无线传感网络中神经网络路由算法

针对大规模传感网络的特点,提出了一种新的神经网络的路由优化算法。该算法在满足时延约束条件下能快速选择出最小能耗的优化路由。同时文中给出能量函数各参数之间的关系,并证明了通过适当选取参数,可保证网络的可行解将是渐进稳定的。计算实例表明了该算法的可行性。最后通过不同规模的网络仿真,显示该算法可有效地用于大规模无线传感网络。     

SiamADN:用于无人机目标跟踪的孪生注意密集网络

基于深度学习的单目标跟踪技术在诸多计算机视觉应用中取得了卓越的效果.然而,现有跟踪器在图像目标变形、遮挡、移动等场景下的应用具有局限性.本文提出一种融合注意力机制和密集网络的孪生网络离线跟踪方法(SiamADN),重点针对无人机等小目标的跟踪任务.首先,算法应用密集网络来减少消失梯度,从而加强特征转移;其次,在密集网络...     

基于证据理论聚类算法的故障诊断

为了正确高效地诊断故障,以并发故障为例,建立了基于证据理论聚类算法的诊断模型,提出了基于Dempster理论的聚类算法,该聚类算法既分析每个单类,还考虑单类的各种组合,并利用质心特性,将单类聚类原型推广为适合组合类特性的聚类原型。通过故障实例说明,本文模型既适合普通故障诊断,更适合并发故障诊断,且计算的时间复杂度较小。     

关于空管自动化数据处理算法的改进设计

根据空中交通管制自动化系统提出两点关于雷达数据处理的算法改进,重点关注单雷达航迹相关和多雷达数据融合。提出一种改进型的卡尔曼滤波航迹相关算法以及基于BP神经网络的多雷达数据融合算法,两种算法分别通过C#设计在Visual2010平台得以实现。     

基于分层分解的一种实时车辆路径规划算法

道路网络通常是大规模和复杂的网络，而一般的最短路径算法需要大量的计算时间。为了减少计算负担，本文根据分层和空间分解的道路网络模型，提出了一种基于存储数据的车辆路径规划算法，路径通过查询表格获得。提出的算法尤其适用于集中式车辆路径规划。仿真结果表明，该算法在计算次最优路径时更快且要求更少的内存单元。     

一种有效延长WSN生存时间的节点休眠调度算法

无线传感网络已被广泛应用于很多领域,但在无法更换节点电池的应用中,如何有效地节约能量,延长网络生存时间,是一项很重要且很有挑战的工作。文章提出了一种通过将中间位置节点分成只负责采集数据和只负责发送数据两类节点,并使布网完成后的冗余节点直接进入休眠,再经过合理调度休眠节点来有效延长网络生存时间的算法。通过性能分析,本算法在网络中存在大量冗余节点的情况下,可以达到更好地延长网络生存时间的效果。     

分层网络模型在场面滑行规划中的应用研究

复杂的场面结构是制约算法运行效率和冲突调配的重要因素。该文介绍了分层网络的描述模型,同时引入了一种社团识别方法——Louvain算法对网络进行分割,并根据机场的场面运行特点提出了面向机场滑行网络的层次划分及修正方法。设计了基于分层网络的动态规划算法。根据实例建立了机场分层网络模型并对算法进行了实现。仿宾结果表明该算法处理速度较快,并且能够在避免滑行冲突的同时有效减少滑行时间。     

神经网络辅助卡尔曼滤波技术在雷达目标跟踪中的应用研究

提出了一种应用神经网络对卡尔曼滤波结果进行校正的机动目标跟踪方法,用BP神经网络修正目标机动运动时的卡尔曼滤波误差,并用matlab仿真单目标机动飞行时的滤波效果,通过与卡尔曼滤波精度和滤波稳定度的比较说明该算法比传统卡尔曼滤波算法在跟踪机动目标方面效果要好。     

基于正交映射的OFDM峰均比控制快速算法

为了克服正交频分复用(Orthogonal frequency division multiplexing，OFDM)信号的高峰均比问题，拳文研究了基于单正交映射的部分传输序列(Partial transmit sequences，PTS)算法及其在信号过采样形式中的应用，发现信号过采样会造成单正交映射的相位优化复杂度呈二次增长。借助于Monte—Carlo仿真，证明了在单正交映射过程中会产生大量的冗余。通过改变正交映射方式和删除冗余，提出了一种新的PTS快速相位优化算法。分析和实验结果表明，该算法能较大程度地减小运算复杂度，且可以获得好的峰均比改善性能。     

群智能机制启发的传感器网络能量感知服务质量路由树

提出一种理论优化路由树的启发式算法,实现地理信息辅助的传感器网络服务质量数据收集架构.算法采用群智能蚁群优化机理进行设计:首先通过构造基于流量的能量有效性权将网络划分为不同的功能区域,使得路由的选择过程能够低延时地自适应网内不均衡性的能耗状况;然后,设计了新颖的启发式因子和信息素更新规则,赋予人工蚂蚁代理感知网络局域能量状况和逼近理论优化树的能力,从而提高路由构建的自适应性和能量有效性.仿真实验结果表明,本文提出的路由机制能够在数据收集的应用背景下,有效提高收集质量和降低传输时延,并在健壮性和节能效果方面优于许多经典的传感器网络路由算法.     

基于混合粒子群算法的机场停机位优化分配问题研究

合理且高效的停机位分配方案是提高机场运营效益的重要手段之一。通过对航班占用停机位特性的分析,以旅客步行距离最短和停机位空闲时间均衡为目标函数建立优化模型,设计一种基于遗传算法与PSO算法相结合的混合粒子群算法对其求解,最后运用试验数据来说明该算法求解停机位分配问题的可行性。     

基于频响函数数据的飞行器结构有限元模型修正及软件开发

有限元模型修正技术已成为实际工程结构精确建模的重要手段,围绕结构有限元模型修正这一主题,对基于频响函数的结构有限元模型修正算法及其与现有大型商用有限元分析软件的接口问题进行了研究,改进了算法中的矩阵病态问题,并利用MSC软件的二次开发功能,基于某飞行器组合舱段结构的频响函数试验数据,对该修正算法的进行了程序编制,运用PCL语言编写了操作界面,DMAP和C语言编写算法过程,在MSC.Patran软件中形成模型修正模块。计算出的修正前后固有频率和频响函数结果与试验数据进行对比,得到了较好的效果。     

一种有限环域裁剪多义线的算法及应用

提出了一种有限环域裁剪多义线的算法。文章首先介绍了基本概念和算法设计。该算法通过多义线与诸环求交,在求交过程中利用局部法判别有效交点,从而确定出多义线位于有限环域内的有效部分。该算法对重边和重点情形给出了简单、直观的处理方法,从而可靠地解决了裁剪过程中可能遇到的重边和重点问题。文章还给出了一个由内、外环组成的有限环域裁剪一条多义线的实例。最后,文章还介绍了该算法在两张裁剪曲面的求交算法及过渡算法中的应用。该算法已在微机上实现并测试通过,并已利用该算法实现了裁剪ＮＵＲＢＳ曲面的求交及过渡算法     

基于自适应模糊输出观测器的非线性系统鲁棒故障检测

针对一般非线性系统的故障检测，从工程应用的角度提出了一种基于自适应模糊输出观测器的非线性系统鲁棒故障检测方法。该方法以自适应模糊系统构造未知非线性模型的输出观测器，在充分考虑外加噪声干扰和系统误差的情况下，通过对一般反向传播学习算法进行改进，提出采用鲁棒反向传播学习算法调整观测器参数以辩识系统输出，再结合阈值故障检测策略检测系统故障。为保证算法具有较快的收敛速度，本文给出了根据模糊规则确定算法初始参数的选择方法并证明了算法的收敛性。仿真结果表明，对一般非线性系统故障检测，该方法具有有效性和实时性，以及对噪声干扰和系统误差的鲁棒性。     

IMRT逆向计划中的混合多目标梯度算法

将多目标智能优化算法与梯度算法的进化策略有机结合,即对每一种群用梯度算法求解其下一代新群体,并采用实数运算,构造一种混合多目标梯度算法。利用测试函数分析算法的优劣,并将其应用于IMRT逆向计划过程。目标函数中的PTV和NT是基于平均计量分布,通过水模中的测试算例,得出强度分布。结果表明,该混合多目标梯度算法可节省大量计算时间且具有较高的计算精度,故能够满足实际应用的要求。     

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。     

一种基于Petri网模型进行故障树分析的改进算法

集算集,利用Petri网的性质对故障树进行建模,并基于对偶和再吸收处理提出一种改进的最小割法。理论分析和实例验证的结果表明,该算法可以大大地减少计算量,能同时得到最小路且易于在计算机上实现。     

一种基于模糊聚类的组合BP神经网络数据挖掘方法

介绍了一种基于模糊聚类的组合BP神经网络的数据挖掘方法，并给出了该方法的模型和启发式BP改进算法Heuristicbp。且将其应用于数学函数值预测中，取得了学习时间短和预测精度高的效果，证明该方法是有效的，具有较高的实际应用性。     

发射系下SINS/GPS/CNS组合导航系统联邦粒子滤波算法

传统的扩展卡尔曼滤波(Extended Kalman filter, EKF)算法应用于未来高超、空天飞行器的组合导航系统时,因其模型线性化展开会导致模型不准确,从而引起导航精度下降;采用蒙特卡洛方法来实现递推贝叶斯估计问题的粒子滤波(Particle filter,PF)算法能有效避免引入线性化误差,具有一定的优势。据此,针对高超、空天飞行器在发射过程中通常需要直接获得发射惯性系下的高精度导航参数的需求,提高发射惯性系下弹载组合导航系统滤波算法的精确性就尤为重要,PF滤波算法无需对非线性系统进行线性化展开即可直接实现对非线性系统的状态误差估计。为此,本文将PF滤波算法引入空天飞行器SINS/GPS/CNS多信息融合组合导航系统,设计了发射系下基于联邦滤波器的PF滤波算法,实现了对组合导航系统状态参数的直接建模估计。算法仿真结果表明,相较于发射系下SINS/GPS/CNS组合导航系统联邦EKF滤波算法,PF滤波算法有效提高了组合导航系统滤波精度。     

一类二阶守恒单调重映算法

在大变形流体力学问题的数值模拟中，经常会涉及到计算网格的重分。基于不同网格的物理量传递便是所谓的重映技术。重映算法是任意拉格朗日一欧拉方法的重要组成部分，本文描述了一类适用于任意网格的二阶守恒单调重映算法。该算法分为网格内物理量的多项式重构、近似积分计算、物理量的单调修正三个部分。本文采用了最小二乘法的思想构造了网格内物理量的梯度，并且通过对物理量的单调修正，保证了算法的精度和单调性。该算法计算公共表面上的网格间质量的改变，所以可以在任意网格上使用。通过一系列数值算例验证了该算法，并说明本文给出的算法是有效可行的。