船舶运动建模与仿真研究进展及未来发展趋势

梳理和分析了国内外学者对船舶运动建模与仿真所做的工作,概括了在风、浪、流、冰、船间效应、岸壁效应等作用下的船舶操纵性预报,介绍了船舶运动仿真的主流方法及在模拟中的应用,总结归纳了船舶运动建模与仿真研究进展中的关键技术,并指出智能化建模和仿真将会成为未来发展趋势.     

基于改进免疫算法的微硬盘双级控制模型辨识

微硬盘伺服系统的双级控制器由音圈马达和微致动器中各自的控制器构成,双级控制器技术对改善磁头的跟踪速度和定位精度比单级控制技术更具有重要的现实意义.为此,基于PD控制,设计音圈马达的控制器的结构,基于滞后超前控制设计微致动器的控制结构,利用免疫算法辨识模型中的参数,提出微硬盘双级控制器.数值实验、比较表明,在由改进的免疫算法所得控制器的作用下,双级控制系统中磁头输出能较准确地跟踪参考信号,且跟踪速度快、定位精度高和噪声衰减能力强.     

色散管理孤子群传输特性研究

从描述色散管理光孤子传输的非线性薛定谔（NLS）方程出发,利用对称分步傅里叶方法对方程进行数值 求解,模拟研究了色散管理孤子(DMS)在光纤中的传输演化特性。结果表明,孤子在通过周期性搭配具有相反色 散系数的光纤中传输,极大地降低了孤子间的相互作用,使得孤子的传输演化特性得到很大改善。指出了色散管 理孤子的优点以及在实际通信系统中的意义。     

基于边端协同的CNN推理加速框架

基于卷积神经网络(CNN)的移动应用程序通常处理的是计算密集型任务,然而传统的云推理和端推理方式在低时延和高准确率方面仍面临着挑战。针对以上问题,提出了一种基于边端协同的CNN推理框架,它能让一个端设备和多个边缘服务器协同工作以提供CNN推理服务。该方法综合考虑高度动态的网络带宽和设备负载情况,分步决策出模型多个最佳分割位置以优化计算和通信权衡。基于硬件测试平台的实验评估表明,相较于3种流行的CNN推理方法,该方法实现了14.3%～67.5%的推理加速,提升边缘服务器的计算资源利用率100%。     

一种自适应免疫遗传算法及其在系统辨识和参数优化中的应用

基于遗传算法与免疫系统的机理,提出了一种自适应免疫遗传算法(AIGA).该算法定义了选择、扩展与突变等操作,通过对选择比例、扩展半径、突变半径的约束和参数的自适应调节,提高了算法的全局与局部搜索能力.同时,将AIGA用于系统辨识以及PID参数的优化中,进行了仿真实验,取得了较好的结果,证明了该方法的有效性.     

一类非均匀采样系统最小二乘迭代辨识

阐述了非均匀多率采样方案,利用提升技术推导出非均匀多率采样系统的提升状态空间模型,进一步获得了对应的输入输出表达.针对辨识模型信息向量中存在未知中间变量的困难,基于交互估计理论与迭代搜索原理,提出了非均匀多率系统的最小二乘迭代辨识方法.最后进了仿真比较研究,以说明提出算法的优点.     

滞空状态下超小型旋翼机系统的姿态模型辨识

采用机理分析和系统辨识相结合的方法,以直升机机体和伺服小翼的力矩平衡方程为基础,根据滞空状态的特性,建立含有未知参数的超小型旋翼无人机姿态模型,由飞行数据采用预测误差法(PEM)对上述姿态模型进行了辨识,从而得到了完整的滞空状态下超小型旋翼机系统的姿态模型,最后验证了辨识模型的正确性。     

基于离散正则模型的时变信道盲辨识算法

以CDMA时变信道离散正则模型为基础,提出了基于改进的矩阵外积分解的时变信道盲辨识算法。算法对传统的矩阵外积分解算法进行修正,使其适应离散正则模型两级盲辨识,并引入了精确的时延阶数估计,克服了现有算法需要预先知道信道时延实际阶数的局限,使其在仅知道信道阶数上界的条件下完成盲辨识。仿真结果表明了该算法的有效性。     

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.     

ARMA模型辨识及其在光纤陀螺漂移建模中的应用

针对含有噪声的时间序列模型辨识精度低的问题,采用自回归函数的衰减正弦曲线方法估计含有噪声的ARMA模型系统参数,AR参数从衰减正弦曲线直接获得,MA参数估计采用相关匹配技术.仿真结果表明,时于具有不同信噪比噪声干扰的系统,该算法具有良好的收敛性和准确性.在此基础上,将该方法应用到光纤陀螺漂移误差建模中,实验结果表明,采用该算法所确定的模型能够精确的反应光纤陀螺的漂移趋势.