基于视觉注意机制的认知雷达数据关联算法

针对传统关联波门设计方法在应用于机动目标跟踪时容易引起失跟、以及概率数据关联算法不适于多交叉目标跟踪的问题,提出了一种基于人类视觉选择性注意机制和知觉客体的"特征整合"理论的认知雷达数据关联算法。算法以综合交互式多模型概率数据关联算法为基础,采取假设目标最大机动水平已知的"当前"统计模型和匀速运动模型作为模型集,通过实时交互使关联波门能够随目标机动动态调整,较好地兼顾了雷达计算耗时和跟踪成功率。在利用目标位置特征的基础上,进一步提取、整合目标运动特征,对关联波门交叉区域公共量测进行分类,使多交叉目标跟踪问题转化为多个单目标跟踪问题,优化了传统概率数据关联算法。仿真结果表明：与传统关联波门设计方法相比,算法跟踪失败率和计算耗时明显降低;而且在计算资源增加不大的情况下,杂波环境适应性也得到了显著增强。     

一种基于改进WLBF频谱的异构双基地前视SAR成像算法

异构平台组成的双基地前视合成孔径雷达（SAR）配置灵活,可实现多种构型下的前视成像,具有潜在的应用价值。然而特殊的几何构型使得其回波信号具有新的特性,给频谱模型的推导及成像算法的设计带来不便。针对这一问题,提出了一种基于改进WLBF （Weighted Loffeld's Bistatic Formula）频谱的双基地前视SAR成像算法。首先,引入时域去走动和切比雪夫降阶法,减小了传统频谱模型中相位历程的加权分割误差和二阶展开误差,在此基础上推导了回波信号的改进WLBF频谱表达式。然后,使用切比雪夫多项式将改进WLBF频谱展开并设计了双基地前视SAR成像算法。最后,对频谱模型和成像算法进行了仿真分析。结果表明所提改进WLBF频谱模型与传统频谱模型相比具有较高的精确度,设计的成像算法可满足异构双基地大前视系统的成像要求。     

基于SSD-HT时频阶比跟踪的变转速转子故障诊断

为解决变转速工况下转子故障特征难以提取的问题,提出一种基于SSD-HT时频阶比跟踪的转子故障诊断方法。应用一种新的信号分解方法—奇异谱分解对转子故障振动信号进行分解,得到包含故障特征信息的奇异谱分量。运用希尔伯特变换计算各个有效奇异谱分量的瞬时频率,获取故障信号的时频分布。根据时频分布中的转频信息对原始振动信号进行阶比跟踪分析,提取直观的阶次特征。仿真分析与实验分析结果表明,在无转速测量装置条件下,所述方法可准确判别变转速工况的转子故障模式,相对于传统分析方法表现出一定的先进性。     

机器学习在流动控制领域的应用及发展趋势

流动控制作为流体力学中的重要跨学科领域,一直是科学研究和工程应用关注的焦点之一。由于流动系统具有强非线性等复杂特征,对流动的控制尤其是闭环控制,一直颇富挑战性。近年来机器学习的迅速发展为许多学科带来了新的方法、新的视角和新的观点,对于流动控制领域亦是如此。通过回顾现阶段三类基于机器学习的流动控制方法,为主动流动控制领域的研究者展示机器学习在流动控制中应用的整体概况,进而勾勒出本领域的发展趋势。     

一种基于参数控制的低轨星载接收机载波跟踪算法CSCD

低轨星座接收机面临大多普勒频移及频繁快速换星等设计约束,对其载波跟踪环路设计提出了较高的动态适应性与跟踪精度要求。针对以上问题,提出了一种基于参数控制的载波跟踪算法。该算法引入环路控制因子参数,将环路滤波器分为牵引和跟踪两阶段。基于理论建模推导环路控制因子的最优参数配置原则,指导实现牵引和跟踪两种状态滤波器的协同配合,在牵引阶段有效引导大多普勒信号快速入锁,在跟踪阶段精确估计载波频移参数,实现基于低轨星载平台的GNSS信号快速准确跟踪。理论与仿真结果均表明基于参数控制的载波跟踪算法能够有效提升环路的动态适应性与跟踪精度,满足低轨星载接收机的设计需求。与传统算法相比,该算法在保证信号跟踪精度的同时,能够将收敛时间缩短78%,且环路设计简单,易于硬件实现。     

压比对文氏管汽蚀动态过程演变的影响

基于高速摄影和高频压力测量技术,对半矩形文氏管开展了酒精汽蚀试验,获得了汽蚀区域的流场结构和高频压力数据,基于标准差法分析了汽蚀区长度与压比的关系,基于图像和压力信号研究了汽蚀区的动态演变规律和压力振荡特性。结果表明：压比越小,汽蚀区发展越充分,且汽蚀区长度与压比呈负相关关系。汽蚀区动态特性由湍流脉动和折返射流机制主导,当压比较大时,湍流脉动主导了汽蚀区的动态行为,汽蚀区可分为发展区、融合区、溃灭区;压比较小时,折返射流主导了汽蚀区的动态行为,汽蚀区可分为发展区、回流区、溃灭区。发展区汽蚀形态稳定,能抑制下游压力波向上游的传递;湍流脉动和折返射流会造成发展区后方区域脱落云团的生成,并给下游带来压力振荡,振荡主频呈现出频带特征;低背压时,脱落云团将移动至扩散段下游更远区域,较大逆压梯度将造成脱落云团的逆行,使得扩散段存在局部回流区。     

一种多目标跟踪数据处理器的设计

介绍了一种机载多目标跟踪数据处理器的实现算法．这个处理器是用专用数字信号处理芯片ＴＭＳ３２０Ｃ３０实现的，其输入的观测数据是由雷达视频回波信号经过数据采集、信号检测和目标参数提取后得到的测量数据．在实验室环境下，当信噪比为３：１时，此数据处理器在１００ｋｍ距离处的滤波估计误差为５０ｍ，方位估计误差达到半功率波束度宽的．     

具有不确定参数的机器人鲁棒轨迹跟踪控制

研究了具有不确定参数的机器人轨迹跟踪控制问题。提出了一种鲁棒控制方案,它由改进力矩发生器和鲁棒补偿器组成,理论分析及仿真实验表明,该控制方案具有较好的跟踪性能。     

阵列雷达中快速目标截获的几个关键问题研究

研究了阵列雷达中快速目标截获的两个关键问题:角度测量和角度预测.首先,从测角原理、要求的波位排布、鉴别特性和测角性能等几个方面研究了阵列雷达中快速目标截获的两种测角算法:幅度比较类单脉冲和幅度加权平均,提出了这两种算法在工程应用中的引导和非线性校正方法;然后,分析了利用跟踪滤波器的角度预测算法,提出了SDF跟踪滤波器;最后,在某阵列雷达仿真系统中进行了仿真研究.     

基于鲁棒迭代学习的四旋翼无人机轨迹跟踪

针对四旋翼无人机高精度轨迹跟踪问题,充分考虑外部扰动等因素,提出了一种带遗忘因子的基于可变增益的前馈-反馈鲁棒迭代学习控制算法。其中,前馈迭代学习控制器采用选择迭代学习方案,弥补了传统的基于遗忘因子迭代学习控制方法的不足,且控制器学习增益可随迭代变化,可以加快算法的收敛性。反馈控制器采用比例-微分控制器,可以保持系统稳定并且加快跟踪误差收敛速度。最后通过收敛性分析和四旋翼仿真试验验证了所提出算法的有效性,所设计算法具有很好的鲁棒性和较高精度。