锂离子电池SOC及容量的多尺度联合估计

锂离子电池的荷电状态（SOC）和电池容量估计是电池管理系统的核心。由于SOC和容量在估计过程中参数相互影响,提出一种适用于三元锂离子电池SOC及容量的多尺度联合估计方法。采用戴维宁等效电路模型,建立数学模型及状态空间方程。针对不同温度下电池特性不同的问题,在不同温度下开展了模型参数辨识,建立了参数随SOC及温度的变化关系。基于双扩展卡尔曼滤波（DEKF）算法建立了电池状态多尺度联合估计模型,对电池的SOC、极化电压在微观时间尺度上进行估计,对电池的容量在宏观时间尺度上进行估计,并对SOC估计中的容量进行更新,保证了电池长期估计的精度。在宽温度范围内进行验证,所建立的三元锂离子电池多尺度联合估计方法具有较高的精度。      

基于CGAN的避扰通信决策网络离线式训练方法

基于强化学习的避扰通信,由于需要不断地与环境交互从中学习到最优决策,其决策网络的训练时间受环境反馈速率的约束,通常耗时严重。针对这一问题,提出了一种离线式训练方法。构建出一种频谱虚拟环境生成器,可以快速生成大量的逼真合成频谱瀑布图,用于避扰通信决策网络训练。由于所提方法脱离真实环境反馈,形成离线式训练,进而显著提高模型训练效率。实验结果表明:与实时在线训练方法比较,所提离线式训练方法的训练时间可以减少50%以上。      

基于受限参变率的飞翼无人机舵面阵风减缓控制

飞翼无人机具有俯仰惯量低、纵向稳定性弱等问题,使其阵风响应对飞行参数的变化较为敏感,并且飞翼无人机的舵面较多,不同的控制策略下阵风减缓的效果不同。因此,对这类飞行器进行考虑参数变化率阵风减缓线性变参数（LPV）控制律设计,并对不同舵面组合方式的控制性能展开对比研究。结合参数依赖的Lyapunov函数方法和变参斜投影降阶算法,构建了同时考虑参数变化率限制和模型降阶条件的LPV阵风减缓控制器。基于该方法对Mini-MUTT飞翼无人机模型设计LPV阵风减缓控制器;探究了不同舵面控制策略对减缓效果的影响。结果表明:采用变参斜投影降阶算法得到的降阶模型可有效表征全阶模型的动力学特性;设计的LPV阵风减缓控制器能够保证阵风在较宽速度范围内有效减缓;在单一舵面阵风减缓中,置于外侧的舵面控制效果优于内侧舵面;而在双舵面阵风减缓中,双舵面的控制效果优于单一舵面,但控制所需输入能量也会增加。在工程应用中需要针对具体问题,综合考虑控制效果和能量消耗以确定合适的控制策略。      

基于SMO的改进型转子位置检测方法

针对无位置传感器永磁同步电机（PMSM）在高速运行时无法准确观测转子位置,导致三相电流波动畸变的问题,提出了一种改进型滑模观测器（SMO）来预估转子位置和速度的新方法。该改进型滑模观测器采用S型切换函数来估算反电动势,并通过软件锁相环（SPLL）算法计算转子位置角,降低了传统滑模观测器抖振对转子位置角的影响,实现了PMSM在高速运行状态下转子位置角的准确观测。开发出一套高速永磁同步电机控制器,实现了电机在超高速高功率状态稳定运行。      

基于深度学习的图像拼接篡改检测

传统图像拼接检测算法通过研究人员手动构造拼接特征,随着科技的进步以及图像处理技术的不断发展,手动构造特征的局限性逐渐体现出来,鲁棒性较弱,位置不易确定等。为了解决这些问题,构建了一种卷积神经网络（CNN）,将卷积核前置并固定,自主学习相关特征从而检测拼接篡改的图像区域。经过一系列研究,发现拼接篡改图像的拼接篡改区域特征可以被CNN模型学习。在CNN模型之前,卷积核使用高通滤波器,激活函数采用指数线性单元（ELU）,使得CNN模型具有识别拼接篡改图像边缘痕迹等特征的能力。检测结果表明:在IEEE IFS-TC图像拼接取证竞赛训练集上对拼接篡改图像拼接篡改区域定位的准确率为84.3%,对拼接篡改区域判定的真负类率为96.18%。      

一种GTD模型参数估计的改进2D-TLS-ESPRIT算法

针对经典二维总体最小二乘法旋转不变子空间（2D-TLS-ESPRIT）算法估计二维几何绕射理论（GTD）模型参数精度不高、抗噪性能较差这一问题,提出了一种改进2D-TLS-ESPRIT算法。首先,改进算法通过将目标的极化散射矩阵加入到二维GTD散射中心模型,使得模型对目标极化散射特征的描述更加精准;其次,构建置换矩阵得到原始回波矩阵的共轭矩阵,并将两者结合起来,从而延长了目标电磁散射数据的长度;最后,仿真结果验证了改进算法的参数估计性能与噪声鲁棒性均要优于同类已有算法,雷达散射截面积（RCS）外推结果进一步验证了改进算法参数估计性能的先进性。      

基于边际-人工蜂群算法的舰载机机群出动保障人员配置-调度联合优化方法

保障人员配置和保障作业调度是舰载机机群出动保障任务决策的2项核心内容。针对复杂甲板作业约束条件下保障人员配置-调度联合优化的实际问题,首先,系统分析舰载机机群出动保障流程约束、出动时限约束、保障人员约束、保障设备约束、工位空间约束和资源供给能力约束。其次,以保障人员数量和负载方差和最小化为优化目标,建立了混合整数规划模型,进而提出了基于边际-人工蜂群（ABC）算法的两层优化决策架构。上层决策模型基于边际优化算法对保障人员配置方案进行迭代优化,下层决策模型采用改进的双向人工蜂群算法对舰载机机群出动保障任务调度进行优化。最后,通过典型算例验证了所提模型和两层优化机制的可行性与有效性。      

量子定位系统中符合计数与到达时间差的获取

基于MATLAB图形用户界面接口（GUI）,采用软件设计方式,实现量子纠缠光信号的采集,以及对采集到的两路量子纠缠光信号的符合算法。通过对符合算法中不同的符合门宽、采集时间和延时增加步长3个重要参数的性能实验,优化和确定各参数的选值。通过对量子纠缠光符合计数与到达时间差（TDOA）的研究,完成地面数据获取与信息处理模块的设计与实现。设计并实现了时间差拟合的仿真平台。实验结果达到了期望的精度和效率的需求。      

TCP协议在空间网络中的传输时延分析

探讨了为适应空间网络环境对TCP协议机制进行的一些改进,通过模拟实验,对协议改进方案的性能进行了分析和比较。实验结果表明：协议改进后能够减小时延,避免不必要的重传,提高了信道的利用率。     

基于深度学习的日间逐小时地表PM2.5浓度反演

以长三角地区作为研究区域,提出了使用深度学习算法来实现主被动遥感数据结合反演地表PM_2.5浓度的方法。基于MPL观测数据,使用雾霾层高度(HLH)替换了边界层高度(BLH)特征,对已有的基于气溶胶光学厚度(AOD)结合大气BLH来反演PM_2.5浓度的算法进行了改进。为提高数据覆盖率,对研究区域内的MAIAC AOD进行了填补与评估。利用多种机器学习算法实现了日间逐小时的PM_2.5浓度估算,模型验证相关性最高可达0.87。该方法能够为观测气候变化、应对大气污染提供有效帮助。