基于数据质量评价的目标估计

针对目标估计过程需要大量人工参与、自动化程度低的问题，提出了基于数据质量评价的目标估计方法。利用目标数据质量评价方法，对不同传感器得到的目标数据质量进行科学、有效的测度和评价，并根据质量得分动态调整各数据源在目标估计过程中所占的权重，从而减少人工干预，提高目标估计效能。仿真试验结果证明了该方法的有效性。     

基于单光子计数激光雷达的Bayesian检测研究

在单光子计数激光雷达检测领域,目前的检测方法在低信噪比情况下虚警概率会增加,同时也无法适应噪声变化的问题。针对这些问题,提出了一种基于Bayesian的检测方法,该方法首先通过雷达方程估计回波信号光子数的范围,将其作为先验信息,而后结合二项分布建立了累计概率模型,基于Bayesian判决准则计算得到检测阈值,此阈值能够在检测概率与虚警概率中间择其平衡。这种方法不仅克服了低信噪比检测困难的情况,还减少了先验信息的获取难度。实验结果表明,对比固定阈值其虚警概率降低了10倍。对比“恒虚警”其检测概率提高了约20。验证了方法具有良好的检测效果,具备一定的可操作性。     

一种直升机避障电力线检测方法

电力线是一类形状细长、特征稀疏、随着视角的变化容易混淆在大量背景信息中的特殊障碍物，常规电力线检测识别算法得到的目标框对电力线所在位置的估计不够准确。为此，提出了一种相对角度估计方法，基于常规电力线目标检测与识别算法，并结合电力线相对角度估计，从而提高电力线的检测识别过程中所在位置的精度。相比电力线绝对角度回归的方法，提出的相对角度估计方法容易训练易收敛，计算量小，适用于实时性要求较高的应用场合。     

基于Lissajous曲线拟合的EFPI光纤传感器腔长解调

为提高非本征光纤珐珀传感器(Extrinsic Fabry-Perot Interferometric, EFPI)腔长解调的精度，基于EFPI传感器反射光谱近似余弦函数的特性，设计了一种基于李萨如图形(Lissajous-Figure)与标准形式椭圆曲线拟合的解调方法。将两组光强信号经过坐标变换拟合为标准椭圆曲线，以减少求解参数；并通过经验模态分解对数据进行分析，去余项后将得到的极值点代入椭圆曲线求解。将离散数据点分别移动5、10、15、20、25个点测试五组不同相移对解调结果的影响并选取其中误差最小的一组对EFPI传感器进行横向负载实验，分别施加5~25 N的应力，通过拟合椭圆曲线的解调方法将计算腔长差与理论腔长差相对比。结果表明，实际腔长差随负载成正比，平均误差值为5.690%左右，可以准确获取 EFPI 的腔长。     

基于Massive MIMO及频谱叠加的5G SA网络上行优化方法

大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)可以有效提升5G SA网络的上行链路数据传输速率以及可靠性。针对5G SA网络上行链路速率和覆盖不均衡的情况,提出了基于大规模MIMO的分组算法,将发送信号矢量进行分组,组内采用最大似然检测,组外采用基于正交三角分解(QR分解)的干扰消除检测,并且结合5G频谱的叠加策略,在降低算法复杂度的同时,有效提升网络覆盖和速率。通过5G SA现网实测,通过MIMO降低分组数量能够提升分组检测性能,结合上行低频段频谱叠加策略能够有效提升5G SA网络上行覆盖30%,提升5G SA网络上行平均速率40%~80%,特别是弱覆盖边缘的网络速率,最高可达600%。     

基于模型预测控制的半潜漂浮式风机协调控制方法研究

研究漂浮式海上风力发电考虑输出功率与机械载荷的协调控制，有助于提高深远海风机运行的经济性和安全性。为实现漂浮式风机的多目标控制，以NREL 5MW半潜漂浮式风机为研究对象，在Matlab/Simulink平台上设计并搭建增益调度多模型预测控制器(gainschedulingmulti-model predictive controller,GM-MPC)。基于各稳态工况下风机开环动态性能的分析以及模型线性化处理，建立半潜漂浮式风机控制模型，与高保真FAST模型仿真对比，验证了所建控制模型的准确性。在实现模型预测的基础上，根据实际风机工况和约束条件，以为减少功率波动、塔架载荷和执行器动作次数为目标，优化求解出每一时刻下的最优控制量，从而实现GM-MPC的滚动优化。为证明控制器的有效性，在多种风-浪联合载荷的工况下，与基于蚁群优化算法的独立变桨控制策略进行了对比实验。结果表明，所设计的控制策略使半潜漂浮式风机在满足功率平稳性的同时降低了机组的机械载荷，使其能适应深远海环境下的复杂运行工况。     

物理化学实验教学中课程思政的探索

《物理化学实验》是很多工科院校开设的一门必修的、独立的基础实验课，它综合了化学领域中各分支所需要的基本研究工具和方法。本文就物理化学实验课程中思政元素的挖掘及实施进行了探索和讨论。通过本课程培养学生规范严谨的实验习惯、实事求是的科学态度、分工协作的团队精神、勇于探索的创新精神等良好品格，实现与思想政治理论课同向同行，协同育人。