一种基于BP神经网络的江河潮位短期预测

江河涌潮与海洋潮汐相比较,其潮位和潮时有着与海洋潮汐规律相同的一面,但它与海洋潮汐所不同的是,其更容易受到天文、气象等因素的影响,有着异于海洋潮汐的不稳定性.涌潮的潮位值变化就是各种因素综合结果的表现.通过借助BP神经网络可以逼近任意非线性函数的能力和特点,构建一个用于短期预测潮水潮位的模型,利用一小部分潮位的历史数据...     

强机动目标跟踪自适应交互式多模型算法

针对机动目标跟踪过程中建立的目标模型和目标的实际运动模式出现失配的问题,提出了从一组离散模型集中选出最优模型,并自适应调整模型参数,使模型逼近目标实际运动模式的交互式多模型算法.蒙特卡罗仿真表明,该算法与传统的常速模型与自适应协同转弯模璎交互算法(IMM-CV/ACT)相比,在目标发生强机动时,能及时有效的把跟踪误差峰值控制在测最标准差之下,适合于强机动目标跟踪.     

不确定线性系统鲁棒二次最优控制的时频域方法

利用时域和频域结合的方法,讨论了线性不确定系统鲁棒二次最优控制问题;提出了线性不确定系统鲁棒二次最优的概念,并证明了有关性质,建立了鲁棒回差方程,阐述了鲁棒二次最优控制系统的分析和综合方法;最后给出了工程应用设计实例。     

单机调度问题对偶集结迭代算法

具有到达时间约束、目标为最小化加权完工时间之和的单机调度问题是一个典型的NP-hard问题,采用时间下标建模的线性规划松弛方法可提供一个很强的下界,但优化求解存在维数困难.为此,本文提出了一种对偶集结优化策略,通过选择一个衰减集结矩阵集结对偶乘子变量,利用对偶理论获得模型的约束集结,从而降低计算复杂度.同时分析了集结模型的结构特性,并提出一种迭代算法来改善下界.仿真结果表明对偶集结迭代算法能够减少计算时间,同时改善下界性能,适用于大规模调度问题.     

声传感器网络目标定位算法实现研究

声传感器可以通过分析接收到的目标发出的次声波噪声得到目标的方位角和属性信息,通过对声传感器的组网,融合网内多传感器的信息,可以实现对目标定位的目的。因此定位算法及其实现技术是声传感器网络的核心技术之一。由于声传感器网络中各个探测区域具有不同的特点,首先根据声传感器网络的特点将定位算法进行了分类,提出了一种有效的算法选择机制,减少了时间延迟对于目标定位的影响。同时为了降低目标定位算法的复杂度,提高运行效率,提出了并行处理和数据存储的方案。最后通过仿真验证了方法的有效性。     

被动声传感器网络数据仿真平台研究

目标的声传感器数据是被动声传感器网络算法研究的前提和依据,其可靠性和真实性是非常重要的,但是如果通过现场实测获得,往往耗资巨大,设计一种逼近实际的被动声传感器网络数据仿真平台越来越显示出其必要性。给出了一种被动声传感器网络数据仿真平台的实现方法,通过该平台,可以方便灵活地模拟低空和超低空目标的各种机动飞行,并产生仿真数据。实验将平台产生的仿真数据与实测数据进行了对比,结果表明该数据仿真平台符合应用要求。     

基于扩展卡尔曼滤波的声传感器跟踪算法

针对声传感器单站单目标跟踪,提出了一种基于扩展卡尔曼滤波(EKF)的跟踪算法,将声波传输时延的影响转换到运动模型的可变周期上,通过参数在线估计的方法,估计该可变周期,进而解决了有信号时延的跟踪问题。通过把先验已知的速率当作观测值,解决了纯方位角跟踪时系统不完全可测的问题。仿真验证了算法的正确性和有效性。     

使用ESM方位与多普勒频率量测的目标跟踪

针对ESM传感器能够同时测量方位角与多普勒频率的特点,提出了基于MGEKF的ESM多普勒频率/方位角目标跟踪算法(DB-MGEKF).与通常的纯方位角目标跟踪算法相比,DB-MGEKF算法增加了多普勒频率量测信息,并引入了能够较好处理系统非线性问题的修正增益扩展卡尔曼滤波器(MGEKF),从而提高了目标的估计精度及滤波...     

二阶最优解析设计法

本文根据LQ问题加权阵选择的逆方法,推导出二阶系统两个主要动态参数ζ、ω_n与加权阵Q、最优反馈阵K以及被控对象参数之间的关系。实际工程设计中,只要动态指标ζ、ω_n和系统参数满足文中给出的关系式,即可用状态反馈法构成具有希望动态指标的最优闭环系统,同时得到对应的加权阵Q。二阶最优解析法用于φ300mm四辊可逆轧机板形板厚综合调节系统的设计,数字计算机仿真及微型机模拟试验证明,所得结论完全正确,控制精度达到设计要求。