认知不确定多态系统模糊可靠性评估

针对高可靠部件短时间内很难获得 足够的性能分布信息,致使对部件的认知存在一定的不确定性问题,为降低其对部件性能分 析的影响,实现对系统可靠性的准确估计,假定部件性能分布参数为模糊数,根据模糊集合 分解定理,建立基于β-截集变量的性能分布模型,给出了部件模糊状态 性能区间的定义和状态模糊概率的计算方法。对传统的通用生成函数方法进行改进,定义了 α-截集通用生成函数及其运算法则。提出了考虑认知不确定的多态系统 模糊可靠性评估方法,并以仿真实例进行验证说明。该方法不仅克服了性能分布信息缺少, 无法准确地建立状态信息分析模型的不足,且方法简单、思路清晰,具有强通用性和工程应 用性。     

动态数据驱动的森林火灾仿真框架及其实现

提出了动态数据驱动的森林火灾仿真方法,在仿真中将实际系统的实测数据反馈到模型中,以提高模型的准确性。仿真运行了模型的多个样本,模型的输入是大量动态的输入而不是传统固定的输入,每一步仿真结束后采用统计的方法筛选出较优样本集作为下一步仿真各样本的初始条件。该方法包含以下关键部分：如何基于不准确模型获得较为可信的仿真结果、模型计算结果准确性度量方法、应用系统的模型和大量仿真样本运行带来的计算复杂度和计算量大的问题等。为解决上述问题,基于离散系统仿真规范提出并实现了一个动态数据驱动的森林火灾仿真框架。实验表明,上述方法将基于传感器测量到的真实火灾数据动态反馈至仿真系统中,获得了更可信的仿真结果。     

航空发动机直接推力控制

为实现推力的多变量控制,首先研究了控制系统输出参数选择方法.输出参数选择采用相对增益矩阵(Relative gain array,RGA)和灵敏度分析方法.当RGA对角元趋近1而其他元素较小时,回路之间的耦合小,当输出对输入的灵敏度大时,输出易于控制.为此从常用被控参数中选择低压转子转速与推力构成控制系统输出.由于推力不可测量,采用神经网络对其进行在线估计,神经网络的输入采用遗传算法从航空发动机诸多可测参数中选取.最后设计了H∞控制器,通过闭环系统仿真,验证了本文方法的有效性.     

基于极大后验原理的非线性系统传感器故障估计

针对扩展卡尔曼滤波算法(Extended Kalman filter,EKF)计算复杂,粒子滤波算法动态跟踪能力差,单一无先导扩展卡尔曼滤波算法(Unscented Kalman filter,UKF)滤波精度低等缺陷,本文根据极大后验原理(Max-imum posterior principle,MPP),针对一类非线性系统设计了一种改进型的无先导卡尔曼故障估计滤波器来估计被控系统所发生的加性传感器故障。首先根据极大后验估计原理,推导出一种最优常值故障估计器。在此基础之上,推导出次优的加性常值故障估计滤波器,并对故障估计滤波器进行了无偏性证明。最后,将得到的理论结果应用于非线性倒立摆系统,仿真验证了所提方法的有效性。     

基于全知熵的模式集成不确定性度量模型

不确定性是模式集成的一个固有性质,不确定性度量对模式集成具有重大影响。本文提出一种度量模型,在该模型中模式对象及其属性清洗模块使该模型免受规模影响。根据模式集成多属性分阶段决策的特点,本文基于粗糙集理论的全知熵不确定率进行各阶段的不确定性度量,并把过程模型的不确定性度量引入到总体不确定性的度量中,最后给出了合成多不确定率的方法。实例分析证实所设计模型是可行、有效的。     

影响图决策方法在编队协同空战中的应用

针对空战环境下出现的大量不确定信息,将影响图决策方法和多Agent系统理论引入到编队协同空战决策研究中,把编队看成一个多Agent系统,编队中的长机和僚机都看成是Agent,利用影响图对多Agent系统进行建模,实现了编队中长机、僚机在不确定空战环境下做出结果最佳的决策。仿真结果表明了决策的有效性。     

无人机自动着陆中的机器视觉辅助技术

设计了一套辅助无人机自动着陆的机器视觉系统。该系统由机载硬件设备和用户开发软件共同组成,用以完成数字图像处理任务和无人机运动参数估计任务。系统传感器包括一个单目摄像机和机载惯性陀螺;数字图像处理使用的主要算法有图像的轮廓提取、角点检测和模版匹配。基于角点处各个方向上灰度差变化较大的特征,依据最小核值相似(SUSAN)算法和角点几何结构分析,提出一种改进的角点特征提取算法;根据任务开发的位置参数估计算法依据摄像机透视投影理论,运用摄像机成像标定方法导出了一种高精度的位置测量模型。通过计算机仿真表明,所提出的计算机视觉位置参数估计算法可以达到无人机着陆过程的精度要求。     

自适应差分进化算法在气动优化设计中的应用

以实数编码的差分进化（DE）算法为基础,引入种群熵估计方法分析种群个体的分散程度,自适应地调整设计变量的搜索范围。采用Navier-Stokes方程作为主控方程计算翼型气动性能,分别采用标准遗传算法（SGA）、基本DE算法和自适应差分进化（ARDE）算法作为气动性能优化算法进行了针对翼型的气动优化设计。函数测试实例表明,ARDE算法具有更好的收敛稳定性和收敛速度。并针对翼型气动优化问题的特点,分析了参数设置对ARDE算法优化结果的影响。实验结果对比表明,ARDE算法得到了更好的优化结果。     

基于神经网络的INS/SAR组合导航航迹状态估计算法研究

实现对已选航迹上的状态估计对于航迹规划有重要的指导意义,在干扰大的外界环境中,常规的卡尔曼滤波方法对组合导航航迹状态估计的精度已经不能满足要求,为此本文提出了采用BP神经网络用于组合导航的航迹状态估计。重点描述了BP网络用于航迹状态估计的设计方法,对训练样本的获得以及网络结构的选择给予了详细的介绍。最后结合INS/SAR组合导航的特点,分别采用常规卡尔曼滤波和BP神经网络进行航迹状态估计,仿真结果表明了该方法的有效性和实用性。     

基于MAP估计和广义高斯分布的SAR图像边缘比率检测方法

 合成孔径雷达(SAR)图像的低信噪比和乘性相干斑噪声给SAR图像的边缘检测带来了极大的困难.通过引入广义高斯(GG)分布作为局部均值功率的先验分布模型,给出了局部均值功率在最大后验概率(MAP)意义下的最优估计,进而提出一种新的SAR图像边缘比率检测算子.利用以梅林变换为基础的对数累积量(MoLC)方法估计GG分布的参数,在此基础上给出一种局部均值功率MAP估计和GG分布参数估计的联合迭代求解方法.利用SAR实测数据对本文提出的边缘检测算子进行仿真验证,并将其与平均比率(RoA)算子和指数加权均值比(ROEWA)算子进行了对比,结果表明该算子可以有效克服相干斑噪声的影响,边缘定位准确且虚假边缘明显减少.