基于改进GERT的任务过程时间特性建模分析方法

随着系统任务需求的日渐密集，用户对系统的时间特性提出了更为严苛的要求。首先，利用图示评审技术（GERT）构建系统任务流程的随机网络模型，针对任务中由于资源共享引起的活动排队执行以及部分上下游活动之间存在重叠的情况，基于排队论并引入时间因子以修正任务中各活动的执行时间，并给出任务执行时间的求解步骤。经考虑这2种情况，最终任务平均执行时间增加了22.9%。其次，通过不确定性分析，找出了任务中的关键活动，为进一步任务优化提供方向和思路。最后，以舰载机着舰任务为例进行案例应用分析，验证所提建模分析方法的有效性和适用性。      

基于自适应学习策略的改进鸽群优化算法

鸽群优化（PIO）算法已广泛用于无人机编队和控制参数优化等领域，但标准PIO算法容易陷入局部最优。提出了一种基于自适应学习策略的改进鸽群优化（ALPIO）算法。该算法引入了基于容差的搜索方向调整策略、基于自学习的候选者生成策略以及基于竞争学习的预测策略，通过增强种群的多样性，可提高算法全局最优概率，其已在8个基准函数上进行测试。仿真试验结果表明:所提算法在多峰函数优化问题中的收敛精度和收敛速度有了显著提升，并且能够更有效避免陷入局部最优解。      

一种圆柱物料装填机器人残余振动抑制方法

为提高载具内的物料装填效率，提出了一种在载具内受限空间中使用的新型圆柱物料装填机器人，并通过优化关节轨迹，对机器人末端残余振动进行抑制。首先，给出物料装填机器人的总体设计方案和工作流程。然后，结合物料装填机器人的结构特点，应用拉格朗日方法建立封闭形式的刚柔耦合动力学模型，并应用模态分析方法得到机器人末端动态响应计算方法。最后，以物料装填机器人关节残余弹性势能最小为优化目标，使用最大最小蚂蚁系统，对机器人关节轨迹进行优化，并对优化结果进行仿真验证。仿真结果表明，优化后的关节轨迹，在满足快速装填要求的基础上，可以降低约34.4%的关节残余弹性势能和约37.6%的机器人末端振动振幅。      

基于脑电功率谱密度的作业人员脑力负荷评估方法

脑力负荷状态的准确识别对减少因作业人员无效脑力负荷导致的人因事故具有重要意义。针对人-机系统中作业人员脑力负荷客观评估问题开展了基于MATB-Ⅱ平台的3种不同脑力负荷水平下的航空情境实验，记录16名被试的NASA任务负荷指数（NASA-TLX）量表数据和脑电（EEG）信号，提出了一种基于脑电功率谱密度（PSD）和支持向量机（SVM）的个体脑力负荷评估方法。结果表明：随着实验设计脑力负荷水平增加，被试的主观脑力负荷得分显著提高（p<0.001），这表明该实验任务设计较好地诱发了低负荷、中负荷和高负荷情境。在此基础上，通过网格搜索法确定个体脑力负荷评估模型的统一优化参数，惩罚系数取3 000，核函数参数取0.000 1，模型测试正确率达到0.966 5±0.029 8，宏平均的受试者工作特征曲线下的面积（Macro-AUC）达到0.991 0±0.011 4。本文为作业人员脑力负荷状态的客观和准确评估提供了一种新的办法，为后期作业人员脑力负荷状态的实时判别提供模型基础。     

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同，提出了基于高置信局部特征的车辆重识别优化算法。首先，利用车辆关键点检测获得对应的多个关键点坐标信息，分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性，提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理，根据局部区域分割信息，对卷积得到的特征张量进行空间维度上的切割，获得代表全局信息和关键局部信息的特征张量。然后，通过全连接层特征张量转化为表示车辆个体的一维向量，计算损失函数。最后，在测试阶段使用全局特征，并利用训练好的车标扩散区域提取分支获得高置信局部特征，缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试，验证了所提算法的有效性。      

钇稳定二氧化锆火焰传感器的静态响应特性

以钇稳定二氧化锆（YSZ）火焰传感器为研究对象，利用马弗炉，在873~1 523 K的温度范围内，测量了YSZ火焰传感器对温度的静态响应，获得并分析了传感器的静态校准曲线与静态响应特性。结果表明，YSZ火焰传感器的线性度为12.88%，24 V激励电压下的平均灵敏度为10.02 mV/K，迟滞与重复性指标分别为2.13%和2.22%，传感器间的互换度为1.22%。采用Boltzmann函数能够较为准确地拟合YSZ火焰传感器的静态校准曲线，误差小于±3.5%。YSZ火焰传感器的非线性特征明显，精密度与互换性良好，灵敏度较高，总体性能良好。相较于火焰检测中常用的热电偶和离子火焰传感器，YSZ火焰传感器对火焰温度的响应信号更为稳健，能够有效提高火焰检测的准确度与可靠性。      

考虑星历误差的天文测角/时间延迟量测组合导航方法

基于太阳震荡的时间延迟是一种新型天文导航量测量，可以提供探测器相对反射天体的距离信息，与星光角距量测量结合，可以提高导航性能。然而，星光角距量测模型与时间延迟量测模型均含有火卫一相对火星的位置矢量，火卫一的星历误差将影响导航精度。针对这一问题，提出了一种基于在线估计的天文测角/时间延迟量测组合导航方法，建立了包含火卫一位置及速度的状态模型，利用星光角距及时间延迟量测量同时对火卫一的位置和速度进行在线估计，仿真结果表明，提出的方法可以有效抑制火卫一星历误差对组合导航精度的影响，为探测器提供高精度的自主导航信息。     

飞机电动滑行系统驱动特性及节能减排性能分析

针对某中程飞机设计了基于主起落架机轮驱动的飞机电动滑行系统（AETS），并对其进行了仿真分析。利用MATLAB/Simulink对AETS进行了建模，分别构建了驱动电机模型、机械系统模型和排放性能评估模型；在此基础上进行了驱动能力、稳定性及节能减排性能的仿真。结果表明:所设计系统驱动能力良好，稳定性优异，节能减排效果明显。利用所设计系统驱动目标飞机在地面上滑行最大速度可达4.91 m/s，基本满足滑行要求；当外在负载波动时，其滑行速度能够平稳调节；在相同条件下，当滑行距离为1 500 m时，利用AETS代替主发动机驱动飞机滑行可节省燃油75%以上，减排CO、HC、NO_X等有害气体67%以上。      

增广误差模型算法在目标跟踪中的应用

针对目标机动运行过程中,滤波模型与机动状态模型失配的问题,提出了一种新的增广状态误差滤波模型。不同于现有增广方案,该模型从模型失配所致状态滤波误差的角度出发,将状态估计误差增广为一状态量,通过滤波估计后用其校正原状态量。算法分析表明,该增广滤波模型具有自适应调节多重渐消因子的等效特性,增强了对目标的跟踪能力。基于该增广状态误差滤波模型,给出了滤波算法设计并进行了仿真实验。实验结果表明,基于该模型的滤波算法在对机动目标进行跟踪时具有更强的鲁棒性。