神经网络在广义经典分配问题中的应用

在两节点分布式多传感器系统中,一些航迹关联算法可以化为广义经典分配问题。广义经典分配问题是一个组合优化问题。当目标数目较多时,很难得到问题的最优解,而且其计算量容易呈现指数爆炸现象。文章提出了用Hopfield神经网络和平均场网络解决此问题的方法。仿真结果表明,采用文章提出的人工神经网络模型求解广义经典分配问题,不仅使航迹关联具有较高的关联正确率,而且计算时间不会出现指数爆炸现象。仿真结果还表明,平均场网络相比Hopfield神经网络更易于得到问题的最优解。     

"电子篱笆"型空间监视雷达测向数据关联算法

"电子篱笆"型空间临视雷达利用多测站测向数据交叉定位获取空间目标的点迹测量,多目标同时观测时会产生虚假定位点.针对此问题,提出了一种基于空间目标轨道运动特征的测向数据关联算法.该方法利用目标多普勒测量值,结合不同测向数据关联方式下得到的目标空间位置,独立计算出各测站下目标的轨道倾角(称为多普勒倾角).基于各测站计算的轨道倾角差异度,考虑虚警与漏警后构建代价函数,筛选出代价最小者完成测向数据的关联.仿真实验表明,对于绝大多数空间目标,多普勒倾角的计算精度高,数据正确关联概率高,验证了方法的有效性和实用性.     

灰色关联法在保障性评价中的应用

灰色理论是现代工程领域解决数据不确定性和数据量不足问题的有效方法,该文给出了用灰色理论评价装备保障性的一般方法和步骤,并在传统灰色理论的基础上稍作了改进,从待评方案的各个指标值中选出一组最优值作为理想的参考方案,这样更符合客观实际。通过实例分析,这种方法计算简便,可操作性强,有实际应用价值。     

分类回归树在航天测控数据关联规则分析中的应用

发现参数间的关联规则对预测航天器系统状态和改进航天器系统设计都有着重要的意义。如何发现参数间的关联规则是航天测控数据分析中的一个难点问题。针对该问题，在概述小波分析和分类回归树基本原理的基础上，提出了一种基于分类回归树的分析方法。该方法首先采用小波分析技术对参数数据进行去噪声处理，然后用随机采样的方法把数据分为训练数据集和检验数据集两部分，再构建一个分类回归树模型并用训练数据集训练该模型，随后用检验数据集对该模型进行检验，在对检验结果好坏进行评价并确认获得较好结果的基础上，对分类回归树模型进行解析，并最终得出参数间的关联规则。最后运用仿真数据对上述方法进行了实例验证，结果表明该方法能较好地分析出参数间的关联规则。     

三棱柱尺度比对尾流场的影响

应用粒子成像测速技术(Particle Image Velocimetry,PIV)对不同柱体截面尺度比H (H=3.8、1.9、1.2、0.9、0.7)的三棱柱在雷诺数Re=500条件下的尾流场进行定量测量。对尾流场进行定常和非定常分析,同时结合本征正交分解法和时间空间关联法,研究尺度比H对尾流场相干结构以及尾流场中涡街稳定运输区和涡街流向运输速率的影响。研究发现,三棱柱尺度比H的减小对尾流宽度、尾涡形成长度都有明显的促进作用,但旋涡脱落变慢,非定常性变弱。分析各阶模态对湍动能的贡献,发现随着尺度比H的减小,高阶模态湍动能占比之和有所增加。这就导致尾流场愈加不稳定,涡街稳定运输区域、涡街流向输运速率均减小。同时尾流宽度增大,尾流场阻力系数CD增大。     

解决多目标跟踪和雷达测量问题的SME滤波器法

用以在多目标跟踪（ＭＴＴ）时保持规定航迹的对称测量方程（ＳＭＥ）滤波器法，被推广应用于雷达位置测量。ＳＭＥ滤波器的一个主要特性，是在进行目标状态估值时毋需考虑目标／测量关联，从而明显减小了ＭＴＴ计算的复杂性。本文导出三维空间内Ｎ个目标运动情况的ＳＭＥ滤波器，目标的运动包括恒速轨迹左右的随机扰动。假设这Ｎ个目标的球坐标位置（距离、俯仰角和方位角）的噪声测量值为已知，则这项工作的重点将是由球坐标位置值     

关联大系统的中性化分散控制与稳定性

本文提出了一种新的关联大系统中性化分散控制方法,可以使大系统处于非中性关联时的性能等同于子系统全解耦时的性能,确保各子系统有完全的自主性,避免了大系统的参数阵出现摄动,从而改进了关联大系统的整体性能。文中根据向量李亚普诺夫函数,在解耦分散控制子系统渐近稳定的条件下,提出了一种根据中性化关联矩阵判断关联大系统稳定性的方法。     

基于属性引导的多源遥感舰船目标可解释融合关联网络

多源遥感舰船目标关联作为前期大范围预警探测的重要手段为海上态势研判提供重要情报支撑,现有关联算法面临关联结果可解释性差,异构特征难度量,多源目标关联精度低等问题。提出了一种基于属性引导的可解释融合网络用于解决多源遥感舰船目标的关联问题。首先,提出全局关联模块,利用跨模态度量损失函数将图像特征映射到共同空间中度量,用于解决多源图像内容差异大,特征难对齐问题。然后,提出包含多头注意力模型和属性监督函数的可解释模块,提升关联精度并输出可解释的关联结果。其中多头注意力模型让网络关注到舰船目标显著性区域,属性监督函数引导模型关注舰船图像中判别性属性特征,利用属性特征帮助网络解释输出关联结果的决策依据,并以量化的形式可视化属性特征对关联结果的贡献度。最后,利用知识蒸馏的思想减小全局关联模块和可解释模块输出特征距离的差异,使得网络实现精准关联并提供可解释的关联结果。在实验部分,构建了首个多源遥感舰船目标数据集,在该数据集上的测试结果显示本文算法不仅在关联精度上优于现有算法,同时能够为关联过程提供清晰和直观的可视化关联结果。     

液体火箭发动机故障的数值型关联规则挖掘

数值型关联规则的算法大多是将多值属性关联规则挖掘问题转化为布尔型关联规则挖掘问题,而连续属性的离散化是数值型关联规则的核心问题。本文基于数值型关联规则的理论,用一种数理统计的方法进行连续属性的离散化。将该方法应用于某大型液体火箭发动机稳态段的热试车数据,然后利用FP-Growth算法对其进行测试,挖掘出了故障数据,进而验证了其可行性。