基于超声波的移动机器人多目标探测定位方法

为了使移动机器人能够对离散的多个目标进行准确的探测定位,提出了一种新的超声波智能探测方法.采用3个收发一体的超声换能器阵列发送近似的平面声波波束,并建立空间坐标系.3个探头定时发送超声波脉冲,同时数字信号处理器采集并分析接收到的回波信号,在给定的算法下滤除杂波、识别提取回波首波、二次回波和三次回波等特征信号数据,在正确检测出各路波束的回波时间后,通过计算给出多个被测物体的准确定位.实验采用了杆件物体作为被测对象,对回波信号进行高速数据采集处理后计算出被测目标的坐标值,比较了计算物位与实测物位数据,结果验证了该方法的可行性与正确性.      

提高零控脱靶量预测精度的一种方法

对于大气层外拦截问题中以零控脱靶量(ZEM-zero effort miss)作为指标的预测制导方法,其ZEM的预测精度直接影响到最终的拦截任务.在线性化平方反比引力模型下,给出了基于目标轨道坐标系的ZEM预测算法,导出ZEM发生条件,并提出一种提高ZEM预测精度的方法,即通过初值轨道角速率的选取可明显改善算法的预测精度.同时将该算法与地心赤道惯性坐标系下的ZEM预测算法进行了比较研究,数学仿真结果表明该预测算法精度较高,具有一定的工程应用价值.     

无人机复杂环境中跟踪运动目标的实时航路规划

在复杂地形环境中,无人机在跟踪运动目标时,现有的航路规划方法在实时性和可行性上存在一定缺陷.提出了一种新的滚动窗口启发方向计算方法,使其能够跟踪运动目标,同时在滚动窗口内采用流函数法进行避障.根据无人机约束,滚动窗口为三角形,并设计了基于行为的伸缩功能.在流函数中,利用水势能方法克服了陷阱地形并进行了航路平滑.仿真结果表明:这种混合算法对于复杂地形条件下跟踪运动目标的航路规划,能够减小规划算法的时间和空间复杂度,使规划出的航路适于无人机飞行.     

集成式随动装置目标引导信息动态校准方法研究

光电对抗系统在机动状态下搜索和跟踪目标时,必须用位置陀螺代替码盘来确定目标方位角。但是,由于搜索轴陀螺存在漂移和累积误差,导致跟踪转台按照引导信息调转到位后目标无法进入跟踪视场,而且陀螺的漂移和累积误差是随时间和温度非线性变化的,很难直接进行修正。为了解决这个问题,提出了一种对引导信息进行间接动态校准的方法。     

自然对流对相变材料熔化过程的影响分析

为分析自然对流对相变材料熔化过程的影响,建立了二维瞬态、固/液相统一的控制方程,采用SIMPLE算法对底部加热、顶部冷却的方腔内相变材料熔化过程进行了数值仿真,研究了方腔内温度场和速度场随时间变化规律,结果表明:自然对流使液相区等效导热系数增大;随着固液界面向上移动,液相区自然对流逐渐增强,流动状态不断变化.     

基于遗传模糊聚类的机群编队最优分配方法

针对当前机群的编队分配存在效率低、编队分配结果不可靠、智能性差等问题,提出了一种新的结合遗传算法和模糊聚类算法的机群编队最优分配方法.该混合算法通过模糊聚类算法解决了机群的编队分配不确定性问题,并且通过对传统遗传操作算子的改进,采用改进的遗传算法有效地克服了模糊聚类算法容易陷入局部极小值和对初始条件敏感的缺点,使机群的编队分配能快速收敛至全局最优解.3组不同分布类型的机群编队分配算例结果表明,该混合算法具有较好的通用性、有效性和智能性,适用于机群的编队最优分配.      

海天混杂闪烁背景下运动点目标检测新方法

针对海天混杂闪烁背景及单像素运动点目标的特征,设计了海天相连区域快速定位及基于模式分类的环域全向差分扩展中-均值滤波的预处理算法,二次进行全向差分均值滤波后,利用基于直方图的自适应阈值分割得到初步侯选目标点.形态学滤波保留有效的单像素侯选点,最后进行帧间侯选目标点之间的相关性分析和目标短时丢失的直接再搜索.仿真实验采用两个实拍场景中加入单像素仿真目标生成的220帧图像,结果为:信噪比≥0.5时单帧检测率为91%,3帧以上的连续检测中检测率达到95%;对照组22帧不含仿真点目标,3帧以上的连续检测虚警数为0.      

卫星集群星间链路拓扑设计与相对导航（英文）

提出了一种基于星间测量与通信的卫星集群分布式相对导航方法,利用星间链路为相对导航提供星间测量并进行数据交换从而提高卫星集群系统的自主性。首先,考虑能量消耗和导航性能,将星间链路拓扑设计问题表述为一个多目标优化问题;此外,卫星集群以分布式方式进行相对导航,每颗卫星对相邻卫星进行测量并通过星间链路与相邻卫星通信,从而降低了导航的能耗和计算复杂度。采用NSGA-Ⅱ算法求解星间链路拓扑优化问题并基于一致性卡尔曼滤波进行分布式相对导航。本文提出的方法可适应不同的任务,卫星可以随时加入和离开集群并且对单个卫星失效具有鲁棒性。最后,通过数值仿真验证了本文方法的可行性。     

目标检测中特征不匹配问题研究进展

近年来基于深度卷积神经网络的目标检测器取得了跨越式进展,远远超过传统目标检测算法.但最新的研究表明特征不匹配问题已经成为深度目标检测器性能提升的一个瓶颈.目前在该问题的研究尚未有清晰的总结,因此本文首先对特征不匹配问题进行分析,提出特征不匹配问题的本质是由于目标检测的分类和回归任务优化目标的不一致造成,同时分析了特征不...