基于Matlab的燃料电池汽车动力系统仿真

在给出燃料电池汽车动力系统结构的基础上，基于Matlab软件环境，建立了前向式燃料电池汽车动力系统模型，模型结构和实际的动力系统有着严格的对应关系，各部分模型采用物理分析与数据处理相结合的方法建立。按照一定的控制策略和部件物理参数进行了仿真，仿真结果表明该模型的有效性和合理性，为燃料电池汽车动力系统研究打下了基础。     

固体小运载的制导方案设计与仿真

巨大的小卫星发射市场吸引着国内外竞相研制低成本的固体小型运载火箭。通常的运载火箭是液体，但固体不象液体，其推力大小取决于装药设计，因此不可控，且推力实际值与标称值的偏差也较大，如果发射条件受限制，要约束重量，通常固体火箭耗尽关机，三级也可能自旋稳定，由此带来了制导技术的问题。研究工作较有效地探索了一种固体小运载的制导方案设计问题，进行了算例仿真，作了精度和稳定性的验证研究，结果表明该制导方法可行，稳定性较好，对固体发射小卫星的制导有一定的参考意义。     

基于对角回归神经网络的转台伺服系统逆控制

针对转台伺服系统中存在的不确定性和非线性因素,提出一种基于对角回归神经网络(diagonal re-current neural network,DRNN)的逆控制方法。逆控制器由对角回归辨识网络(DRNNI)和对角回归控制网络(DRNNC)组成,利用神经网络的逼近能力,在线辨识系统的逆模型,直接将辨识器的拷贝作为系统的控制器。该方法结合了神经网络和逆系统控制的优点,能够克服系统中的不确定性和非线性因素。仿真结果表明,有效提高了转台伺服系统的动态跟踪精度,并具有较好的鲁棒性能。控制器的运算量小,能够满足实时控制要求。     

几种简化联合概率数据互联算法性能分析

针对最优联合概率数据互联算法复杂、运算量大的问题,目前提出了许多简化的联合概率数据互联算法。为了清楚地了解这些算法在不同环境下在跟踪精度、实时性等跟踪性能上的差异,对几种典型的简化算法进行了详细的性能分析。给出了简化算法的数学模型,然后从理论上对这些算法进行了优缺点比较,最后选取了多种典型的与实际工程背景相近的多目标运动环境,对几种比较有代表性的简化算法在这些环境下进行仿真实验,并根据仿真结果对它们各方面的性能进行综合分析。     

基于粒子追踪的风场可视化方法

为了更直观地表示三维风场的变化特点，针对气象风场数据集的特点采用粒子系统的方法可视化表示风场属性，提出了通过粒子的位置变化动态反映风场速度方向以及大小，同时将风场涡旋度的强弱映射成粒子本身的旋转状态，最后选取CDC数据中心的风场数据验证了实验结果。     

基于压缩感知的实时在线目标追踪

在正负样本区域随机抽取了不同尺度下图像的局部二值模式(LBP)特征,将高维的特征信息投射到低秩的压缩域,并据此建立了表观模型.使用一个随机稀疏测量矩阵来压缩前景和背景目标.将追踪问题转化成为了一个使用朴素贝叶斯分类器的二元分类问题.所提方法可以较快速、实时地在线追踪目标,同时解决了目标尺度变化、遮挡问题.     

基于SIFT的车标识别算法

针对车标识别过程中匹配阈值难、识别速度慢的问题,提出一种基于尺度不变特征变换(SIFT)的特征匹配车标识别算法.利用SIFT算子对图像的视角、平移、放射、亮度、旋转等不变特性进行提取,并采用BP神经网络算法自主选取车标图像特征进行分类、匹配和识别.仿真实验结果表明,简单车标和复杂车标的识别率平均值均达90%以上,该算法识别速度较快、识别率较高,能满足实际应用的需要.     

无人机遥感图像融合方法研究

针对待拼接的无人机遥感图像重叠区域不规则、焦距不固定、含噪声较多等问题, 在加权平均融合算法的基础上引入基于折线化思想的不规则重叠区域生成法, 减小算法误差, 并运用基于距离比的自适应算法实现权值自动匹配, 使算法在不受重叠区域形状限制的同时得到更精确的计算结果, 解决了图像拼接后融合区域分辨率低、拼接线明显的问题。仿真表明, 改进的加权平均融合算法在保持原算法快速性的同时, 达到了去除拼接缝隙、使图像融合区域过渡平滑的目的, 并获得了融合质量较好的大视野无缝拼接图像。     

四轮转向汽车路径跟随控制

路径跟随控制是汽车实现自动驾驶的重要工具,已在前轮转向汽车上取得了较好的效果,但是前轮转向汽车的路径跟随控制不完全适用于四轮转向汽车.对此,基于横向误差,提出一种四轮转向汽车路径跟随模糊控制算法.首先,建立响应面模型作为优化目标函数.然后,利用遗传算法对模糊控制器进行优化设计.最后,通过Carsim-Simulink联合仿真实验,对该算法进行验证.仿真结果表明,路径跟随横向误差得到有效降低,车身质心侧偏角也控制在0.6°以内.该算法能够实现精准的路径跟随,并提高汽车的操纵稳定性.     

带时间窗的快递包装回收车辆路径优化研究

为解决大量快递包装给社会环境带来的一系列问题,优化快递包装及回收车辆路径,降低回收成本,提高客户满意度是快递包装回收的关键。考虑到快递包装回收的现状,提出在回收过程中设置软时间窗来反映顾客的满意度。建立了运输成本、处理成本、回收成本、时间惩罚成本等成本最小化的数学模型。采用改进的遗传算法对模型求解,提出运用2点交叉法改进交叉算子,加快种群的寻优速度,同时提出2点互异改进变异算子,增加种群的多样性,并对算法的种群规模、变异概率、运输成本等进行了灵敏度分析。运用Matlab软件对算例进行仿真,在有无时间窗条件下,验证了该设计的快递包装回收路径模型和算法的有效性。