定向井压裂裂缝三维扩展形态的可视化仿真

在石油定向井压裂过程中,井筒附近的水力裂缝的三维扩展往往存在转向及扭曲等复杂形态,容易引起一系列施工问题.由于目前条件的限制,裂缝形态大多以图表数据来展示,使得人们很难对裂缝的三维形态产生形象的直观认识.为了解决定向井三维裂缝扩展形态复杂难以可视化的问题,深入研究了井筒附近裂缝空间转向模型,并进一步将定向井裂缝延伸模型的适用范围扩展到了任意的井斜、方位及射孔方位下.同时,对可视化平台软件进行二次开发,使得建立的定向井裂缝扩展模型能在仿真界面上显示出来.仿真结果表明,裂缝扩展的建模思路和仿真方法能够取得很好的可视化效果.     

军事物流配送中心选址模型的构建

研究了军事物流配送中心优化选址建模问题。针对当前军事物流配送因为涉及变量多,关联程度强难以进行选址的难题,为加强选址的科学决策,对军事物流配送中心概念进行了界定,在明确军事物流选址的流程、步骤和一定数目的备选配送中心的基础上,采用离散二进制PSO解决配送中心的选择问题,建立了根据粒子群优化算法的军事物流配送中心选址优化模型。通过实例验证,模型构建科学合理,降低了计算的复杂度,优化了选址模型,为解决军事物流选址问题提供了科学的途径和手段。     

基于模糊神经网络的智能车辆路径跟踪

在自主车辆路径优化控制的研究中,针对智能车辆传统的路径跟踪控制需要建立精确的数学模型且鲁棒性差的问题,提出了一种模糊神经网络的角速度控制器设计方案。首先建立了智能车辆运动学模型;然后以方向角误差和位置误差作为该控制器的输入,利用神经网络的学习能力来调整模糊参数得到性能优化的控制器,最后对直线和圆路径进行了路径跟踪仿真。仿真结果表明提出的模糊神经网络控制算法具有很高的控制精度和较好的鲁棒性,能够满足智能车辆实时精确路径跟踪的优化控制。     

概率表示的二进制粒子群算法在组卷中的应用

在组卷优化问题的研究中,组卷受到多约束条件的限制。为提高在线考试系统中试卷的质量,提出采用概率表示的二进制粒子群优化算法(BPSO)的智能组卷策略,采用粒子群优化算法有效克服遗传算法的局部搜索能力差,以及导致"早熟"和收敛速度不理想等缺陷。在标准粒子群算法基础上,利用贝叶斯公式对粒子群算法进行改进,克服人为因素对算法收敛速度的影响,同时算法的时间性能和空间性能得到进一步提升。通过仿真证明改进算法是一种切实可行的组卷策略。     

近程防御系统中多空中目标威胁度分析

研究近程防御系统,快速打击威胁目标的控制是整个系统的主要问题。针对敌方空中目标批次较多、运动状态复杂,而我方防御火力有限,对目标进行有效、精确拦截,需要对目标威胁度排序,依次进行打击。为了正确识别对整个目标过程,进行定性和定量的分析判断,提出了一种行之有效的灰色关联分析的变权威胁度分析方法;进行仿真,生成空中多组动态飞行目标,采用上述算法对空中目标有效识别,并对威胁度进行排序,进行打击。实验结果与专家评估后的结果完全一致,并能够准确而快速的在战场做出决策。     

基于混合加权的双门限能量协作检测算法研究

研究无线电系统能量优化问题,由于路径损耗导致检测到的信号能量值减小,信号干扰增大,门限值减小,从而使双门限能量协作检测算法的检测概率降低。针对此问题提出混合自适应加权双门限检测算法。首先利用两个门限值将认知用户检测到的能量值划分为不同的区域,然后对位于两个门限值之间的认知用户检测能量值引入信噪比权重因子和距离权重因子进行混合加权,依此来自适应调整其双门限权值,以减小能量损耗较大的信号对门限值的影响,最后融合中心采用"或"准则做出最终的检测结果。仿真结果表明混合自适应加权双门限检测算法比传统等权值的双门限能量协作检测算法具有更高的检测概率,使通信系统能量检测准确性大大提高。     

水平阻尼作为干扰的平台式惯导统一控制方程

研究惯导系统统一控制的优化设计。传统的统一控制采用一体化设计方案,通用性不强。为简捷高效地实现惯导计算机的程序编排,提出了将水平阻尼作为干扰项的平台式惯导统一控制。通过改变系统框图结构,将无阻尼惯导系统和阻尼网络人为分离,水平阻尼网络的输出可视为干扰项。系统控制方程始终采用无阻尼条件下的表达式,惯导系统控制和阻尼网络可以实现模块化设计,使控制的实现形式和推导过程大为简化。给出了惯导计算机的运算流程,并分别在静、动基座条件下,对无阻尼、内水平阻尼和外水平阻尼状态的惯导系统做了仿真。结果表明新的统一控制模型有效体现了惯导系统的参数变化,且设计简便,具有更好的实用性。     

基于聚类优化主动模型人脸识别算法研究

研究人脸识别和跟踪准确度问题。针对在使用大数据样本进行训练前提下,以往AAM算法人脸识别与定位不准确的缺陷,提出了一种新的利用聚类算法对样本空间进行划分,并在此基础上训练多个AAM的分层人脸识别和跟踪算法。首先利用所有训练样本训练得到初始AAM,然后利用一个全新的相似度计算公式,将所有训练样本划分成若干个子类别,在此基础上,针对每个子类别,训练一个相对稳定的AAM。在识别与跟踪过程中,先使用初始AAM进行定位,然后根据子类AAM进行精细化定位,从而得到比以往算法更为精确的定位效果。仿真结果显示改进的算法能准确定位出人脸所在位置,并且具有很高的运算效率,可以方便的实现实时监控系统的人脸跟踪定位及识别等目标。     

PSONN在可编程控制系统PID参数优化中的应用

研究可编程控制系统优化问题,可编程控制系统具有非线性、时变性等特点,传统PID控制器优化方法难以建立精确的数学模型,使得系统参数设定困难,导致可编程控制系统的控制效果不理想。为了解决传统的PID算法所带来的问题,利用RBF神经网络非线性、自学习能力,提出一种基于粒子群神经网络的PID参数优化算法。将粒子群和神经网络相结合,形成了一种智能控制算法,并将应用于可编程控制系统。测试结果表明,粒子群神经网络提高了PID控制参数优化速度,提高了可编程控制系统可靠性和鲁棒性,具有一定的理论和实用价值。     

双发模式下视三维SAR成像方法研究

在合成孔径雷达(SAR)成像优化过程中,由于受到地形环境噪声的影响,使成像模糊和信息丢失,利用阵列天线SAR(LA-SAR)进行成像是一个不错的解决方法。然而传统的单发模式要求有足够多的阵元以满足空间采样率的要求,工程实现的难度较大。为解决上述问题,提出了一种采用正负斜率线性调频信号的双发模式下视三维SAR成像新方法,可以大幅减少天线阵元的数目,提高雷达平台的空间利用率,有效降低工程实现的难度。分析校正了俯仰向的距离徙动因子,给出了双发模式下回波信号的处理方法。进行仿真的结果证明了改进的三维成像方法对成像优化的有效性。