基于BP-GIS的京津冀碳钢土壤腐蚀速率地图研究

针对京津冀地区碳钢土壤腐蚀问题,应用误差反向传播（BP）神经网络,以主影响因素为输入参数,分别构建了针对京津冀地区碳钢土壤腐蚀速率模型。根据各主要土壤腐蚀影响因素数值,对碳钢土壤腐蚀速率实现了预测。并基于地理信息系统（GIS）绘制了中国年均碳钢土壤腐蚀速率地图。研究表明:京津冀地区单年均碳钢土壤腐蚀速率西北高东南低,多年均碳钢土壤腐蚀速率基本均匀分布;pH、含盐总量、土壤温度、全氮量和有机质对碳钢土壤腐蚀较为显著;1、3、5和8年均碳钢土壤腐蚀速率分布最大为6.159、2.322、2.614和3.467 g/（dm2·a）。      

基于CIDBN的战术活动识别模型及在线精确推理

战术活动识别是战场态势感知的重要研究内容。为提高战术活动识别的准确性与实时性,提出了一种基于上下文独立动态贝叶斯网络（CIDBN）的战术活动识别模型及在线精确推理。通过对战术活动机制的分析,采用动态贝叶斯网络（DBN）理论,建立了一个初始战术活动识别模型。该模型引入了威胁指数节点来影响战术活动的终止与选择,并采用模糊隶属度函数对连续变量进行离散化处理。依据上下文独立关系对该模型进行简化,获得了一个基于CIDBN的战术活动识别模型。将接口算法扩展于该模型上,提出了在线精确推理算法。仿真结果表明,所提出的战术活动识别方法,具有识别精度高、较低不确定性和实时性高的优点。      

基于GPS多星三频数据融合的GNSS-IR土壤湿度反演方法

土壤湿度的监测是全球卫星导航系统干涉测量法（GNSS-IR）的关键应用之一。传统的GNSS-IR土壤湿度反演方法一般只针对单颗卫星的单一频段,未充分利用不同轨道、不同频率卫星信号的差异性与互补性。针对此问题,提出了一种将GPS多星的L1、L2和L5频段数据加权融合进行联合反演的方法,该方法利用基于最小方差的自适应融合算法得到加权因子,并通过现场实验进行了方法验证。结果表明:在测试集上所提出的反演方法相比于传统的Larson方法,相关系数提高了24.69%,均方根误差下降了22.28%,与均值融合法相比,相关系数提高了26.77%,均方根误差下降了23.26%,证明了所提方法能有效提高反演精度。      

FDA对比幅法单脉冲测向的角度欺骗

基于相控阵的干扰机在对目标雷达施放干扰的过程中,其辐射信号会被敌方的无源探测雷达所捕获。基于频率分集阵列(FDA)干扰机结构,提出一种针对敌方相邻天线比幅单脉冲测向系统的角度欺骗方法。首先,在建立FDA模型的基础上计算出FDA雷达的半功率波束宽度。然后,将半功率波束宽度代入相邻天线比幅单脉冲测向系统,通过仿真,系统分析了FDA干扰机对比幅法无源测向系统的角度欺骗效果及误差影响。仿真结果表明,远场条件下,FDA干扰机对测向系统具有良好的角度欺骗效果。      

基于3D-Winograd的快速卷积算法设计及FPGA实现

近年来,卷积神经网络（CNN）已被计算机视觉任务广泛采用。由于FPGA的高性能、能效和可重新配置性,已被认为是最有前途的CNN硬件加速器,但是受FPGA计算能力、存储资源的限制,基于传统Winograd算法计算三维卷积的FPGA解决方案性能还有提升的空间。首先,研究了适用于三维运算的Winograd算法一维展开过程;然后,通过增加一次性输入特征图和卷积块的维度大小、低比特量化权重和输入数据等方法改善CNN在FPGA上的运行性能。优化思路包括使用移位代替部分除法的方法、分tile方案、二维到三维扩展及低比特量化等4个部分。相对传统的二维Winograd算法,优化算法每个卷积层的时钟周期数减少了7倍左右,相较传统滑窗卷积算法平均每个卷积层减少7倍左右。通过研究,证明了基于一维展开的3D-Winograd算法可以大大减少运算复杂度,并改善在FPGA运行CNN的性能。      

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。      

下肢康复机器人动力学建模约束违约抑制

U-K理论为获得约束多体系统的解析动力学方程提供了新的理念,但由于数值近似和截断误差等因素的影响,动力学方程在位置和速度层面上存在约束违约。Baumgarte约束违约稳定法（BSM）通过约束修正得到稳定的动力学方程。然而,Baumgarte参数的选择通常涉及一个试错过程,可能会出现失效的仿真结果。为此,利用经典的四阶Runge-Kutta法研究了Baumgarte参数选取问题,创建了基于BSM修正后的U-K理论的机器人系统解析动力学方程。以下肢康复机器人为研究对象仿真分析,结果表明:利用所提方法可以有效抑制约束违约,关节角度误差控制在-5×10-3（°）~5×10-3（°）范围内;关节角速度误差控制在-2×10-4~2×10-4 rad/s范围内;机器人末端执行器运行轨迹能够很好地贴近系统预定的目标。      

基于释热率分析的钝体贫油熄火过程分析

针对锥形钝体稳定的甲烷-空气预混湍流火焰复杂的熄火过程,采用大涡模拟(LES)与输运方程概率密度函数(TPDF)湍流燃烧模型相结合的模拟方法,研究远离熄火、近熄火及熄火点的火焰和释热率(HRR)数值变化情况,定量分析熄火判据。结果表明:冷态速度模拟结果和实验的相对均方根误差在10%以内,热态误差在20%以内;释热率是否出现在OH和CH₂O重叠的区域,是判断熄火的一个重要参数;远离熄火时,释热率高的区域主要沿内侧剪切层出现;近熄火工况下,释热率在流向轴上闭合,回流区下游也出现较大的释热率;熄火点工况下,较大释热率的区域在回流区下游和上游均有出现;模拟预测的熄火情况和实验PLIF结果一致;平均释热率可作为判断熄火的定量依据,即当钝体后方0.2d处内侧剪切层平均释热率与回流区平均释热率的比值小于4时,发生熄火。      

基于IoU约束的孪生网络目标跟踪方法

基于孪生网络的跟踪方法通过离线训练跟踪模型,不需要对跟踪模型进行在线更新,兼顾了跟踪精度和速度。现有孪生网络目标跟踪方法使用固定阈值选择正负训练样本易造成训练样本漏选问题,且训练时分类分支和回归分支之间存在低相关性问题,不利于训练出高精度的跟踪模型。为此,提出了一种基于交并比(IoU)约束的孪生网络目标跟踪方法。通过使用动态阈值策略根据预定义锚框与目标真实框的相关统计特征,动态调整正负训练样本的界定阈值,提升跟踪精度。所提方法使用IoU质量评估分支代替分类分支,通过锚框与目标真实框之间的IoU反映目标位置,提升跟踪精度,降低模型的参数量。在数据集VOT2016、OTB-100、VOT2019、UAV123上进行了对比实验,所提方法均有较好的表现。在VOT2016数据集上,所提方法的跟踪精度比SiamRPN方法高0.017,期望平均重叠率为0.463,与SiamRPN++相比仅差0.001,实时运行速度可达220帧/s。      

基于DDPG算法的变体飞行器自主变形决策

针对变体飞行器的自主变形决策问题,提出了一种基于深度确定性策略梯度(DDPG)算法的智能二维变形决策方法。以可同时变展长及后掠角的飞行器为研究对象,利用DATCOM计算气动数据,并通过分析获得变形量与气动特性之间关系;基于给定的展长和后掠角变形动力学方程,设计DDPG算法学习步骤;针对对称和不对称变形条件下的变形策略进行学习训练。仿真结果表明:所提算法可以快速收敛,变形误差保持在3%以内,训练好的神经网络提高了变体飞行器对不同飞行任务的适应性,可以在不同的飞行环境中获得最佳的飞行性能。