惯性约束聚变实验中空间干涉检测与预警系统设计

针对惯性约束聚变实验中多诊断系统在有限空间同时作业引发碰撞风险的问题，设计了基于碰撞目标检测和空间距离测算方法的空间干涉检测与预警系统，分析了真空靶室特定环境下不同实现方法的适用条件和可行性。实验室条件下模拟验证结果表明，基于结构光深度图像获取方法可获得较好的碰撞距离测量精度，在靶室半径探测距离内空间测距误差不大于3cm，为靶室空间干涉检测与预警提供了一种可行的解决方案。     

仿生多胞薄壁管耐撞性分析及优化

为提高薄壁管结构耐撞性，以雀尾螳螂虾螯为仿生原型，结合仿生学设计方法，设计一种含正弦胞元的多胞薄壁管结构。以初始峰值载荷、比吸能和碰撞力效率为耐撞性指标，通过有限元数值模拟分析了不同碰撞角度（0o、10o、20o和30o）条件下，仿生胞元数对薄壁管耐撞性的影响，通过多目标的复杂比例评估法获取仿生薄壁管的最优胞元数。基于不同碰撞角度权重因子组合，设置了4种单一角度工况和3种多角度工况，采用多目标粒子群优化方法获取了不同工况下薄壁管结构最优胞元高宽比和壁厚。复杂比例评估结果表明，胞元数为4的薄壁管为最优晶胞数仿生薄壁管。优化结果表明，单一角度工况下，最优结构参数高宽比的范围为0.88～1.50，壁厚的范围为0.36～0.60 mm，碰撞角度为0o和10o的最优高宽比明显小于碰撞角度为20o和30o的；多角度工况下，最优高宽比范围为1.01～1.10，壁厚范围为0.49～0.57 mm。     

一道调研试题的多视角求解

一、试题呈现题目(南京、盐城2014届高三年级第二次模拟考试第17题)如图1,经过村庄A有两条夹角为60°的公路AB、AC,根据规划拟在两条公路之间的区域内建一工厂P,分别在两条公路边上建两个仓库M、N(异于村庄A),要求PM=PN=MN=2(单位:千米).如何设计,使得工厂产生的噪声对居民的影响最小(即工厂与村庄的距离最远).     

基于粒子滤波的运动目标光电定位仿真研究

运动目标的光电定位不能像静止目标那样简单做均值滤波，鉴于此，引入粒子滤波算法，它不仅可以应用于线性系统，而且还适用于非线性系统。结合光电定位需求，详细推导了计算公式及初值和参数选取公式，对只含测量噪声以及含有测量和运动噪声等的海面运动目标光电无源定位算法进行了仿真计算，验证了算法的有效性，讨论了噪声强度对滤波效果的影响，滤波参数选择对滤波效果的影响，目标运动方式对滤波跟随性的影响，重采样算法对滤波效果的影响等。所得结论为:粒子滤波可用于运动目标光电定位过程，可有效降低定位误差；粒子滤波算法具有较强鲁棒性，适用于噪声较大、目标运动形态变化大等情况。     

基于EKF的水下LD通信精对准控制算法

高速激光通信中接收机与光斑中心很难处于精对准状态,导致水下光通信链路难以稳定建立.首先采用蒙特卡洛仿真统计法分析激光光子在海水中传输的接收光强分布规律,再通过实验对接收端的光斑图像进行采样分析,利用曲线拟合得到接收器位置与接收光强的关系.仿真与实验结果表明:光束经过25 m的水下传输,接收光强分布仍近似为高斯分布.采用非线性估计算法(扩展卡尔曼滤波)与基本状态控制反馈理论,根据接收光强度估计接收器当前位置与最大光强处的距离,通过反馈算法实现接收端与光斑中心的主动跟踪对准.算法仿真结果显示,接收端对准误差在2 mm以下,稳定后接收效率超过98%.     

一类正则化参数自由的线性约束凸优化问题的预测-校正算法

我们对文章的结构做这样的安排:第二节给出本文需要的预备知识;第三节简述单个目标函数问题(1.1)的己有算法和求解可能遇到的困难,第四节给出解决问题的预测-校正方法;第五节和第六节对问题(1.2)分别陈述己有方法的固有困难和我们提出的解决方案.最后,在第七节中,我们为提出的方法给出统一的算法框架,证明这类算法的收敛性和遍历意义下的收敛速率,同时给出我们的一些结论.     

巧设情境,入味三分——例谈情境设计中的数学味

数学味就是在数学课堂中要体现出数学的抽象性、推理性、探索性、问题性及数学语言表达等方面.一节课若是没有数学味,也就失去了数学教育的功能,教学目标不能达到.那么,怎样才能让课堂充满数学味呢?爱因斯坦说过:"兴趣是最好的老师."那么,怎么才能在调动学生的兴趣的同时培养学生的数学思维就成了数学教师最大的课题.     

基于伪模态转换的红外目标融合检测算法

为提高红外图像目标检测的精度和实时性,提出一种基于伪模态转换的红外目标融合检测算法.首先,利用双循环的生成对抗网络无需训练图像场景匹配的优势,获取红外图像所对应的伪可见光图像;然后,构建残差网络对双模态图像进行特征提取,并采取add叠加方式对特征向量进行融合,利用可见光图像丰富的语义信息来弥补红外图像目标信息的缺失,从而提高检测精度;最后,考虑到目标检测效率问题,采用YOLOv3单阶段检测网络对双模态目标进行三个尺度的预测,并利用逻辑回归模型对目标进行分类.实验结果表明,该算法能够有效地提高目标检测准确率.