轮足复合式爬壁机器人研究综述

当前轮足复合式机器人机构主要包含轮足结合、分离复合以及变形轮足,分别能够实现不同障碍通道的移动作业、复杂未知环境的探索操作以及突发应急救援等应用。然而,针对船舶、压力储罐等金属立面环境,轮足复合式爬壁机器人必须兼具壁面适应、越障和壁面过渡的全位置自主作业能力,应用于壁面焊接、清洗、检测等作业任务。对比分析当前的国内外研究,轮足复合式爬壁机器人针对在垂直和倾斜壁面的工程应用有良好的适用性,它具备适应复杂曲面工作面并能够应对非结构化工作场景。轮足复合式爬壁结构在应对曲率变化、非结构化壁面等工作将会有良好的应用前景。     

跨区域旅游品牌共建的可行性研究——以湖北三国文化旅游为例

本文运用主成分分析法研究了湖北区域之间品牌共建的主要影响因子,并结合湖北省三国旅游发展的实际情况,讨论了今后该省三国文化旅游品牌共建的着力点,提出了三国文化旅游市场营销的策略——跨区域旅游品牌共建。     

弹道目标微动特征分析与提取方法

进动特征对导弹防御目标识别具有重要意义。建立了单频信号下雷达观测弹头的进动模型和回波模型,通过对进动弹头回波频谱与微多普勒调制特性的定量分析,提出了利用回波相关方法和频谱展宽估计进动参数的方法,并利用暗室测量数据对该方法的性能进行了实验验证。实验结果表明,该方法在目标进动角不大条件下可以有效估计目标的进动角和进动周期。     

多任务多联盟并行生成：模型与求解

联盟生成是MAS的一个关键问题,现有的工作主要研究如何针对一个任务生成最优联盟,很少考虑多任务多联盟生成问题(MMG).对MMG问题建立了模型,并进行了分析.在系统能力受限的条件下给出一种并行算法,首先找出最优可达任务集,再针对每个任务生成相应的联盟,从而实现了问题的分布并行求解.最后通过仿真试验说明了此算法的有效性.     

复杂网络演化博弈理论研究综述

综述复杂网络的结构特性对演化博弈动力学的影响的最新研究成果,研究个体在相互作用和冲突中的策略选择和演化问题,关注自私个体中合作现象的涌现。着重介绍了受到广泛关注的囚徒困境和雪堆博弈两个简单的博弈模型,并利用复杂网络刻画了个体间的联系,研究了空间结构与博弈动力学之间的关系,探讨了未来工作的研究方向。     

基于RD算法的横向规避弹道弹载SAR成像

首先建立了通用的曲线弹道合成孔径雷达(synthesis aperture radar, SAR)回波信号模型,分析了加〖JP2〗速度引入的相位误差,推导了是否进行曲线弹道补偿的定量条件;然后针对横向规避弹道情况,分析了弹载SAR回波信号的特点,并根据弹载SAR的特点进行了合理近似,设计了基于距离 多普勒算法的成像方法。该算法与直线孔径下的距离 多普勒算法相比,仅仅修改了部分相位因子,没有因为孔径的非直线增加成像算法的复杂性。     

基于改进的圆投影向量的背景补偿方法

针对传统运动背景补偿算法难以适应大角度旋转的应用场合,提出了一种改进的圆投影向量的背景补偿方法。该算法首先利用图像熵自动选择合适的图像参考块,以增强算法的实用性;其次对传统的圆投影向量进行了改进,增加了相位向量以获取背景的旋转参量,并采用核函数定义各像素点的距离权值,从而可以获得更加准确的结果。最后给出了算法步骤,并利用实测数据进行验证。通过仿真实验证明了该算法在各种场景、各种运动情况下的有效性以及对噪声、光照等因素具有鲁棒性。     

相控阵雷达相干视频信号建模与仿真方法研究

针对导弹防御系统中典型地基相控阵雷达系统的仿真应用,经过对相控阵雷达的系统结构和工作原理的分析,研究了相控阵雷达相干视频信号建模方法,给出了相控阵雷达相干视频信号仿真系统的框架结构、关键模型和仿真流程,并实现了实际的仿真软件系统,为导弹防御系统中典型地基相控阵雷达的分析研究提供了平台支持。仿真结果验证了建模方法和数学模型的有效性、正确性。     

The Optimum Model and Its Decision Support System of Coal Quality Balance

1　 Coal Quality Balance and Its Significance[1]Coal quality balance is to make a comprehensive plan concerning excavation steps and coalamount disposition of different coal seams based upon the natural coal-preservation stateand its relation with mining engineering in the three dimensional space so as to have thequality of coal excavated from different districts blended and coordinated the greatestextent possible and ensure the coal quality uniformity and stability,thus raise economicand soc…     

High efficient moving object extraction and classification in traffic video surveillance

Moving object extraction and classification are important problems in automated video surveillance systems. A background model based on region segmentation is proposed. An adaptive single Gaussian background model is used in the stable region with gradual changes, and a nonparametric model is used in the variable region with jumping changes. A generalized agglomerative scheme is used to merge the pixels in the variable region and fill in the small interspaces. A two-threshold sequential algorithmic scheme is used to group the background samples of the variable region into distinct Gaussian distributions to accelerate the kernel density computation speed of the nonparametric model. In the feature-based object classification phase, the surveillance scene is first partitioned according to the road boundaries of different traffic directions and then re-segmented according to their scene localities. The method improves the discriminability of the features in each partition. AdaBoost method is applied to evaluate the relative importance of the features in each partition respectively and distinguish whether an object is a vehicle, a single human, a human group, or a bike. Experimental results show that the proposed method achieves higher performance in comparison with the existing method.