面向过程的虚拟训练动态评价方法研究

为解决虚拟训练过程中动态评价难的问题,在静态评价基础上,引入时序因子,构建了虚拟训练动态评价模型,在该模型中,使用时间步长和事件步长相结合的方法建立了由对象、时间、指标组成的三维排序评价矩阵;将有序加权算子(OWA)和权重评判函数相结合,提出了面向虚拟训练过程的时序平均加权函数,使用该函数对三维排序评价矩阵进行求解,完成了面向虚拟训练过程的动态评价。最后,将该方法应用于某型工程机械虚拟训练系统中,实现了虚拟训练过程的训练效果动态评价及评价过程的可视化。     

基于CCD的微小角度测量方法

针对光电转台转动静态参数的测试问题,提出一种应用激光器、CCD等器件的微小角度测量方法。通过CCD获取光电转台转动前后反射激光束在CCD靶面上的光斑位置,应用图像灰度级加权质心法提取光斑图像光心位置变化,最终通过数据统计算出微小角度值。实验结果证明,提出的微小角度测量方法具有结构简单、对准要求低、操作简单等特点,最小测角分辨率可达2.96μrad(0.6″)。     

基于簇加权的协作频谱感知算法

目前对于认知无线电分簇协作频谱感知算法的研究,大都认为每个簇均等的参与协作,没有考虑簇所经历的不同衰落对判决结果的影响.为有效解决这一问题,提出簇加权的协作频谱感知算法.该算法采用能量节省的分簇感知机制,充分考虑路径损耗与衰落对检测性能的影响.通过设计权重因子,动态调整各个簇的判决结果,强化权重较大的簇判决,弱化权重较小的簇参与协作的力度.仿真结果表明:该算法实现简单,可以显著提高系统的检测性能,并且明显优于传统的以及分簇的协作频谱感知算法.     

考虑尾流效应及连接架构的风电场等值方法研究北大核心CSCD

对大型风电场进行完整的仿真分析会消耗巨大的时间成本。文章提出了一种基于尾流效应和连接架构的风电场等值法,考虑了风机位置对输入风速的影响,最大程度地保留了原有结构和性能,建立了简单准确的等值模型。分析了容量加权法的误差及原因,提出了根据风电场连接架构对风机群进行考虑尾流效应的分组方法,并通过容量加权法对分组进行参数聚合。通过Matlab/Simulink建立仿真模型,结果表明,所提模型的各项性能在不同风向下均能与原模型性能相近,具有较高的精确度和适应度。     

物元分析法对土壤重金属质量评价的研究及改进

本文主要针对物元分析法在土壤重金属质量评价中的应用进行研究,并以东莞市12个监测点的土壤重金属监测数据为例对土壤重金属污染现状进行评价。同时,深入剖析物元分析评价法,对其方法的不足进行改进,研究结果证明,采用权重和毒性相结合的"基于加权毒性的物元分析法"是一种合理的计算方法,评价结果可靠、准确,是一种适用于土壤重金属评价的新方法。     

多轮分布式驱动车辆可重构集成协调控制方法

多轮分布式独立驱动平台运动控制技术的演进对提升特种无人车辆的快速机动性及操纵稳定性具有重要的战略意义,然而其底盘主动执行系统的故障率或相互干涉的可能性也大大增加。提出一种面向该平台的可重构集成协调控制方法,以实现车辆动力学性能的进一步提升。基于自顶向下的分层控制结构,在运动控制层引入考虑参数不确定性的自适应滑模控制器,以保证对车辆运动目标状态的准确跟踪,并生成所需的广义控制力;在控制分配层提出一种加权伪逆控制分配器,基于控制效率矩阵的零空间特性,在主动执行器饱和约束可行域内进行再分配修正,以完成从广义控制力到各车轮处轮胎力的优化分配,其中引入的配置矩阵与优化权重系数则分别实现对控制模型的重新配置以及分配目标的调节;通过设置主动执行器实现分配目标的执行。基于6×6分布式电驱动车辆原理样机,进行两种工况下的仿真和试验验证。研究结果表明,该控制器提升了多轮车辆在转向过程中的操纵稳定性,并获得了更高效更精准的多轮车辆驱动力分配控制效果。     

通信网络的支撑技术与发展应用

本文阐述了支撑通信网络的几种关键技术，并通过对这些技术的介绍，说明未来的通信网络是一个国际标准化的、综合化的、宽带化的多媒体数据通信网。对复杂通信网络拓扑结构的恰当描述与刻画是研究其可靠性及确定信号流在其中有效的传输方式的前提。通过引进适当的数据结构并采用递归分解的技巧，给出了将任意复杂通信网络分解为环、弦、链等基本网络结构的某种组合与连接的结构分解法，并由此得到了研究网络可靠性的新的两阶段法：即先分析各基本结构的可靠性，再由此给出原网络可靠性的估计。     

热储温度场分布特征及地热探测方法研究

本文针对地热温度场一般热传递方程,使用加权余量法求解边值问题的泛函,应用有限元进行网格划分,以稀疏矩阵的双线性插值和双二次插值求解系数矩阵。通过建立温度分布-电阻率模型,分析储热层温度分布特征及其电磁响应模拟,提出了电磁测量电阻率探查地热田构造和温度的解释技术,并通过地热田探测实例验证了我们所提方法的有效性。     

基于分段加权的点积相似度方法研究

针对信噪比较低或因噪声干扰造成的谱图质量较差时,传统加权点积方法由于不能有效利用谱峰分布规律和不同质量区间谱峰在谱图识别中的作用而易出现相似度较低、假阳性或假阴性等问题,提出了基于分段加权的点积相似度方法。首先利用谱峰的分布规律合理地确定各个质量区间的范围,依据不同的质量区间在谱图识别中的作用设置不同的质量数(mass/z)权重值和丰度权重值,然后按赋予的权重值计算谱图相似度,以甲基磷酸二甲酯谱图为例研究了合理确定各分段权重的方法。采用该方法在NIST08标准参考谱库(191 000张谱图)中检索1000多张谱图的准确性实验表明,与传统加权点积方法相比谱图识别的准确度提高了16.2%;通过质谱仪得到样品的实测谱图在参考谱库中检索结果表明,该方法能有效提高谱图匹配的相似度和准确度,与传统加强点积方法相比,不同浓度的八氟奈谱图相似度平均提高了2.3%;采用该方法处理同分异构体化合物,如邻二甲苯数据时,提高了相似化合物的选择性。     

基于训练集聚类的加权KNN算法研究

针对传统K-最近邻(K-Nearest Neighbor,KNN)算法在数据量较大时分类效率较低的问题,提出一种基于训练集聚类的加权KNN算法,通过模糊C均值(Fuzzy c-means,FCM)算法将训练集聚类,当有待测样本需要分类时,根据待测样本与各个类的位置关系快速查找k个最近邻,缩减了计算量,提出的算法还通过加权来减小k值的选择对分类结果的影响,经过数值实验验证了算法分类的准确性更好。