基于改进的VI-CFAR算法的分布式CFAR检测

VI-CFAR是一种结合CA-CFAR，GO-CFAR和SO-CFAR的检测算法，它在均匀环境和非均匀环境下都具有较强的自适应性。在前后沿滑窗均存在干扰目标情况下，采用有序统计平均（OSCA）CFAR替代SO-CFAR，有效的提高了Ⅵ-CFAR在这种多目标环境下的鲁棒性．研究了采用改进的Ⅵ-CFAR算法作为局部检测器的并行分布式CFAR系统，融合准则采用“与”融合和“或”融合准则。给出仿真结果，并进行了讨论。     

分布交互式仿真中的多分辨率模型并发运行问题研究

同一实体的不同分辨率模型的并发运行经常出现在分布交互式作战仿真中。研究了分布式仿真中不同分辨率模型并发运行时的若干关键技术。提出了同态属性和同态交互的概念；研究了多分辨率模型并发运行时的一致性维护问题，给出了多分辨率模型的一致性维护算法；研究了并发交互冲突的解决方法，包括：加锁方法、冲突检测法和面向模型的方法等；分析了同态交互对仿真结果的影响，给出了处理同态交互的基本原则。     

分布式MPC在网络化制造环境下SCM中的应用

针对网络化制造环境下动态供应链管理特点,利用分布式模型预测控制技术解决供应链中动态优化控制问题。首先,阐述动态供应链运行机理,并以此提出完整的随机动态优化控制模型及其控制约束;其次,给出分布式模型预测控制算法,并构建了优化控制序列模型;最后,仿真实例结果表明,利用分布式模型预测控制技术计算供应链中各阶段订货率,可以预测企业各阶段理想库存,从而快速响应市场动态变化,有效控制供应链管理中的不确定性。     

基于混沌社会演化算法的文本聚类新方法

用K均值算法进行文本聚类通常只能以局部最优结束,很难找到全局最优.文章提出了一种基于混沌社会演化算法的文本聚类新方法.在该方法中提出了认知主体在聚类中对范式继承的方式,在认知主体对范式的背叛中提出一种混沌变异算子.实验证明该方法不但能有效地提高文本聚类的效率而且能有效地提高文本聚类的精度.     

点簇聚合的目标顶点的优化

研究了点簇聚合的目标顶点位置的计算问题。当计算过程中得到的目标顶点不在小单元之内,或者虽然在小单元之内,但目标顶点的位置不能唯一确定时,则将求解目标顶点的问题转化为求解带约束的二次优化问题。此二次优化问题的解既能保证目标顶点位于小单元之内,在位置上又最接近该点簇的重心。实验结果表明,该算法的时间效率类似于Lindstrom的算法,但在简化质量上要优于后者。     

基于分布式检测和时间相关神经网络的训练模拟器设计

某型导弹发射设备训练模拟器涉及大量输入输出信号的检测和控制,为了提高硬件系统和软件系统的工作效率,确保仿真过程的实时性,根据对输入信号分别按照空间和时间进行分组的思想,提出了基于分布式检测的硬件系统结构和基于时间相关神经网络的软件算法。这些方法已成功的应用于某型导弹发射设备训练模拟器的设计与研制,并取得了显著的效果。     

基于CMAC的流体压力水锤控制

飞机液压系统的压力脉动是造成液压元件提前疲劳损坏的重要原因之一。飞机液压系统压力脉冲试验是产生压力水锤考核液压元件寿命的重要设备。由于该设备的数学模型是一个分布参数的非线性系统,且受到试验件的影响,较难有效的实施快速控制。提出一种CMAC与传统控制相结合的并行控制方案,利用CMAC的分类存储与传统控制的微调作用较好的实现了水锤的快速精确控制。仿真试验表明,能大大缩短波形的调整时间,且具有较强的自适应能力和鲁棒性。     

基于在线聚类的机器人自适应模糊建模

针对机器人这种具有时变、强耦合和不确定性的复杂非线性被控对象,提出一种基于在线聚类的模糊自适应方法用于机器人系统建模。建模过程中采用在线聚类算法辨识机器人T-S模型的前提参数,采用递推最小二乘算法(RLSE)辨识结论参数,根据过程中新的数据信息,模糊规则可以自动增加、修改和删除,实现了模型结构和参数的在线辨识和更新,而且该方法具有模型结构简单、建模速度快、精度高等优点。最后通过二自由度机器人仿真研究证明了该方法的有效性和优越性。     

在衰减信道中基于最小贝叶斯风险的检测算法

针对实际检测过程中本地检测器至融合中心传输信道的非理想性,提出了基于两种非理想信道模型的分布式检测算法:第一种为融合中心已知非理想信道的瞬时状态信息;第二种为融合中心已知非理想信道的统计特性。通过最小化平均贝叶斯风险来设计本地检测器和融合中心的优化判决算法,其判决形式都可简化为似然比判决。最后通过仿真表明第二种模型的检测性能略低于第一种模型,但其计算量却大大降低。     

基于最邻近聚类和向量模糊c-均值的混沌预测

针对混沌时间序列难预测的问题,提出一种新的基于最邻近聚类和向量模糊c-均值(FCMV)聚类算法的模糊建模方法。其前提参数辨识分两步,首先用最近邻聚类法初始划分输入空间,得到规则数及初始聚类中心,再用FCMV把具有相同收敛向量的聚类中心归到同一个区域来优化前一步得到的聚类中心,得到前提参数;采用递推最小二乘算法辨识模型的结论参数。最后通过对Mackey-Glass混沌时间序列的建模和预测验证了该方法的有效性与实用性。