航空声纳浮标定位的数据融合方法研究

声纳浮标由于受到多种随机因素的干扰,定位精度相差很大,在对具有一定散布海域的潜艇目标进行探测时,往往会投放多枚定位浮标,出现数据冗余的现象。针对这一问题,本文提出了浮标定位算法中的一种数据融合算法;并分析了加权融合和非线性最小二乘数据融合的方法,最后通过仿真验证了这种算法的有效性和可行性。     

多轴液压联动实时插补控制算法

分析了液压系统位置控制的特点和难点,研究了多轴液压联动控制时运动轨迹滞后大、速度不平稳等问题,采用设置主、从变量并对主变量预估的方法,提出了多轴液压联动运动轨迹的实时插补控制算法,并进行了算法的误差分析,给出了算法编程实现的具体步骤。     

增广的Davidson算法

Davidson算法通常用来求解对称特征值问题,并被应用到求解大型线性方程组中,取得了不错的效果。但在求解大型线性方程组的过程中,Davidson算法的重新开始过程将影响残量的收敛速度。由此可以考虑在重新开始时保留一些重要的信息,如把最小特征值对应的近似特征向量添加到Davidson算法的迭代子空间中,这样就可以大大加快其收敛速度。本文将在Davidson算法的基础上给出新的算法,即增广的Davidson算法,通过理论分析比较两算法的收敛速度,并给出数值例子加以说明。     

基于低可探测性的参考航迹规划

根据分层规划思想,确定参考航迹是进行航迹规划时首先要解决的问题。在充分考虑雷达探测的各种环境因素及飞行器RCS方位分布特性的基础上,将雷达对目标发现概率作为参考航迹的一个重要评价指标,基于自适应进化算法,采用新的遗传算子,最终生成综合考虑雷达威胁和飞行距离的参考航迹。结果表明,该航迹规划模型能根据对低可探测性和航程的不...     

电机-变距螺旋桨动力系统功率优化控制

电动螺旋桨无人机应用越来越普及,但普遍续航时间较短,提高电动力系统效率、降低功率消耗是提高航时的主要措施。电机-变距螺旋桨动力系统（以下简称变距电动力系统）可同时改变转速、桨距两个量,存在桨距和转速的最佳组合,使系统功率最小。相比电机-定距螺旋桨动力系统,其在耗能方面具有特殊优势,但如何达到最小功率点,目前研究较少。针对上述问题,为提高计算效率,便于控制研究工作的开展,首先基于改进天牛须算法的BP神经网络训练得到变距电动力系统的神经网络代理模型。接着提出了一种变距电动力系统功率优化控制策略：在一定入流速度、拉力需求下,基于自适应扩展卡尔曼滤波-牛顿法实时优化桨距,并在一定桨距下利用模糊PID控制系统转速以达目标拉力,实现目标拉力需求下的最小功率控制。仿真验证结果表明,提出的功率优化控制策略鲁棒性更强、优化速度更快、收敛效果更好。     

基于动态因子的粒子群算法在航路规划中的应用

粒子群优化PSO(Particle Swarm Optimization)因其实现容易、精度高、调整参数少、收敛速度快等优点而在解决优化问题中得到了广泛的应用。分析了惯性权值及加速度因子对粒子群算法优化性能的影响,进而提出改进粒子群算法的方法:线性或非线性动态调整惯性因子,从而有效地提高算法的搜索能力;进行了仿真实验,仿真结果表明改进后的算法在全局搜优的速率与精度方面均有明显提高。     

最小生成树算法及其应用

Kruskal算法和Prim算法是求最小生成树的常用算法,设计了这两种算法的C语言程序,并通过实例研究了这两种算法的实际应用价值。     

基于RBF神经网络的数字模式识别方法

在介绍径向基函数神经网络基本原理的基础上,讨论了基于 RBF 的数字模式识别的设计及其原则,包括识别数字网络模型结构、最近聚类学习算法等问题。     

联合优化的BP神经网络模型的应用研究

BP算法因收敛速度慢、易于陷入局部极小值等缺点，使得对于较大的搜索空间、多峰值和不可微函数常常不能搜索到全局极小点，这些制约了BP网络在各个领域中的应用。本文通过对学习系数、神经元的激励函数及误差函数的联合优化，在一定程度上避免了学习中的局部极小问题，提高了学习效率，改进了网络的性能。     

面向维修的产品可拆卸性评价模型及算法

应用有向网络图建立了一种可拆卸性评价模型,提出了利用关联矩阵进行运算的可拆卸性评价算法,并以某机构的输送装置为例,验证了该算法的有效性。