具有外部干扰的非线性多智能体系统的编队控制

多智能体系统编队控制因广泛应用于军事,航天,生物学等领域,成为国内外学者的关注热点.在实际应用中,当系统受到环境噪声等外部干扰时,利用领航者-跟随者的相对状态信息构造控制器无法形成预期队形.为解决这个问题,文章针对一类带有外部干扰的非线性多智能体系统,研究了领航-跟随编队控制问题.首先设计干扰观测器补偿外部干扰.其次利用自适应方法,给出了完全分布式的控制协议.再次选取适当的参数,证明了该分布式控制协议能实现系统的编队控制.最后通过仿真算例,验证了协议的有效性.     

一种新的自适应非单调牛顿算法（英文）

本文针对无约束优化问题,提出一种新的自适应非单调线搜索技术.基于新的非单调线搜索技术,提出一种自适应非单调牛顿算法.在适当的假设下,证明了新的算法的全局收敛性.数值结果表明了该算法的可行性和有效性.     

光纤水听器相位生成载波解调非线性因素的抑制方法

为了消除非线性因素对相位生成载波解调结果的干扰,降低相位生成载波解调过程中低通滤波器的频响特性对相位生成载波解调结果的影响,该文提出了一种基于扩展卡尔曼滤波椭圆参数估计的相位生成载波微分交叉相乘解调方法。该方法在综合考虑各种非线性因素对相位生成载波微分交叉相乘解调结果的影响的基础上,对传统的相位生成载波微分交叉相乘解调过程进行了改进。经过计算机仿真和实验验证,该文所提出的扩展卡尔曼滤波微分交叉相乘方法能够有效地抑制非线性因素对相位生成载波解调结果的干扰,相比传统的相位生成载波微分交叉相乘方法,其信噪比提高了35.0 d B,总谐波失真降低了30.7 dB,信噪谐波比提高了31.0 dB,且扩展卡尔曼滤波微分交叉相乘方法受解调过程中低通滤波器频响特性的影响较小。     

基于噪声模型变换的子光斑质心提取方法

受天光背景、大气湍流强度、信标光回光特性和探测器噪声等因素影响,夏克-哈特曼波前传感器子孔径光斑常存在强度分布不均匀和低信噪比的情况,故子孔径内光斑质心定位不准且波前探测精度下降。提出了一种基于噪声模型变换的子孔径光斑质心提取方法,采用方差稳定变换（VST）将探测引入的泊松-高斯噪声转换为高斯噪声,进一步基于残差反馈优化BM3D策略实现低信噪比子孔径图像的高效去噪。结果显示：所提方法可有效提取低信噪比夏克-哈特曼波前传感器光斑阵列图像中的光斑信号数据,提高了子孔径光斑的质心定位精度和稳定性;相比于传统自适应阈值法等方法,所提方法在子光斑图像峰值信噪比低于6时,可以提升波前复原精度2倍以上。     

基于SG-CARS-IBP的圣女果可溶性固形物可见/近红外光谱无损检测

圣女果可溶性固形物(SSC)含量对圣女果内部品质影响至关重要,但基于高光谱成像及介电性质特征的SSC检测技术存在局限性,且目前鲜见圣女果SSC无损检测模型。为实现圣女果SSC的无损检测,提出基于圣女果可见/近红外光谱特征的SCC预测模型构建,及改进的BP神经网络算法研究,以期解决圣女果内部品质的快速无损检测。以圣女果为研究对象,试验样本188个,将其划分为训练集150个和测试集38个,采用可见/近红外光谱采集系统获取350～1 000 nm范围内的圣女果表面反射强度,经光谱校正得样本反射率,为增强信噪比,截取481.15～800.03 nm范围内的光谱波段作为有效波段进行分析。通过对比三种预处理模型,对有效波段进行SG平滑(Savitzky-Golay Smoothing)预处理,建立BP神经网络预测模型,测试集决定系数(R²)和均方根误差(RMSE)分别为0.578 5和0.563 9;在此基础上,对BP神经网络的网络结构进行改进,寻求BP神经网络最优预测结构,计算输出层与期望值间误差,调整网络结构参数,将隐含层学习率和神经元个数分别设置为0.01和5,建立改进...     

基于改进的反向匹配的拉曼光谱识别方法研究

针对传统的反向匹配方法中存在的强弱峰权重差异和噪声峰的干扰问题,提出了改进式反向匹配方法,通过引入权重衰减函数来优化强峰和弱峰之间的权重占比关系,使得谱图中各特征峰的权重分布在合理的范围内,避免了强峰权重掩盖弱峰的情况;通过概率分布函数动态滤噪的方法,实现了噪声峰的自适应过滤,从而提升了反向匹配方法的识别性能。实验以大量的常规拉曼和表面增强拉曼的谱图为验证样本,基于大型常规拉曼与表面增强拉曼数据库进行拉曼谱图识别验证。实验表明该方法在大量数据测试下综合准确率达到91.52%,相比于命中质量指数方法(51.08%)和传统的反向匹配方法(16.57%)有大幅度的提升。     

基于分区搜索算法的快速聚焦策略研究北大核心CSCD

针对爬山算法在自动聚焦中出现的诸如准确率差、速度慢等问题,提出了一种结合自适应步长和两步搜索法的分区搜索算法。方法根据聚焦评价函数值大小和曲线线形将聚焦评价曲线分为平缓和陡峭两个区域,平缓区域使用自适应步长进行搜索,提高自动聚焦搜索速度;陡峭区域使用两步搜索法,避免假峰值干扰所导致的聚焦错误,提高自动聚焦准确率。实验结果表明,分区搜索算法相较于爬山算法聚焦速度提升了11.25%,且具有更好的准确性和抗干扰能力。     

基于自适应BP神经网络的结构损伤检测

描述基于人工神经网络的结构损伤检测的基本步骤以及该方法在实际5层钢框架结构损伤检测上的应用．提出了一种改进的BP神经网络方法，它能够解决传统BP神经网络在实际应用中存在的两个问题：收敛速度慢并存在局部极小．其基本思想是引入动态自适应算子加速传统BP算法的梯度下降速度，从而提高运算速度，通过自调节保证学习过程中每一时刻具有较大的sigmoid函数值，从而可以避免局部极小．数值仿真结果表明基于该自适应神经网络的结构损伤检测方法具有强的鲁棒性，而且与传统的BP神经网络相比，不仅提高了计算速度，并且具有很高的精度．最后，实例的应用也证明了该方法的有效性．     

应用于近距空空导弹惯导系统的传递对准技术

对应用于近距空空导弹捷联惯导系统的“长时”传递对准问题进行了讨论,分析了机载火控系统中建立“长时”惯性坐标系的原理和方法,并进行了长时传递对准卡尔曼滤波器的设计,在此基础上完成了初步的数学仿真.     

一种应用四元数的快速传递对准方法

传递对准是舰载武器惯导系统初始对准的一种有效办法，为满足舰载武器要反应快的要求，必须在短时间内对初始不对准角进行估计并加以补偿。文中建立了采用四元数的传递对准的，线性模型，在此基础上进行卡尔曼滤波，解决了舰载垂直发射导弹的初始对准问题，同时又克服了一般四元数对准模型非线性滤波计算量大，对准时间长的缺点，使导弹能在短时间内完成对准，提高其反应速度，增加其命中率。仿真结果表明，该文提出的快速对准方法具有对准速度快、精度高的优点。