MATLAB在弹道仿真中的应用

在导弹的设计、研究中,弹道仿真是一项必不可少的实验工具.如何能够高效地运用Matlab软件进行弹道全数字仿真是文中主要探讨的问题.针对这一问题,首先分析了弹道仿真数学模型的特点,并以滑翔增程弹为例,详细研究了在M文件、simulink工具箱以及两者交互使用环境下建立外弹道质心运动系统仿真模型的方法和优缺点.最后给出了一定条件下的弹道仿真结果,以此证明该仿真算法对弹道进行仿真研究具有模型设计简单、参数易于修改和结果直观等特点.     

H.264视频码流中运动物体的提取

H.264是新一代视频编码标准,具有广泛的应用前景。本文主要讨论了基于H.264视频流中运动物体检测的问题。首先简要介绍了H.264视频编码标准,然后分析了各种编码图像帧的编码过程,从而得出根据运动矢量来检测运动物体的方法,并分析了因摄像机运动而对检测方法造成的影响及相应的处理方法。从实验结果可以看出,检测效果还是比较令人满意的。     

Windows环境下的数字图像采集技术研究

介绍了Windows环境下进行数字图像采集的两种方法:一种是根据图像采集卡自带的工具箱中的函数进行开发,另一种是利用Windows提供的视频开发组件VFW(VideoforWindows)进行视频开发。对于第一种方法,作者以大恒公司生产的QP-300视频采集卡为例详细介绍了如何利用生产商提供的各功能函数进行实时视频捕获和图像采集;采用第二种方法时,开发人员不用了解硬件特性及SDK中的功能函数也能熟练地开发采集程序。     

多传感器融合在无人机室内三维定位中的应用

基于超宽带（Ultra Wide Band,UWB）技术,可以解决无人机的室内定位问题,但定位精度还不够高。针对上述情况,提出了基于无迹卡尔曼滤波（Unscented Kalman Filtering,UKF）的UWB定位技术和惯性测量单元（Inertial Measurement Unit,IMU）,以及光流传感器相融合的内外环室内定位方法,以基于IMU测得的姿态控制为内环,UWB、光流测得的位置控制为外环,利用UWB在视距情况下得到的精确位置信息来修正IMU的累积误差,同时在非视距情况下,用IMU的短时精确位置信息对UWB的定位误差进行补偿,提高定位精度。最后设计了实物仿真平台。实验结果表明,上述室内定位方法实际定位精度小于10 cm,导航误差为0.7%,且能快速地进入稳定状态,满足无人机室内定位的需求,同时极大地改善了原有设备的定位精度。     

瑞宫别墅区案例——诠释装饰材料在设计意图及表现风格中的意义

1项目概述 本案例具有得天独厚的地理位置,它位于唐山市南湖公园东侧,南湖公园是2016年世界园艺博览会的举办主场地,相当于两倍西湖般大小,园内众多天然的自然景观,俊美奇秀.拥有南湖边的住宅是众多成功人士的追求,也是其身份与地位彰显.本案别墅结构为地下一层,地上两层,有下沉式庭院,地上南侧与西侧被花园包绕.     

高压无气喷涂扇形喷嘴结构参数对内部流场影响的数值模拟

为研究高压无气喷涂中喷嘴内部结构参数对内部涂料流动状态的影响,在Fluent中对不同结构参数（收缩角,出口段长径比,出口切槽夹角）的喷嘴模型分别进行建模及数值模拟计算,黏性模型为层流模型,涂料为乳胶漆。仿真结果表明,在其他条件不变的情况下,喷嘴收缩角,出口段长径比,出口切槽夹角的改变都会对内部涂料的流动状态产生影响。随着喷嘴收缩角的增大,涂料流体的压力衰减和速度梯度也会明显加大;长径比的改变会影响流体的流速。切槽夹角对流体流速的影响较大,随着切槽夹角的增大,流体出口流速也会增加,但集束性会随之降低。     

交流电弧炉电极智能预测建模及应用

交流电弧炉电极控制系统是一个多变量、非线性、参数时变、复杂强耦合系统,传统方法很难建立其数学模型.为此从电极控制的实际应用出发,提出了一种变结构遗传Elman网络预测建模方法,其中改进的混合遗传算法用来对网络结构和权值及自反馈增益的同步动态寻优.并将基于BP算法的改进Elman网络和本文提出的变结构遗传Elman网络都应用于交流电弧炉的电极模型建模中.通过基于安钢现场数据的计算机仿真实验表明:变结构遗传Elman网络克服了因复杂对象造成的网络结构复杂问题和采用BP算法带来的权值训练缺陷;具有更好的动态性能,逼近速度快,精度更高等优点.     

一种基于粒子群参数优化的改进蚁群算法

蚁群算法是一种应用广泛、性能优良的智能优化算法,其求解效果与参数选取息息相关.鉴于此,针对现有基于粒子群参数优化的改进蚁群算法耗时较大的问题,提出一种新的解决方案.该方案给出一种全局异步与精英策略相结合的信息素更新方式,且通过大量统计实验可以在较大程度上减少蚁群算法被粒子群算法调用一次所需的迭代代数.仿真实验表明,所提出算法在求解较大规模旅行商问题时具有明显的速度优势.     

神经网络在无人驾驶车辆运动控制中的应用综述

无人驾驶车辆自身具有强烈的非线性、信号时延和参数不确定性,对它的控制还受到道路附着系数的变化、侧向风等外界因素影响。因此传统控制方法往往难以对其稳定和精确地控制。神经网络所具有的学习能力、自适应能力和近似非线性映射的能力,为解决车辆模型参数的不确定性、外界的扰动以及车辆自适应控制问题提供了有效的途径。针对上述几个方面,对近几年国内外学者将神经网络应用到无人驾驶车辆运动控制中所取得的成果与进展进行了归纳分类,分别介绍了应用情况并对优缺点进行评价。最后总结了神经网络在无人驾驶车辆运动控制中存在的主要问题,并展望了可能的发展方向。