

研究具有不同到达时间的差异工件在单机环境下的批调度问题.通过引入工件单元的概念并对分批约束进行松弛,提出了该问题的一个新的下界,证明了该下界的有效性.将蚁群算法和聚类算法相结合,提出了一种基于多阶段聚类的蚁群聚类算法ACC(Ant colony clustering).算法首先利用K-均值聚类将工件分簇,在簇内部通过蚁群算法搜索分批,最后提出一个全局优化算法对局部分批结果进行合成和优化.克服了蚁群算法随着工件规模增大求解时间过长的问题,适合于求解大规模算例.实验结果表明:与现有的启发式规则LPTBFF(Longest processing time batchfirst fit)和HGA(Hybrid Genetic algorithm)算法相比,该算法求解效果更好.