混合产品的合成前馈/反馈批间控制方法

针对循环生产的半导体双产品制造过程提出了一种新的控制方法.此方法采用前面批次的参数估计机台漂移,机台干扰由前馈和未来批次的反馈控制综合决定.得到了系统输出和其渐进期望方差误差,并证明了渐进期望方差误差与不同产品的间隔无关.仿真结果表明这种方法是有效的.     

微生物批式流加发酵的建模及基于HPSO算法的参数辨识

研究了微生物批式发酵甘油生产1,3 丙二醇过程的建模和参数辨识。由于流加过程中甘油和碱被间断地注入发酵罐,因而本文提出一个非线性多阶段动力系统描述该过程,并讨论了该系统的性质。以实验数据和计算值之间误差平方和最小为性能指标,建立了系统辨识模型,并证明了参数的可辨识性。最后构造了混杂粒子群算法求解该参数辨识模型,数值结果表明实验观测值和计算值之间的误差比已有文献降低了176％～4177％,因而该系统能更好的描述批式流加发酵过程。     

批处理机上有就绪和截止时间的等长度工件排序

一台批处理机一次可以同时加工多个工件(称为一批),每批工件有相同的开工和完工时间,加工时间等于其中最长工件的加工时间.本文研究单台批处理机上有就绪时间和截止时间约束的n个等长度工件的排序问题,目标是求一个可行时间表.就该问题,Baptiste已经提出了一个复杂性为O(n8)的算法,在此基础上,本文推广Garey等人关于对应的经典排序问题的算法,得到了一个复杂性为O(n2)的算法.算法分两个阶段执行:在阶级I,算法找出所谓的禁止开工区间,在这些区间中将不允许有工件开工;在阶段II,算法从时刻零开始,每当机器有空闲且不属于禁止开工区间的时候,就按照最早截止时间优先规则从已就绪的未加工工件中选择尽可能多的工件作为一批进行加工,若当前的机器空闲时刻属于某个禁止开工区间,则首先更新其到该禁止开工区间的右端点再进行决策.     

基于产品维修策略的保障设备需求量计算模型研究

介绍了故障产品维修过程并在次基础上分析故障产品批送修数量影响因素及确定方法;基于排队理论建立了在故障产品不同送修策略下的保障设备数量确定通用模型,解决了非单件送修策略下的保障设备数量确定问题;利用模型分析了保障设备数量和故障产品每批次送修量对平均等待维修时间的影响及变化趋势;最后将研究结论应用于实例分析.     

基于遗传算法的TDOA定位系统的最优布站算法

为提高到达时间差(time difference of arrival,TDOA)定位系统的定位精度,提出了利用遗传算法(genetic algorithm,GA)寻找规定平面区域内TDOA定位系统的最佳布站策略,其所遵循的最佳布站原则是使得定位的目标空间的定位误差的Cramer-Rao界的平均值最小。对GA的站点位置编码和适应度函数的选择进行了研究,在此基础上提出了GA的寻优布站算法。仿真结果表明,该算法的寻优布站结果接近于系统的最优布站。     

发射站/接收站位置误差下无源雷达DOA-TDOA目标定位算法

无源雷达中发射站和接收站位置误差的存在将显著降低目标定位精度。针对这一问题,将发射站和接收站位置误差考虑到基于波达方向和到达时差的无源雷达目标定位模型中,提出了一种目标位置代数解算法。首先,将波达方向和到达时差的测量方程线性化,考虑方程中的各项误差,采用加权最小二乘估计求解,并通过对加权矩阵的迭代更新,得到目标位置最优估计。推导了存在发射站和接收站位置误差条件下目标定位的克拉美罗下界,并从理论上证明了算法的定位精度可以达到克拉美罗下界。仿真结果表明,算法的定位精度优于现有算法,在发射站和接收站位置误差条件下定位精度仍能达到克拉美罗下界。     

基于超宽带技术的室内无线定位的研究

本文介绍了超宽带定位技术的特点和优点,在分析了无线定位基本算法和室内信道特点的基础上,研究了超宽带用于室内定位的几种技术,以及室内定位与跟踪的相关算法,进一步选出适合在室内定位的算法,以提高定位的精度并减少非视距和多径传播的影响。     

基于数据融合技术的TDOA移动台定位方法

提出了一种移动网络条件下新的定位方法.该方法基于数据融合技术,对传统Chan算法的定位估计结果进行多层信息融合,使得仅利用多组到达时间差(TDOA)测量数据即可有效地提高移动定位的精度.方法简单实用,特别是在非视线路径(NLOS)干扰条件下,不仅定位精度高,而且显著地降低了定位失败的概率.计算机仿真结果表明,该方法对多种环境都是有效的.     

基于TOA测量的Tn-R型无源雷达目标跟踪算法

针对传统单次无源定位方法对发射站与接收站的布站要求高的缺点,提出了基于到达时间（time of arrival, TOA）测量的Tⁿ-R型外辐射源雷达目标跟踪算法。该算法基于多个发射站获得的目标TOA测量值,采用Levenberg-Marquardt算法快速给出目标位置,然后利用扩展卡尔曼算法（extended Kalman filter, EKF）做滤波跟踪,解决了基本EKF算法的收敛速度慢和受初值影响大、易发散的问题。针对机动目标跟踪,提出了目标机动性判决方法并给出了一种简化的机动目标跟踪方案。针对外场试验数据的实际情况,采用了基于“两发一收”体制的目标跟踪和消除航迹模糊的方法。仿真与外场数据处理均表明,该算法收敛速度快,性能稳定,定位跟踪精度高,可满足实用要求。