基于灰色系统理论的水下航行器效能评估方法研究

针对水下航行器的自身特点,从效能的观点对水下航行器相关因素进行了属性划分,建立了水下航行器效能评估指标体系;并根据已知信息,运用灰色系统理论和层次分析法对水下航行器效能评估进行了研究,提出了水下航行器效能灰色评估方法。采用该方法对水下航行器的性能进行了综合评价,结果表明:该方法解决了水下航行器评估中难以处理的信息不完全和部分信息模糊的问题,提高了水下航行器效能评估的客观性和有效性,为水下航行器系统的技术优化和使用效能的提高提供了科学决策依据。     

窄带弱信号的线谱检测——相干累加频域批处理自适应线谱增强方法

为了提高声纳远程弱信号或强干扰背景下的线谱检测能力，提出了一种利用相干累加频域批处理（coherent addition and frequency domain batch，CAFB）自适应线谱增强技术实现窄带弱信号线谱检测的新方法.该方法将接收信号进行相干累加预处理，使输出信噪比获得提高.提取线谱采用时域自适应线谱增强方法(adaptive line enhancement，ALE)，无需独立的参考信号，自适应地与相关的正弦或窄带信号进行匹配，可以从加性宽带噪声背景中将正弦或窄带信号分离出来.同时将频域批处理方法引入时域自适应线谱增强算法，有效地减小了算法的计算量．仿真和湖试、海试试验结果表明，该方法提高了低信噪比条件下的弱信号线谱检测能力，在获得较高的检测处理增益的同时解决了实时处理的运算量问题，使工程应用得以实现．     

应用PSO和SVM的水下航行器黑箱建模

随着新型水下航行器不断涌现,现有水下航行器数学模型已难以与实际模型吻合.为更好了解新型水下航行器实际模型以及预测新型水下航行器运动,提出应用粒子群(particle swarm optimization,PSO)参数寻优和支持向量机(support vector machine,SVM)的水下航行器黑箱建模方法.首先根据水下航行器的运动状态信息和推进器力,应用支持向量机构造出之间的非线性映射关系,然后通过粒子群智能优化算法获得支持向量机的最佳参数组合,进而实现水下航行器的黑箱建模,最后根据推进器力是否时变,分别以新型四旋翼水下航行器的两种空间运动进行实验验证,并以均方根误差作为空间运动预测结果的评价标准.试验结果表明,基于粒子群参数寻优和支持向量机所构建的水下航行器黑箱模型对空间运动预测具有较小的均方根误差,空间运动预测结果与实际运动基本一致,所建黑箱模型与实际模型基本吻合,能有效预测水下航行器运动状态.     

未知环境下多自主水下航行器目标搜索方法

针对未知复杂环境下,传统搜索模式或离线设计全局优化航迹的自主水下航行器搜索方法中,搜索效率低,定位精度不稳定,环境适应能力差等问题,本文提出一种基于动态预测的多自主水下航行器协同自适应目标搜索方法,该方法分为3种模式:有目标模式,根据获取声呐视域中的目标信息进行自适应的实时目标搜索;无目标模式,利用分区域策略辅助区域搜索覆盖、协同规划任务;避障模式,利用改进的动态窗口法实时面对复杂的障碍威胁;根据不同的水下环境,3种模式间交替切换执行,完成未知水下环境的目标搜索。仿真结果表明:该方法能够应对未知水下的不确定信息,保障目标状态信息的可信区间,具有环境适应性和搜索高效性。     

基于协同对抗的水下博弈策略优化

针对多自主水下航行器(autonomous underwater vehicle,AUV)的水下协同对抗博弈问题,以博弈论为基础,多AUV的多次对抗为作战背景,从同时考虑敌我双方对抗策略的角度出发,对多AUV的动态协同攻防对抗策略问题进行了研究。考虑生存概率指标函数和水下环境影响,建立了基于动态博弈的多自主水下航行器的单元目标分配模型,构建博弈矩阵。在此基础上,采用粒子群算法,通过求解博弈模型的纳什均衡解,形成博弈对抗双方的最优攻防决策方案,并对所研究的攻防策略优化方法进行了仿真验证,结果表明该模型和方法的可行性和有效性。     

基于灰色预测的AUV水平面轨迹跟踪控制研究

为解决自主式水下航行器轨迹跟踪控制中的不确定性问题,以及在各种航向角偏差情况下,保证正确的航向和准确的轨迹跟踪问题．提出基于灰色预测的模糊自适应航向角控制系统,克服不确定性对轨迹跟踪控制的影响;以航向角偏差预测值作为轨迹跟踪方案的选择依据．通过对水下航行器S形搜索的轨迹跟踪进行仿真研究,结果证明该方法具有较好的控制效果,可以保证水下航行器在不同航向角偏差的情况下稳定、准确的进行轨迹跟踪．     

水下运动声源部位识别方法研究

为了对水下航行器噪声源部位识别方法的可行性进行验证,研制了一套模拟试验系统。设计了非均匀水听器线列阵,采用常规波束形成(CBF)算法和反卷积(DAMAS)算法对噪声源部位进行了识别。通过对水库试验中静止及运动状态模拟声源的辐射噪声解算,验证了水下运动声源部位识别试验方法的有效性。实验表明:2种噪声源识别算法平均定向偏差小于0.2°,其中反卷积算法性能更为优越,适用于水下航行器噪声源识别。     

水下超高速航行体的动力学建模及控制问题研究

水下超高速航行体的全部或大部分表面被空泡包裹,只有小部分与水接触.空泡的包裹一方面使航行体的阻力显著降低以达到高速航行的目的,另一方面又改变了航行体所受流体动力及其力矩的平衡方式,给超高速水下航行体的建模和控制带来了很大难度.该文采用空化器和尾部控制面联合控制方法,建立了水下超高速航行体纵向运动的动力学及控制模型.利用鲁棒性极点配置算法设计控制器并对该系统进行了仿真分析.分析结果表明,该控制方法能够明显改善超高速航行体系统的动态稳定性和可控品质,为进一步研究水下超高速航行体的动力学控制问题提供了一定的理论依据.     

非线性时变系统的控制

针对变质量水下航行体提出了一种采用两级ＰＩＤ调节，控制参数随水下航行体质量和速度变化而进行优化处理的参数自适应控制方法，旨在解决水下航行体非线性参数时变问题，以便进一步提高水下航行体的航行性能。     

远程自主水下航行器建模研究

通过对远程自主水下航行器进行动力学和运动学分析，基于经典的动量和动量矩定理。在地心惯性坐标系下建立了一种适合远程应用的自主水下航行器模型。该模型不仅考虑了地球的曲率，也考虑地球的自转运动，可应用于水下航行器导航与控制系统的一体化仿真及系统精度分析。     

基于高阶累积量的自适应IIR线谱增强器

将四阶累积量的递推算法推广到求正弦信号的四阶混合累积量，并提出了一种基于四阶混合累积量切片的自适应IIR结构的线谱增强器算法。该线谱增强器通过自适应前向线性预测法求得滤波器的系数，从而使带噪信号的线谱成份得到增强。仿真结果表明，在平稳或非平稳输入信号情况下，该算法从色噪声中提取正弦信号的能力优于基于二阶自相关函数的自适应IIR线谱增强器。     

自适应噪声对消应用于高压绝缘子泄漏电流检测的研究

随着电力系统的发展和各类污染的加剧 ,高压绝缘子的污秽闪络事故日益严重 ,对其泄漏电流的检测具有实际工程意义 .结合普通自适应噪声对消和自适应谱线增强原理 ,提出了一种改进型自适应噪声对消器 ,用于高压绝缘子泄漏电流检测 .它兼有自适应谱线增强器有效滤除高频噪声信号和噪声对消器有效滤除低频噪声信号的特性 ,经仿真和实例表明 ,具有很强的噪声滤除能力和鲁棒性 .     

小波多分辨率分析及其在自适应消噪中的应用

针对自适应消噪中存在的问题,提出一种基于小波多分辨率分析的自适应消噪算法,利用小波多分辨率分析理论,把信号和噪声正交分解于不同的频率范围中,从而减少了自适应滤波器的阶数,提高了算法的收敛速度和稳定性。选择若干不同频率尺度上信号作线性组合,对组合后的信号进行自适应谱线增强,保存了信号的高频信息。仿真实验结果证实了该算法的正确性,且在实际消噪应用中取得良好的效果。     

基于LVE和ARG算法的冠状动脉分割

为克服传统区域生长方法中容易发生的欠分割和过分割现象,引入局部图像分析技术,设定一系列感兴趣区域(ROI),对冠状动脉的多层螺旋CT(MSCT)图像进行分割。首先应用基于Hessian矩阵的局部血管增强(LVE)滤波,提升图像的对比度;随后采用自适应性区域生长(ARG)算法,并对阈值适时调整。分割后的局部图像经过全局融合得到整体冠脉树。算法综合了图像的局部形状信息和灰度信息,确保了分割结果的准确性和完整性。实验结果表明,算法对左前降支(LAD)、左回旋支(LCX)、对角支(Diag)及右冠状动脉(RCA)均有较好的分割效果。     

基于粒子群优化算法的高阶累积量滤波器

基于高阶累积量（HOC）的自适应滤波器能够滤除高斯噪声或其它具有对称概率分布函数的噪声，其解法一般采用的是梯度搜索法，但是梯度搜索过程难以避免局部收敛而且计算复杂．粒子群优化算法（PSO）具有算法简洁，易于实现，且不需要梯度信息等优势．使用粒子群优化算法求解高阶累积量自适应滤波器系数优化问题，为滤波器参数的优化提供了一种新的思路．仿真结果表明，使用PSO优化算法求解自适应滤波器系数能获得更高的精度．同时PSO算法受系统跃变的影响较小，因此它在求解非平稳过程模型系统时具有一定的优势．     

基于粒子群优化算法的高阶累积量滤波器

基于高阶累积量(HOC)的自适应滤波器能够滤除高斯噪声或其它具有对称概率分布函数的噪声,其解法一般采用的是梯度搜索法,但是梯度搜索过程难以避免局部收敛而且计算复杂.粒子群优化算法(PSO)具有算法简洁,易于实现,且不需要梯度信息等优势.使用粒子群优化算法求解高阶累积量自适应滤波器系数优化问题,为滤波器参数的优化提供了一种新的思路.仿真结果表明,使用PSO优化算法求解自适应滤波器系数能获得更高的精度.同时PSO算法受系统跃变的影响较小,因此它在求解非平稳过程模型系统时具有一定的优势.     

参考受扰的自适应干扰对消的累积量方法

针对参考通道受到来自信号通道干扰的干扰对消系统,以高阶累积量为手段,结合自适应算法,实现了信号与干扰的分离。新方法不但能抑制高斯噪声,而且对步长的变化也不敏感     

基于四阶混合累积量的自适应线谱增强器

将四阶累积量的递推算法推广到求正弦信号的混合四阶累积量，并提出了一种计算正弦信号四阶混合累积量的自适应线谱增强递推算法。该线谱增强器的结构为自适应FIR滤波器，当输入为含有高斯噪声的正弦信号且处于稳态时，滤波器的权系数与输入信号的四阶混合累积量的一维切片成正比，而与高斯噪声无关，从而使信号的线谱成份得到增强。仿真结果表明，该算法从高斯色噪声中提取正弦信号的能力优于二阶自适应短时相关增强器。