考虑非线性项的卫星编队保持

针对低轨道运行的编队卫星在非线性项作用下,伴随卫星运行的相对运动轨道发生偏移的情况,传统的李亚普诺夫方法能较好地控制轨道的初始偏移,使系统达到李亚普诺夫大范围一致稳定,但长期项误差震荡较大.本文提出了一种多回路结构的卫星轨道保持的控制方法,内回路选取使系统满足李亚普诺夫大范围一致稳定的控制律,外回路选取LQR线性状态调节器.此内外回路调节器能更好地抑制环绕卫星相对于基准轨道的误差漂移,更好地稳定编队队形.最后,数值仿真结果验证了此方法比传统的李亚普诺夫方法具有使编队更稳定的效果.     

分布式流数据频繁项发现算法的研究

对分布式流数据中频繁项的发现算法进行了研究,利用一种新颖的分布式概要算法(DSA)来发现从叶子节点直至根节点的概要结构,通过在不同的分布状态下设置相应的精确梯度来最小化通信负载,并利用真实数据集验证了该结构和算法的有效性。     

一种实时挖掘数据流近似频繁项的算法

数据流的无限性和流动性使得传统的频繁项挖掘算法难以适用.针对数据流的特点,提出了一种实时的挖掘数据流近似频繁项的算法.在允许的偏差范围内,新算法只需扫描一次数据项,使用的存储空间远远小于数据流的规模,能动态地挖掘数据流中的所有频繁项.将数据项存储到一种新的数据结构中,利用该数据结构可以快速地删除非频繁项.最后,理论分析和实验表明这种方法的有效性.     

基于分支函数线性逼近的测试数据自动生成算法

软件测试是保证软件可靠性的一个重要手段.面向路径测试是软件测试中一种重要方法.提出了一种分支函数线性逼近的测试数据自动生成算法.结合赵瑞莲给出的谓词切片算法和程序DUC表达方式以及本文提出的算法,给出了一个基于程序执行的路径测试及测试数据自动生成新算法.由于算法采用DUC表达式,不仅可以从源端判断子路径是否可行,而且有效地降低了不可行路径对算法性能的影响.另外,与现有文献中单纯利用分支函数极小化方法的算法相比,新算法由于有机结合了分支函数线性逼近和极小化方法的长处,因此减少了测试用例的数量,提高了测试效率.     

在分布式数据流中查找近期频繁项方法的研究

传统的分布式数据流挖掘模型是一种挖掘结果中逐层进行的层次模型,通信带宽是一个瓶颈.为了减少分布式数据流结点的通信,本文采用一种基于数据密度的偏倚抽样方法对分布式数据流组中的每个流进行抽样,只维护抽样数据中最近期的元素.在频繁项挖掘过程中,设计了一种哈希计数方法(不同于传统哈希计数算法),可以同时对数据的计数进行增加和删减,计数的值是有一定误差保证的近似值,算法称为FFIDDS算法.实验结果证明,通信负担和处理时间均明显比传统HCS模型的算法优秀.     

基于计算机视觉的鞘翅目害虫自动鉴定

鞘翅目害虫的鉴别工作是由数量有限的专业研究人员进行,大部分非专业人员因缺乏相关知识和技术培训,要快速鉴定害虫种属具有相当的难度,不利于害虫防治.为此提出利用计算机视觉技术对鞘翅目害虫进行自动识别.用不同的图像获取系统分别采集体长不同的鞘翅目害虫图像,然后通过数字图像分析技术,提取和计算害虫图像的几何形状特征参数.采用模糊模式识别算法建立害虫的模式库和隶属函数,然后根据模糊集理论的极小极大准则完成待识别害虫的归类.对29种鞘翅目害虫进行识别,识别正确率为86.2%.为鞘翅目害虫的快速鉴定提供了一个新的途径.     

基于超声传感器阵列的陆地自主车测距

目前,超声波传感器主要用于低速运动的自主式移动机器人短距离测量,采用的测距方法多把串音干扰看作有用信号的干扰项,尽可能排除.基于远距离超声波传感器,本文利用串音干扰设计了一种适用于高速行驶的陆地自主车进行远距离测量的方法.实验结果表明此方法的可靠性和精度都能满足陆地自主车的距离探测要求.     

虚拟同步直驱风电场经MMC-HVDC并网的低频振荡特性分析

虚拟同步直驱风电场经功率同步环与模块化多电平换流器柔性直流(MMC-HVDC)输电互联,将存在低频振荡风险。考虑MMC-HVDC和直驱风机网侧换流器以及转子侧换流器内部的动态过程,首先建立虚拟同步直驱风电场经MMC-HVDC并网的小信号模型,并通过精细化电磁暂态仿真验证其准确性。随后,利用根轨迹方法,分析风电功率波动和交流系统强度变化对互联系统稳定性的影响,设计功率变化时虚拟同步直驱风电场的参数整定方法。结果表明,由于功率外环和MMC-HVDC送端整流站电压环作用,在风电场输出功率增大和交流系统强度降低的过程中,互联系统存在低频振荡现象。通过合理调整锁相环、虚拟同步机(VSG)有功环和MMC-HVDC送端整流站电压环的控制器参数、改变VSG阻尼项形式,可以抑制振荡并实现稳定运行。     

一种基于SPWVD-WVD的高质量时频分析方法及ISAR成像应用

交叉项干扰抑制与高时频聚集度是准确反应信号的时频分布特征的重要因素。传统的魏格纳-维尔分布(Wigner-Ville Distribution,WVD)算法虽能获得较高的时频分辨特征,但分析多成分信号时存在严重的交叉项干扰问题,限制了其实用性;而平滑伪魏格纳-维尔分布(Smoothed Pseudo Wigner-Ville Distribution,SPWVD)算法虽在一定程度上抑制交叉项干扰,但降低了时频聚集度。为了解决上述问题,提出了基于SPWVD-WVD的时频分析方法。该方法利用SPWVD与WVD之间的滤波互消效应,将SPWVD二值化结果与WVD结果进行矩阵运算,最终得到高质量的时频分析结果。实验结果表明,所提出的算法能够有效去除多分量信号的交叉项干扰,提高信号分析结果的时频聚集度,还原多分量信号的真实时频分布。最后将该算法成功应用于逆合成孔径雷达成像中。     

改进Chan-Vese模型的电力设备红外图像分割算法

针对电力设备在线监测系统中红外图像分割效果差,速度慢等问题,提出一种改进的Chan-Vese模型的红外图像分割算法。首先,通过引入边缘能量项,一方面增强模型的局部控制能力,另一方面有效抑制了轮廓偏移。其次,利用径向基函数取代了传统的长度正则项,简化了计算。然后,通过引入内部能量项省去初始化过程,节省了算法的运行时间。经实验验证,Dice重合率（Dice similarity coefficient, DSC）平均值为0.9808,错误分割率（ratio of segmentation error, RSE）平均值为0.025,算法运行时间比其他模型总体平均值低66.8%。改进后的Chan-Vese模型分割算法的Dice重合率和错误分割率等均优于GAC-CV、CV-RSF、区域型水平集和Multiphase-CV模型分割算法。