共查询到20条相似文献,搜索用时 187 毫秒
1.
2.
3.
4.
《中国舰船研究》2016,(6)
基于标准的协同优化算法,针对其对初始点敏感、收敛慢等固有缺陷,将协同优化算法法与混合优化算法及动态松弛法相结合,提出分段动态松弛协同优化算法,并将其应用到船舶机舱结构多目标优化问题中。针对船舶主机舱结构静、动态多学科多目标优化问题,建立主机舱结构的多目标协同优化模型。在Isight优化软件中采用改进的分段动态松弛协同优化算法,对船舶机舱结构进行静、动态多学科多目标协同优化设计,得到优化设计的最优解。优化结果表明,相对于基于遗传算法的协同优化算法,分段动态松弛协同优化算法兼顾了优化的高效性和准确性,对于实际工程中更加复杂的多学科多目标结构优化具有一定的参考价值。 相似文献
5.
为了抑制ViBe算法在海面动态背景视频下“鬼影”区域对船舶运动目标检测的影响,提高监控视频中船舶运动目标识别的准确率,提出一种改进的ViBe算法。首先,背景模型用连续帧初始化,以减少“鬼影”的影响;然后,使用自适应阈值和闪烁级别来减少海面杂波,同时采用像素点对比消除“鬼影”,提取运动目标前景,获取完整的运动目标区域。最后,对输入视频进行高斯金字塔多尺度分解,并采用改进的ViBe算法检测低分辨率视频中的移动船舶,完整提取了海上移动船舶。实验结果表明,所改进的算法消除了“鬼影”区域,减少了海面杂波的干扰,检测率为92.5%,单帧视频图像检测时间控制在97 ms以内,可准确、快速地检测和提取海面船舶运动目标。 相似文献
6.
考虑时间和空间的影响,动态武器目标分配是一个复杂的问题。针对时间和空间对武器目标分配过程的约束,建立了动态武器目标分配数学模型;提出了一种Memetic算法来解该问题,采用遗传算法作为全局搜索策略,模拟退火算法作为局部搜索策略,根据Any-time算法的特性,设置了一种有限时间元级控制策略来响应分配动态过程。最后,通过仿真实例,验证了该算法的有效性和实用性。 相似文献
7.
8.
引入一种序贯检测算法—Page Test算法,应用到主动声呐目标自动检测中,获得目标信号的起始时间和结束时间,再利用分裂波束法获得相位差信息,将二者结合,得到方位、距离精度较高的检测输出。仿真和实验数据处理表明,该算法可以提供方位、距离精度较高的接触点,具有较好的应用效果。对于获得的检测接触可用于多Ping显示及声呐目标自动跟踪。 相似文献
9.
10.
11.
12.
13.
根据舰艇编队防空目标分配特点,建立目标优化分配数学模型。在此基础上,结合运筹学动态规划遗传算法对模型进行求解,通过实例分析表明,所提出的方法较好地解决了舰艇部队火力分配决策问题。为舰艇部队指挥员进行火力分配决策提供了一种有效的参考方法。 相似文献
14.
针对复杂背景环境下的红外多目标跟踪问题,文章在已获得各多目标初始信息和观测信息的基础上,采用极坐标数据进行数据关联和滤波,提出了一种基于代价函数的红外多目标跟踪算法,通过确定红外多目标跟踪起始和终结以及后续帧处理技术,实现了不超过48批红外多目标的实时跟踪。仿真实验结果表明,该算法在运动的红外多目标检测效果、跟踪稳定性和实时性方面都有良好的性能。 相似文献
15.
16.
针对海上船舶雷达在多目标跟踪过程中实时性较差和不能快速响应的问题,提出目前密集杂波情况下多目标跟踪中最为有效的数据关联算法——联合概率数据关联(Joint Probabilistic Data Association,JPDA)算法。为解决JPDA随着目标增多的情况会出现的组合“爆炸”及计算量较大导致跟踪实时性较差的问题,从分析联合概率数据关联确认矩阵着手,依据Hopfield神经网络在解决旅行商问题(Travelling Salesman Problem,TSP)时的思路,提出基于Hopfield神经网络联合概率数据关联(Hopfield Neural Network Joint Probability Data Association,H-JPDA)来改进联合概率数据关联算法,通过简化矩阵拆分过程,显著减少计算量,提高跟踪的实时性。基于上述改进的神经网络联合概率数据关联算法,通过MATLAB对多目标跟踪进行仿真,仿真结果表明该算法能提高跟踪的实时性和快速响应能力。 相似文献
17.
18.
19.
20.
This paper presents a novel optimization-based approach for dynamic positioning (DP) of a fully actuated underwater vehicle equipped with an onboard ultrashort baseline transceiver to provide relative position information of two earth-fixed transponders near the vehicle. The DP system error is defined by the transponders’ positions compared to the desired values, which occur at the vehicle’s target pose (position and orientation). The proposed DP strategy is composed of two loops in a hierarchical structure. In the kinematic loop, the nonlinear model predictive control is used to generate the desired velocity by optimizing a cost function of the predictive trajectories under the constraints of velocity and transponder bearings over a limited time horizon. In the dynamic loop, the neural network model reference adaptive control with pseudo control hedging is utilized to ensure the asymptotical convergence of velocity tracking errors in the presence of uncertainties associated with unknown model parameters, currents and thruster dynamics. The effectiveness of the proposed control scheme is illustrated by comprehensive simulations. 相似文献