通信距离约束下异构水下爬游机器人任务分配

为了保证执行任务的水下爬游机器人之间时刻保持信息交互,提出了一种带通信距离约束的异构水下爬游机器人集群任务分配方法;首先,建立了异构水下爬游机器人集群的任务分配数学模型;其次,分析了多水下爬游机器人通信距离、航程等约束条件;最后,采用蚁群优化算法对异构水下爬游机器人集群的任务分配问题进行求解,在满足约束条件情况下实现了多爬游机器人总航行距离最短;仿真验证了该方法在通信距离约束下实现多水下爬游机器人任务分配的有效性.     

选煤厂信息物理系统任务调度研究

建立了选煤厂信息物理系统模型,将动态联盟思想引入选煤厂信息物理系统任务调度中,并提出了一种基于改进离散粒子群优化算法的选煤厂信息物理系统任务调度算法。该算法首先采用离散粒子群优化算法进行全局寻优,然后采用禁忌搜索算法进行局部搜索,求得全局最优解。仿真结果表明,该算法提高了任务调度的收敛速度、精度以及处理器的平均利用率。     

基于Windows XPE的水下航行器航行操纵系统多任务软件设计

航行操纵系统是水下航行器控制系统的重要组成部分;为了保证航行操纵系统的实时性与可靠性,鉴于其硬件板卡驱动支持Windows平台,故软件采用了一种基于Windows XPE实时嵌入式系统的设计方法,根据操纵要求对航行操纵系统实时多任务进行了划分,诸如手柄信息处理任务、自动控制任务和网络通信任务等,介绍了多任务执行实体—线程(thread)的优先级的设置和线程同步工具的选取,并分析了Windows的多线程调度策略,然后详细阐述了航行操纵系统各任务的执行流程以及实现方法;最后,对航行操纵系统进行了实验室仿真测试,结果表明该系统实时性和控制精度达到了设计要求,操纵系统性能良好.     

2D转3D处理中深度图超平滑处理算法的研究与硬件设计

该文研究了一种2D转3D处理中深度图超平滑处理算法,本算法在加权平均滤波器的基础上引入像素相关度,对平滑窗内的像素点进行选择,减少了区域外的点对中心像素的影响,有效解决了均值滤波器能引起区域边缘模糊的问题。同时,使用verilog语言实现了此算法,并且通过modelsim仿真软件进行了仿真。     

一种基于改进型边沿线平均算法的去隔行设计

该文在原有边沿线平均去隔行算法的基础上设计和实现了改进型的边沿线平均算法。本系统包括rgb2yuv,edge_detection,Sif,yuv2rgb 4个模块,可调参数通过AMBA总线配置。其中Sif模块为本文设计的重点.本设计用VerilogHDL语言实现,同时并为此设计搭建了功能完备的Modelsim仿真环境,进行了仿真验证,最后用FPGA实现其功能。     

无线传感器网络模拟程序MySim的设计

无线传感器网络(WSN)的模拟仿真是网络仿真领域的新课题.在简要分析现有传感器网络仿真工具的优缺点的基础上,阐述了现有网络仿真平台不适合进行WSN通用模拟实验的原因,提出应当根据WSN具体的应用需求,开发相应的网络仿真环境,并设计开发了一个抽象的WSN的模拟模型.在该平台的基础上,设计了可靠传输协议的模拟实验.实验结果表明,该模拟环境可以有效地对新算法进行实践和评价.最后得出结论,根据具体应用开发的模拟环境,能更好的满足WSN的仿真需求.     

舰船消磁可视化界面设计与实现

随着测磁和消磁硬件设备的快速发展,急切需要先进的测、消磁软件与之配合来高效地完成消磁任务,提出了基于虚拟仪器设计软件LabWindows/CVI和科学计算软件Matlab开发舰船消磁可视化界面的整体软件结构,推导了从实际测量深度到标准测量深度的磁场换算算法,通过Active技术实现两种软件接口调用,分析了舰船磁场的可视化描述和特征信息提取方法;在LabWindos/CVI平台下开发了舰船消磁可视化界面,调用Matlab完成磁场换算和数据预处理,充分利用了两种软件的优势;整体界面美观、操作方便、附加多种有用功能,实现了友好的人机交互。     

基于CAN 的某水下航行器内部网络时延统计方法研究

结合某无人潜航器(UUV)内部网络控制系统结构,对基于控制器局域网（CAN）的网络延时做了详细分析。针对网络时延造成控制系统性能下降,影响系统稳定这一问题,提出了一种统计网络时延的方法——软件信息传输仿真法。通过仿真网络内部信息的传输过程,观察各信息的传输状况,同时记录延时数据,为基于CAN总线系统的综合性能设计提供了理论依据。     

雷达电磁环境仿真的一种设计与实现

本文研究了导弹作战战场雷达电磁环境仿真的设计与实现问题,建立了雷达电磁环境的数学模型和信号威胁等级识别模型,提出了一种可视化系统设计方法,在运用可视化技术的基础上,结合雷达数据库的建立,实现了导弹战场雷达电磁态势显示,其结果有助于战场指挥员快速理解战场电磁态势,为作战指挥提供相应的辅助决策支持.     

基于自适应概率神经网络的变压器健康状态评估北大核心CSCD

传统变压器状态评估方法,多关注设备当前状态分析,缺少全方位预测其潜在健康状态方法,也无法确定变压器将来的故障发生概率。本文提出了一种基于自适应概率神经网络的变压器健康状态评估方法。该方法,首先从变压器内部本体特征和外部实时监测环境两方面,确定变压器健康状态指标因子,并进行数据预处理得到不相关的指标因子;然后,根据指标因子和样本标签,引入自适应参数训练,训练出用于预测的概率神经网络模型;最后,利用模型参数,通过将指标分为静态基础指标和动态可变指标,前者直接输入到网络中,后者利用AMIRA模型进行预测之后输入到网络中,得到变压器健康状态评估值。实验结果表明,该模型可获得更加准确的状态评估值,支撑变压器状态监测和预警工作。