倾斜转弯导弹三回路鲁棒自动驾驶仪设计

针对倾斜转弯导弹,提出了最优/经典综合设计方法设计自动驾驶仪.该方法应用最优控制设计出俯仰/偏航混合通道三回路自动驾驶仪,设计中同时对开环系统的奇异值频域曲线进行约束,以保证系统具有一定的鲁棒性,获得的三回路自动驾驶仪结构简单,易于工程实现.仿真结果证实了其具有良好的跟踪性能和鲁棒性,也表明该自动驾驶仪能满足倾斜转弯导弹协调倾斜转弯的要求.     

用GEP实现复杂函数的自动建模

GEP是一种新颖的遗传算法,在函数建模的应用中取得良好的结果.给出计算有效基因长度的伪代码,结合GRCM方法阅读基因,快速计算出染色体的适应值.在算法中增加了参数估计模块,用GEP得到较好模型后,用参数估计模块进行参数优化,试验显示这种混合的GEP方法比传统的最小二乘法、神经网络以及遗传程序设计等方法具有更好的性能.     

基于热干扰的管路自动敷设算法

基于热干扰分析,提出一种管路自动敷设算法。该算法以预处理和优化搜索为基本框架。在预处理阶段,利用混沌理论和热分析原理,建立基于热干扰分析的预处理模型。三维管路敷设空间经过预处理模型处理,有效地降低管路自动敷设算法的求解复杂度并保障了管路敷设的热安全性。在优化搜索阶段,通过改进蚁群算法,给出了高效的管路自动敷设算法。通过对比实验表明改进蚁群算法有效地增加了种群的多样性。最后,实例验证表明该算法的有效性和实用性。     

多射击模式多目标类型下防御效率分析

在军事对抗中,将作战双方抽象为防御方(红方)和进攻方(蓝方),研究红方的射击战斗问题.本文讨论蓝方目标无差别和目标多类型两种情况下的射击战斗,解决以下三个问题:一是在射击-射击策略下,基于给定的射弹和目标数,给出了红方获得最大防御效率(defense effectiveness,DE)时射弹的分配方法;二是在射击-观察-射击策略下,考虑射击次数和齐射弹数等因素,给出了红方多次射击的DE迭代递推生成方法;三是给出了影响DE两个重要基础因素(射弹需求量和射击次数)的通用计算方法.通过仿真分析对本文给出的方法验证,保证了方法的可行性.     

基于最小生成树与概率松弛结合的谱匹配算法

提出了一种基于最小生成树与概率松弛结合的谱匹配算法。该算法分别对给定的两个待匹配的特征点集构建最小生成树,通过最小生成树构造Laplace矩阵,由奇异值分解该矩阵得到的特征值和特征向量,计算出特征点匹配的初始概率,利用概率松弛迭代法,获得最终匹配结果。用大量的真实序列图像进行比较实验,结果验证了该算法的有效性和准确性。     

基于结构分量中目标区域保护的SAR图像压缩

针对无人机载SAR图像高倍率压缩问题,提出了一种基于结构分量中敏感目标区域自动提取与保护的SAR图像压缩策略。首先将SAR图像分解为代表大尺度平滑特征的结构分量和代表小尺度细节纹理特征的纹理分量,然后在结构分量中进行潜在目标区域的检测,生成敏感目标区域掩码,最后对潜在目标区进行保护性的低损压缩,对背景区域进行高损压缩。实验表明,采用本方法的重建图像比标准的JPEG2000算法的重建图像在相同码率条件下具有更好的视觉效果。     

三回路驾驶仪开环穿越频率约束极点配置设计

针对在三回路驾驶仪设计中,希望对开环穿越频率进行约束,以保证设计完成后的系统在考虑驾驶仪各硬件动态特性后仍能满足稳定性要求.在极点配置的计算方法基础上,构造以系统非主导极点为变量,以开环穿越频率为约束的非线性方程,利用方程求解程序求解相应的非主导极点值,进而完成驾驶仪设计.驾驶仪设计实例验证表明,这一方法便捷可行,非常适用于三回路驾驶仪工程设计.     

二次正交解调算法及内建自测试的实现

在阵列信号采集系统中,为了获得48路多频段高频窄带信号的特征,提出了阵列信号正交解调的方案。详细比较了实现正交解调的两种计算方法,提出了阵列信号的"二次正交解调"算法以实现系统的实时信号处理,并给出了在FPGA中阵列信号"二次正交解调"的实现方案。采用内建自测试的方法对"二次正交解调"模块和数据传输通道进行验证测试,在单频正弦信号的基础上叠加伪随机序列作为测试激励,DSP作为响应分析器验证信号特征。通过FPGA实现并验证了"二次正交解调"算法和内建自测试的有效性。     

深井液控导向纠斜机构的动态仿真及实验研究

深井自动垂直钻井工具工作于数千米深的井下,对其上的液压导向机构的性能有较高的要求.利用仿真软件包AMEsim对该液压导向机构进行接近于实际工况的仿真,揭示了这种液压系统的特有的性能.特别是超常环境压力下系统仿真结果表明,由于超常环境压力可改善系统的吸油性能,因而使得该系统具有适应超常环境压力的特性.对液压导向机构的理论和实验分析证明了系统仿真的有效性.     

Automatic patent document summarization for collaborative knowledge systems and services

Engineering and research teams often develop new products and technologies by referring to inventions described in patent databases. Efficient patent analysis builds R&D knowledge, reduces new product development time, increases market success, and reduces potential patent infringement. Thus, it is beneficial to automatically and systematically extract information from patent documents in order to improve knowledge sharing and collaboration among R&D team members. In this research, patents are summarized using a combined ontology based and TF-IDF concept clustering approach. The ontology captures the general knowledge and core meaning of patents in a given domain. Then, the proposed methodology extracts, clusters, and integrates the content of a patent to derive a summary and a cluster tree diagram of key terms. Patents from the International Patent Classification (IPC) codes B25C, B25D, B25F (categories for power hand tools) and B24B, C09G and H011 (categories for chemical mechanical polishing) are used as case studies to evaluate the compression ratio, retention ratio, and classification accuracy of the summarization results. The evaluation uses statistics to represent the summary generation and its compression ratio, the ontology based keyword extraction retention ratio, and the summary classification accuracy. The results show that the ontology based approach yields about the same compression ratio as previous non-ontology based research but yields on average an 11% improvement for the retention ratio and a 14% improvement for classification accuracy.