基于特征模型的预测函数控制的仿真研究

传统的预测函数控制通常采用一阶的预测模型,该预测模型不能完全表征被控对象,因此使得传统的预测函数控制的鲁棒性受到一定限制。特征模型是一种比动力学模型简单,但能表征被控对象特征的模型。针对预测函数控制算法的缺陷,提出了利用二阶特征模型来构成预测模型。通过与采用一阶预测模型的预测函数控制进行比较,理论分析与仿真实验结果均表明,采用特征模型的预测函数控制具有比一阶预测模型更好的控制效果,该算法在SUPCON-JX300X集散控制系统上实现。     

基于嵌套网的对抗模拟模型

为了对多Agent系统中的交互流程、本体(Ontology)语言与通信协议的设计进行可视化的分析和优化,嵌套网(Nested Petri nets)作为建模工具被应用于多Agent系统。使用三层的嵌套网对基于多Agent的对抗模拟模型ISAAC(Irreducible Semi-Autonomous Adaptive Combat)进行层次化建模,其层次的划分为Agent的生存环境(战场)、Agent和Agent的内部推理机。通过实例充分说明了嵌套网表达多Agent系统的可行性与有效性,可以实现多层次、多角度的图形化多Agent系统,并探讨了复杂适应系统理论与嵌套网理论的适应性。     

战术级军事行动仿真模型的仿真度研究

以舰艇战术级行动仿真模型为对象,分析阐述了提高作战仿真模型仿真度的必要性;研究提出了仿真度概念和仿真度指标体系,建立了系统仿真度、模型仿真度和指标仿真度等仿真度指标评估模型,分析提出了性能数据检验法、靶场数据校验法、实际数据检验法、实射数据比对法等模型仿真度评估的方法。最后给出了应用的结论和建议。     

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。     

行人运动仿真研究综述

行人运动仿真是近年来仿真领域研究的热点之一。从行人运动仿真的研究意义和研究内容出发,介绍了国内外行人运动仿真研究发展历程和研究现状,论述了行人运动仿真模型的三种类型,分析了成本效益元胞模型、元胞自动机模型、磁场力学模型、社会力学模型、排队网络模型五种典型的行人运动仿真模型的原理和适用条件。最后探讨了目前行人运动仿真研究中存在的问题及未来的发展前景。     

新型驱动器散热器散热性能仿真与优化

研究了新型驱动器散热器的散热性能,给出了基于微单元时变热交换系数的散热器三维流场及温度场数值求解方法,对散热器三维温度场进行了分析及计算.对比实验结果与数值计算结果表明:采用本方法求解散热器散热性能较热边界平均换热系数法具有更高的精度.以此为基础,通过对散热器的结构优化,可显著改善散热器的散热性能.     

基于分层马尔可夫决策过程的AUV全局路径规划研究

自主路径规划是自治式水下机器人(AUV)自主能力的重要体现,是保障AUV在大范围复杂海洋环境中自主完成使命作业的关键技术之一。提出了基于马尔可夫决策过程的路径规划方法;并建立了基本的马尔可夫决策模型和结合状态聚类的分层马尔可夫决策模型,同时给出了两种规划的仿真实验及结果分析。实验证明,此类方法能够很好地求解大范围复杂环境内AUV的二维路径规划问题。     

基于服务集成的C4ISR系统仿真环境研究

未来的C4ISR系统将建立在使用服务集成技术的信息栅格环境下,相应地,C4ISR建模与仿真系统也将基于服务集成技术构建.介绍了服务集成技术的原理,基于仿真服务总线技术,提出一个基于服务集成的C4ISR系统仿真环境,分析了该环境的技术体系结构和关键技术,为支持面向服务体系下的C4ISR系统仿真实验提供了一种可选解决方案.     

基于Agent的集卡调度建模与仿真研究

日益大型化的集装箱船舶对集装箱码头的生产调度提出了较以往更加严格的要求.集装箱码头中的集卡调度是否合理对于提高整个码头的装卸效率具有重要意义.利用agent和哈佛体系结构对集卡动态调度进行建模,以AnyLogic仿真平台为实现工具,基于数据库中实际的生产数据,融合黑板系统和消息通讯形成多agent之间的协同机制,引入操作系统中的资源分配算法调度集卡.最后仿真了具体的港口生产实例,其结果优于以往文献的仿真结果,充分验证了上述建模仿真思想的可行性和可信性.     

基于仿真模型的鲁棒协同优化方法研究

复杂产品往往由多个子系统通过复杂的耦合方式组成.针对复杂产品的多学科鲁棒设计优化技术已得到广泛应用.为了使用仿真模型进行多学科鲁棒设计优化,提出了SUA-RCO和DRS-RCO两种方法.在SUA-RCO方法中,仿真模型首先被拟合为近似的数学模型,然后利用近似数学模型进行RCO计算.系统的不确定性由SUA方法进行计算.为了解决大参数方差问题,DRS-RCO方法将仿真模型近似拟合为双响应面形式,分别使用两个响应面来拟合均值和方差.然后,进行协同优化计算.