基于多基阵信息融合的目标定位仿真实验

为了有效提高被动自导作用距离和目标参数的估计精度,针对水下航行器的多个基阵,采用信息融合方法,从波形级融合和波束级融合2个方面,对多个基阵的目标被动定位方法进行仿真实验研究,并给出了各种融合方法的统计性能分析。仿真结果表明,多个基阵的信息融合可有效提高目标的定位精度,使低信噪比时的检测能力提高1～3 dB,从而提高被动自导的有效作用距离。     

A data fusion approach for real-time traffic state estimation in urban signalized links

Real-time estimation of the traffic state in urban signalized links is valuable information for modern traffic control and management. In recent years, with the development of in-vehicle and communication technologies, connected vehicle data has been increasingly used in literature and practice. In this work, a novel data fusion approach is proposed for the high-resolution (second-by-second) estimation of queue length, vehicle accumulation, and outflow in urban signalized links. Required data includes input flow from a fixed detector at the upstream end of the link as well as location and speed of the connected vehicles. A probability-based approach is derived to compensate the error associated with low penetration rates while estimating the queue tail location, which renders the proposed methodology more robust to varying penetration rates of connected vehicles. A well-defined nonlinear function based on traffic flow theory is developed to attain the number of vehicles inside the queue based on queue tail location and average speed of connected vehicles. The overall scheme is thoroughly tested and demonstrated in a realistic microscopic simulation environment for three types of links with different penetration rates of connected vehicles. In order to test the efficiency of the proposed methodology in case that data are available at higher sampling times, the estimation procedure is also demonstrated for different time resolutions. The results demonstrate the efficiency and accuracy of the approach for high-resolution estimation, even in the presence of measurement noise.     

基于实车数据的电动汽车电池剩余使用寿命预测

电动汽车电池剩余使用寿命预测是当下电池研究领域的热点内容,现有电池剩余使用寿命预测模型大多基于单一预测指标,预测精度较低,模型的泛化性能较差。本文通过实车数据构建了GM-LSTM的Stacking融合模型,实现电动汽车电池剩余使用寿命的准确预测。首先根据电池剩余使用寿命影响因素,提取车辆真实的运行参数和环境参数,基于随机森林算法筛选最优特征集合作为模型输入,其次选择差分整合移动平均自回归算法对所选特征进行惯性延伸,克服数据时间维度上的限制,最后基于数据特点,分别建立灰色预测模型和长短时记忆神经网络模型实现电池剩余使用寿命预测,并通过Stacking模型融合进一步降低预测误差。结果表明：模型融合 后平均相对误差为1.6%,平均绝对误差为0.013,能够稳定可靠的实现电动汽车电池剩余使用寿命预测。     

基于多平台信息融合的船舶导航技术

为保证船舶航行的安全性,对传统综合导航平台的技术实现进行分析,提出基于多平台信息融合的导航技术实现方案。在对船用雷达导航系统（Radar Navigation System,RNS）、船舶自动识别系统（Automatic Identification System,AIS）、罗经和计程仪的导航数据进行分析的基础上,设计以数据融合为支撑的船舶导航系统架构,并以实例验证该技术的可行性和有效性。该技术可有效发挥不同平台的导航信息优势,对船舶综合导航系统的优化具有一定的参考价值。     

基于雷达红外复合信息的目标毁伤评估技术研究

防空导弹击中目标后,指控系统实时快速判断该目标是否被有效毁伤,是系统释放该目标通道的前提。通过分析序列红外图像中目标不变矩特征的变化,可对武器爆炸瞬间对目标所产生冲击和损伤进行评估;通过基于雷达测量空中目标有关运动学参数,建立目标运动状态变化的参量模型,根据目标视航角与加速度变化相结合的判别方法,可得出目标被有效毁伤的判据。论文提出了一种基于雷达红外复合信息的目标毁伤评估技术的流程和实现方法,并通过仿真初步验证了该方法的有效性。     

基于数据融合的舰用柴油机状态预测系统研究

融合柴油机热工、油液及振动3大类信息,采用灰色理论、自适应谐振理论(ART)和BP网络等相结合的决策级融合技术,建立了一套具有数据融合、分析诊断和状态预测能力的舰用柴油机状态预测系统,并以12PA6V-280型柴油机为研究对象,进行了工作过程仿真及故障模拟研究。     

双波段红外目标数据融合模型的研究

从跟踪性能,计算的复杂性,以及应用范围等方面对双波段红外传感器的三种融合模型进行比较,得出来自同一平台上两个红外传感器的数据,在各传感器没有各自的数字处理机的情况下,点迹融合模型较其余两种模型实用的结论。最后给出在点迹融合模型的基础上,用极大似然融合算法对点迹进行融合处理的仿真结果,证明该算法用于此种模型能提高目标状态信息的估计精度,降低测量误差,从实际应用上进一步说明算法的有效性。     

开放式、高可靠的舰船综合导航显控台设计及实现

将CAN总线、以太网技术应用于新型综合导航显控台,为舰船提供开放的导航信息平台,实现信息资源的共享。为提高系统的硬件可靠性,采用高性能的嵌入式PC/104模块,并对以太网及CAN总线进行了冗余设计,软件上以实时多任务嵌入式操作系统(Vxworks)作为软件系统平台,充分利用先进的计算机软件技术,提高综合导航显控台的整体性能。     

多分类器融合在水中目标识别中的应用

为了提高对水中目标的识别能力,研究使用DS证据理论对多分类器进行融合,论述以往确定BPA方法的优缺点,并在此基础上提出一种新的利用分类器性能和输出信任度来确定BPA的多分类器融合方法,实验证明这种方法在对水中目标进行识别问题中的优越性,为进一步研究分类器融合在目标识别中的应用提供参考.     

基于多分类支持向量机和D-S证据理论的轴承故障诊断

针对支持向量机( SVM)硬判定输出分类结果缺乏定量评价的问题,提出了一种多分类SVM后验概率建模的改进方法。通过引入D-S证据理论,得到多分类SVM在D-S证据理论识别框架下的基本概率分配,使样本在分类时同时具有定性解释和定量评价。接着,将多源信息送入SVM之后在决策级对多个SVM分类输出进行证据融合,以提高诊断精度。最后,将该方法应用于轴承故障的诊断中。结果表明,该方法能正确分类采用单源信息时所错分样本,降低识别的整体误差,显著提高故障诊断的准确性。