一、模糊关联规则在环境系统仿真中的应用（论文文献综述）
张凯[1]（2021）在《环境因素对深海环境噪声特性的影响研究》文中进行了进一步梳理海洋环境噪声作为各种海洋声学科技应用的背景场,对其特性的研究观测在国防军事及海洋资源开发等方面有重要意义。大量实验表明,深海中的环境噪声水平在临界深度以下存在不同程度的衰减。基于此,利用布放于临界深度以下的垂直线阵（VLA）进行水下潜器探测的应用场景引起了广泛兴趣。VLA的性能依赖于背景环境噪声的特性如噪声强度、噪声空间相关性及空间指向性等,而噪声的各样特性则受到海洋环境因素的影响。随着环境噪声的一般特性更多为人所了解,我们可以通过调整多项未知的环境参数对个别海洋噪声观测数据进行仿真拟合,然而存在于不同实验观测数据之间的差异的形成原因尚不确知。海洋噪声测量数据本质上与周边环境条件存在固有的密切关联,因而在文中我们对低频下深海环境中的海洋表面生成噪声的深度依赖特性展开了一项系统性的仿真研究,分析了多种不同的环境条件对噪声水平的深度依赖特性造成的影响,包括本地/远距离表面风和航船引起的噪声、噪声源深度、声速剖面变动、海底地形影响包括海底山遮挡及近岸浅水区域的海底交互作用等。分析仿真结果得出,临界深度以下的噪声衰减速率主要取决于本地风成噪声强度与远距离航船噪声强度的相对强弱（衰减速率较小对应着相对较强的本地风）;而临界深度以上的水体中噪声的深度依赖特性主要受海底地形的影响。对于后者,随着深度由上层水体增加至临界深度附近,噪声强度的变化趋势可被海底山的遮挡作用改变（水平海底条件下噪声随深度增加而逐渐增强）,因海底山到VLA的距离以及海底山高度的不同而可能出现噪声强度随深度增加而逐渐减小、增加或几乎持平等多种结果。来自浅水区域的远距离航船噪声强度在浅水区海底深度以上的水层中几乎保持不变,在该深度以下则迅速衰减。其余环境条件未改变噪声随深度的总体变化趋势。以上仿真结果被用于拟合已有的各项实验数据并对后者做出解释,结论的进一步验证则需更多关键性试验的开展。利用拟合数据后所得的环境条件,论文进一步仿真/预测了每项实验中环境噪声的垂直相关性和垂直指向性,并利用模分析方法从简正模角度对预测结果做出了进一步解释。论文所做研究对于获取给定地点的噪声相关性、噪声增益等特性,进而指导阵列的部署设计,提升VLA在水下目标探测应用中的性能具有重要意义。
赵毓[2]（2021）在《多智能体系统自主规避任务决策方法研究》文中研究表明随着航空航天事业的高速发展,越来越多的飞行器采用群体或多体协同的方式执行任务,呈现出典型的多智能体特征,适于使用多智能体理论对其进行分析和建模,对分布式自主决策技术的需求日益突出。飞行器自主规避是确保其安全性最直接有效的方法,但是当前对相关技术的研究多是基于静态全局规划算法,难以满足动态场景中多实体间实时协同需求。为了解决多实体协同规避问题,本文引用多智能体系统思想对其进行规避任务决策技术研究。多智能体系统有着自主、高效和可扩展的优点,本文将其与强化学习技术相结合,用以设计飞行器决策算法。本文以航天器反拦截、无人机避碰和空间机械臂轨迹规划等典型任务为研究背景,对多智能体自主规避任务决策问题进行研究,结合真实约束条件,实现智能体的实时决策。本文取得主要研究成果如下:在运动分析基础上给出智能体与环境交互的数学模型。针对多智能体系统规避决策问题,建立部分可观马尔科夫决策模型,考虑部分可观的约束条件,结合博弈理论研究了多智能体马尔科夫博弈问题,分析常规回报函数的设计方法,并给出了求解序列决策的三种典型方式。在多智能体强化学习方面,分析了航天器规避机动场景和空间机械臂捕捉场景的决策流程;将策略梯度方法向多智能体系统进行改进研究;提出一种基于策略协调和信度分配的Actor-Critic强化学习方法,用于解决全局可观条件下决策器的训练和策略提升问题,并给出相关收敛性分析;根据任务需求设计各关键环节的神经网络结构和算法流程。分别在航天器反拦截和空间机械臂避障规划等多种任务场景中进行了强化学习训练,通过对累积回报值和成功率的结果对比分析验证了所提方法的正确性和有效性。在强化学习算法应用方面,分析典型任务场景对决策效率的约束情况;针对问题场景设计了进行任务决策的神经网络结构,并对其不同部分设计压缩方法;在神经网络权值聚类和量化的基础上,提出一种自适应分层重构剪枝方法,该方法以重训练的方式对目标神经网络进行动态剪枝和压缩,用于提高决策器运行速度,并压缩其存储空间;对部分可观条件下的任务场景进行强化学习系统设计,详细给出了回报函数的设计方法。分别在有限空域大量无人机场景和多航天器反拦截场景对提出方法进行仿真验证,从决策运行速度、累计回报值和成功率等方面对算法性能进行分析和讨论,并验证了所提强化学习方法对实体数量可变环境的适应性。在任务环境稀疏奖励问题上,对任务场景约束和常规强化学习算法局限性进行分析,设计了案例评价机制;提出逆值法强化学习算法,解决了奖励延迟分配和无奖励引导系统学习效率低的问题;基于马尔科夫博弈理论设计了自学习系统,并结合启发式搜索思想分析了所提算法的收敛性;分析了有扰动状态输入情况,并设计了用于对比分析的有限状态机;分析了算法优势和改进方向。在仿真验证中与前文章节训练所得决策器进行了对比分析,验证了所提算法的正确性和相关性能优势。本文对多智能体决策技术进行探索,研究了信度分配、策略协调、执行提速和稀疏奖励等重要方向,提高了航空航天硬件设备在执行任务中的存活率,所得研究成果对航空航天安全保障技术的发展具有一定的参考价值。
李海啸[3]（2021）在《面向智能工厂的无线传感器网络定位技术研究》文中认为随着传感技术、无线通信技术、嵌入式技术、分布式处理技术和微电子技术等快速发展和成熟,无线传感器网络应运而生并广泛应用在智慧医疗、智能交通、军事侦查、智能家居、绿色环保、智能工业等领域。无线传感器网络由大量传感器节点组成,形成一个自组织、可扩展、点到点通信、多跳传输的无线网络,通过环境感知、信息融合和数据传输,将大量感知信息传递给观测者。在无线传感器网络的众多应用中,感知信息不仅仅包括感知数据,还应包括感知数据所在的具体位置信息,没有具体位置信息的感知数据是毫无意义的,因此节点定位技术是无线传感器网络的重要的、基础性的技术之一。而以无线传感器网络为主体的泛在感知计算网络是智能工厂的重要感知和监测基础。在智能工厂中,决策者或智能分析系统能够准确分析当前情况和决策采取下一步有效措施的重要依据是需要感知、采集大量的环境、人员、设备和能源等重要参数信息。大部分感知信息都是位置相关的,所以在智能工厂中,对自动引导小车的定位和轨迹追踪、对内部人员或外来人员的定位、对监测区域特征参数或事件的定位都离不开无线传感器网络定位技术。根据监测对象的数量和性质以及采用定位技术的不同,无线传感器网络定位算法主要分为:静态定位和动态定位、基于测距定位和基于非测距定位、单目标定位和多目标定位。此外定位技术还应满足定位时间和定位精度的要求。通过对国内外大量关于无线传感器网络定位技术相关文献的研究,掌握了当前备受大家认可的无线传感器网络定位技术,对无线传感器网络在智能工厂的不同应用领域中如何提高定位精度、减小定位时间、如何改善算法鲁棒性等方面进行研究。本文主要的研究内容和改进如下:（1）基于非测距的距离矢量—跳段（Distance Vector-Hop,DV-Hop）定位算法的研究。针对DV-Hop定位算法定位误差大的问题,本文提出了基于一般误差向量修正和基于模糊聚类的误差向量修正的DV-Hop定位算法。改进算法根据无线传感器网络拓扑结构（节点单一区域分布和节点分区域分布）构建相似度函数,利用锚节点与未知节点的最小跳数得到节点间的相似度值,再利用预设的相似度阈值选择与未知节点相似度达到一定条件的锚节点组成锚节点集合,对集合中的锚节点进行重定位得到锚节点的位置估计值,根据锚节点的真实位置和估计位置依据仿射空间原理得到每个锚节点的定位误差向量或修正向量,最后利用多个锚节点的误差向量或修正向量加权平均得到未知节点的定位误差向量或修正向量,进一步优化未知节点的估计位置。实验表明,改进算法能有效提高无线传感器网络不同网络拓扑下DV-Hop非测距定位算法的定位精度。（2）基于测距的三边加权质心定位算法的研究。针对基于RSSI测距的定位算法的定位精度受信号噪声和环境干扰较大的问题,对基于RSSI测距定位算法进行了三个方面的改进:首先,针对传统三边加权质心定位算法锚节点的选择不当导致定位误差大的问题,提出了双集合组合法寻找满足一定条件的三个锚节点用于三边定位。其次,针对RSSI测距容易受到环境噪声和设备脉冲信号的小概率大干扰事件影响造成RSSI测距精准度低的问题,提出了结合量子粒子群优化的模糊C均值聚类过滤算法以消除基于RSSI测距的小概率大干扰事件,再利用假设检验方法检验过滤后的RSSI三元组的准确性。最后,提出参考点加权质心定位算法解决了传统三边加权质心算法在噪声和脉冲干扰下定位成功率不高且误差较大的问题。实验通过CC2530传输模块和Tiny OS2开发平台验证了改进的三边加权质心定位算法的有效性。（3）针对移动无线传感器网络的蒙特卡罗定位盒子算法的研究。蒙特卡罗定位盒子算法是一种基于锚节点信息限制的蒙特卡罗样本抽样定位算法,可用于智能工厂中对移动目标的定位和跟踪。为解决蒙特卡罗盒子定位算法的采样效率低、迭代次数多、样本退化、采样随机性的问题,本文在传统蒙特卡罗定盒子定位算法的采样阶段,根据灰色系统预测理论增加了灰色模型预测采样功能,将在样本盒子中随机采样过程改进为根据前期的样本位置进行灰色模型预测采样,使预测样本与未知节点当前的真实位置更接近,因此采样预测更具有目的性、针对性和方向性,提高了采样效率,减少了迭代次数。实验仿真表明,改进算法能够有效防止随着时间段的增加而采样样本退化,显着提高智能工厂移动目标的定位精度,减少定位响应时间。（4）基于压缩感知的稀疏多目标定位算法研究。针对传统基于压缩感知多目标定位算法感知矩阵维数大、计算复杂度高、网格边长难以细化等问题,本文提出了基于压缩感知的两阶段多目标定位算法。在大规模定位阶段,将监测区域依据部署的传感器进行Voronoi图划分,将多目标确定在每个子区域中,并在所有子区域中进行贪婪匹配追踪算法重构目标稀疏位置向量,得到包含目标的候选网格。在精细定位阶段,对选出的候选网格依据网格最小边长定理进行细化,对每个子区域中候选网格组成的本地区域内采用1-稀疏度位置向量贪婪匹配重构算法得到目标所在的细化网格,并以细化网格作为目标的最终位置。基于压缩感知的两阶段多目标定位算法既提高了的定位精度,也减小了稀疏重构感知矩阵的维数,降低了算法复杂度,减小了定位响应时间。最后通过实验仿真验证了改进算法的效果,可以用于对智能工厂监测区域的稀疏多目标进行有效定位。（5）基于多维标度的协作式多目标定位算法研究。为解决无线传感网络多维标度定位精度容易受最短路径估计距离误差影响的问题,改善多维标度定位算法的初始估计位置,提出一种基于模拟退火优化的无线传感器网络多维标度定位算法。首先利用RSSI接受信号强度测距并建立距离矩阵,使用多维标度方法和锚节点信息得到节点的初始估计绝对坐标,再利用测距信息和节点的权重系数构造模拟退火优化算法的胁强系数,通过模拟退火优化算法良好的全局搜索能力不断迭代优化求解节点的最优位置。通过实验仿真验证了基于模拟退火优化的多维标度定位算法即使在C型网络和测距噪声存在的情况下也能够具有较低的平均定位误差和较高的网络覆盖率,而且非常适于应用在智能工厂基站数量少的环境。本文系统地研究了无线传感器网络基于测距定位和基于非测距定位、静态定位和动态定位、单目标定位和多目标定位的相关技术,提出了5种创新和改进方案,并通过大量的实验验证了所提算法的有效性和可行性。实验结果表明,本文所提的5种定位方案是无线传感器网络定位技术的重要创新和改进,可以应用在智能工厂无线传感器网络多个定位领域,有非常重要的现实意义和应用价值。
杨贤传[4]（2021）在《城市居民绿色购买行为驱动机理与扩散仿真研究》文中研究表明经济的快速发展加快了工业化和城市化进程,环境问题也日益突出,已经给人类的可持续发展带来了严重挑战。环境破坏40%应该直接归因于人类的非绿色消费,而工业污染又多数是由消费需求驱动的。消费驱动型经济增长模式和“碳中和”呼之欲出的大背景下,研究如何推动居民生活方式和消费模式的绿色化无疑具有重要的理论与现实意义。因此,厘清城市居民不同类型绿色购买行为的复杂驱动机理,并据此设计有效干预与引导策略,是建设生态文明、打造美丽中国的题中要义。此外,研究者和实践者都发现由驱动因素激活的积极绿色态度（动机）并没有有效转化为真实的绿色购买行为,出现了态度（动机）-行为偏差,相应地,如何修复这一偏差就成为了绿色消费领域研究的热点议题,本研究基于文献回顾和实证研究结果兼论如何修复这一偏差将具有重要的现实价值。本文以“问题提出-理论研究-质性研究-实证研究-扩散仿真-引导策略构建”为研究主线,选取城市居民作为研究对象,综合运用市场营销学、社会学、心理学和经济学等学科知识与方法,围绕行为驱动机理、绿色动机-行为偏差修复、行为扩散仿真等议题展开研究。具体的研究内容和主要结论如下:（1）绿色购买行为内涵重构和维度划分。作为绿色消费行为的核心维度,绿色购买行为被普遍认为是单维的,本文通过典型消费者深度访谈和文献研究,基于绿色购买活动的现实表现和演化进阶规律,以生态价值观和环境关心为标准,重新界定和发展了绿色购买行为的概念内涵,构建了一个更具涵盖性的进阶式三维度结构模型,即绝对绿色购买行为、条件绿色购买行为和随机绿色购买行为。描述性统计分析发现三类绿色购买行为均不程度存在,其中兼顾双重诉求的条件绿色购买行为分布最为广泛,后续实证分析进一步证实了三维度划分的合理性。（2）城市居民绿色购买行为驱动机理质性研究。运用质性分析方法萃取了城市居民绿色购买行为的关键驱动因素及主范畴间的典型关系结构,接着引入成熟的S-O-R理论和目标框架理论描绘了一个兼顾利己诉求和利他诉求的城市居民绿色购买行为驱动机理理论模型。即内部和外部刺激因素通过激活三维目标框架进而对城市居民绿色购买行为的驱动机理;社会心理情境因素和城市情境因素调节了三维目标框架——绿色购买行为之间的联结关系。（3）城市居民绿色购买行为驱动机理的量化研究。开发或修订完研究量表后,对中东部和东北城市居民开展了问卷调查,共收集到1345份有效样本。单因素方差分析和独立样本T检验结果表明,城市居民绿色购买行为在性别、年龄、受教育程度、婚姻、个人月收入、职业类型、组织性质、职位等级、城市等级和城市所属地理区域上存在显着差异。运用结构方程模型、Bootstrapping法和PRODCLIN2程序检验了28条总体中介效应和84条具体中介效应,从而全面呈现出了内外部驱动因素通过目标框架对城市居民绿色购买行为的复杂驱动机理,也更加有利于发现和解释绿色动机-行为偏差的具体成因。同时,本文采用阶层式回归,结合使用Process v3.3和Johnson-Neyman法（简写为J-N法）检验和探讨了社会心理情境因素和城市情境因素对功利目标动机（框架）、享乐目标动机（框架）、规范目标动机（框架）与绿色购买行为影响路径中的潜在调节作用。上述调节变量对三维目标动机与不同类型绿色购买行为关系中调节效应的显着性、强度和方向存在明显差异,这也有助于拓宽绿色动机-行为偏差的探索视角。（4）城市居民绿色购买行为（条件绿色购买行为）扩散仿真分析。运用加权小世界网络理论构建了消费网络中个体间的条件绿色购买行为扩散模型,借助Matlab仿真平台进行仿真研究,探索了网络中情境因素干预下个体条件绿色购买行为的扩散规律。结果表明:总的来看,“随机关系强度”网络、“弱关系”网络和“强关系”网络下,以势差优先模式确定条件绿色购买行为扩散中的发送方,与其它两种模式相比能带来更高的行为增长率或最低的行为降幅,且网络均衡性更优,多数情况下能够最快实现网络整体均衡。加入情境因素的最强影响后,条件绿色购买行为的扩散效率受到多元动机的共同影响,涨跌互现;在“弱关系”网络中,以势差优先模式确定发送方时,网络中全体节点的行为扩散表现明显好于强度优先模式和随机模式,同时,势差优先模式下的网络均衡性更优,而且更快实现整体网络均衡。相对于“强关系”网络,“弱关系”网络受到情境因素的干扰影响更大。（5）以“双重诉求”兼顾为核心的城市居民绿色购买行为“进阶式”提升策略研究。根据实证结果,本文分别从个体心理因素驱动、媒体劝导、人际互动、双重诉动机激活、绿色购买行为分类引导、情境因素积极干预和购买者属性特征的精确靶向引导等七个方面出发,以系统性和全局性视角构建了城市居民绿色购买行为“进阶式”提升策略体系。同时,在文献研读和实证研究的基础上,系统整理了绿色动机-行为偏差的复杂成因,并提出了对应的修复策略。该论文共有图97幅,表112个,参考文献330篇。
徐泽[5]（2021）在《V2V条件下自动紧急制动方法研究》文中研究说明现阶段我国车辆生产制造水平已步入全球前列,在人均汽车保有量持续增加的今天,交通事故发生频率也在不断增加。随着智能驾驶技术的发展,特别是车车通信技术和自动紧急制动系统的实现,有效降低了交通事故的发生频率。因此可以通过将自动紧急制动系统和V2V技术两种功能协同工作来实现车辆避撞功能,从而保障行车安全。本文在V2V基础上进行自动紧急制动系统研究,建立了适用于直道和定曲率弯道的AEB系统,同时考虑了车辆在弯道制动的车辆稳定性,最后在MATLAB/Simulink和Car Sim平台建模对该系统进行了建模仿真和结果分析。本文主要进行了如下内容:首先,对车辆验证模型、车辆逆动力学模型和控制器模型进行了搭建。通过输入减速度信号观察车辆的加速度、车速和制动压力变化,来进行模型准确性检验,为后期控制算法设计作保障。介绍了车辆V2V无线通讯技术在智能辅助驾驶汽车上的工作原理,并在其基础上进行紧急制动系统开发。通过对制动距离分析,找出了影响车辆制动的因素。并将一般条件下的碰撞剩余时间TTC进行改进,得到考虑相对加速度的增强型剩余碰撞时间ETTC。针对车辆在弯道上紧急制动的特点,建立了协作碰撞预警系统ICCWS,解决了弯道相对距离不真实的问题,实现了以ETTC为控制目标的适用于直道和弯道的上层控制模型。然后,以弯道紧急制动可能会导致失稳为切入点,对车辆运动状态参数进行分析,找出了影响车辆稳定性的因素,建立了ESC稳定控制系统模型。通过分析稳定性控制系统,选择二自由度车辆模型作为参考模型,把车辆质心侧偏角和横摆角速度的真实值和参考值误差作为控制目标。通过模糊控制对误差进行计算得出控制稳定性的补偿力矩,实现了车辆稳定性控制功能,为仿真测试奠定了稳定性控制基础。最后,参照中国新车评价协会测试办法进行测试,同时在其标准的基础上提高测试车速进行仿真测试,并分析了整个仿真系统在直道与弯道上的仿真结果。最终得出较为理想的仿真测试结果,使得制动后的相对距离控制在1.5m左右,实现了避障功能。验证了整体模型和控制算法的可靠性和实用性,实现了V2V条件下的自动紧急制动功能,验证了该模型的工程意义。
高力扬[6]（2020）在《基于运动平台与训练学习的足式机器人全域自稳定器研究》文中研究说明足式机器人的平衡控制是其走向实用化的先决条件,近年来对平衡控制问题的研究目标已从完成确定环境内的动作,过渡到如何在未知、不确定环境内获得对环境扰动具有强鲁棒性的自稳定能力。现有的平衡控制以基于动力学模型的控制器为主,虽然随着机器人本体驱动能力、响应速度等指标的提高取得了相当成功的实验结果,但仍难以从根本上解决对未知、不确定环境的适应问题。针对现有平衡控制器在设计阶段只考虑有限的扰动情况,导致对未知、不确定环境鲁棒性弱的问题,本文以多自由度运动平台的限幅随机运动模拟环境的随机扰动,首次提出并研究通过稳定性训练和智能学习获得足式机器人全域自稳定能力的方法,这里的全域自稳定能力是指在机器人驱动能力允许的范围内适应任意大小、方向和种类的环境扰动的能力,本文主要研究内容分为以下几个方面:提出并设计基于智能学习算法的足式机器人全域自稳定器。分析训练平台运动与所施加的扰动之间的关系,建立通用的足式机器人训练系统模型,定义全域自稳定器的状态与行为空间,设计全域自稳定器的总体结构并进行任务分解,基于Q学习和RBF网络提出各功能模块的学习与决策算法。针对全域自稳定器的训练数据获取问题,构建包含不同平衡控制策略的控制器。将ZMP的力反射控制拓展到三维空间内的任意斜面上;提出基于Capture Point的姿势平衡控制方法,分别通过理论证明和仿真验证其控制稳定性;提出基于动能调节的抗冲击扰动平衡控制方法并进行仿真验证;对所推导的平衡控制律进行组合,构建多种不同的平衡控制器,用于生成全域自稳定器的训练数据。研究全域自稳定器的学习加速收敛方法,解决由高维连续系统空间引发的学习收敛困难问题。为了缩减系统空间的维数,提出基于互信息理论的特征选择方法（RAFS方法）;使用最大隶属度原则对状态空间进行分割,提出基于高斯基函数的状态空间自律划分方法;在多个数据集内对比RAFS方法与现有方法的特征选择效果;对单自由度扰动下的训练数据进行学习,对比状态空间自律划分前后的学习效果,验证所提出的方法对全域自稳定器的加速收敛作用。为加强运动平台施加扰动的能力,对其进行机构参数优化,并研制双足机器人稳定性训练用的运动平台系统。对机构参数优化涉及的并联机构正运动学问题,提出基于伪弧长同伦延拓法的空间连杆机构通用正运动学数值解算法;以稳定性训练中施加扰动的能力为目标建立机构参数优化模型,使用粒子群算法进行求解得到最优机构参数;根据优化结果进行运动平台系统的研制。以GoRoBoT-Ⅱ型双足机器人为对象,分别在仿真与实验环境内进行全域自稳定器的稳定性训练,并对训练完成的全域自稳定器进行验证。在运动平台施加限幅随机扰动的条件下,应用多种基于模型的平衡控制器,进行双脚站立、单脚站立、随机踏步三种运动下的稳定性训练与验证仿真;将仿真得到的全域自稳定器移植到GoRoBoT-Ⅱ机器人系统中,进行稳定性训练与验证的实验研究,对比训练前使用基于模型的平衡控制器和训练后使用全域自稳定器的效果,验证全域自稳定器的有效性。
姜景宁[7]（2020）在《分布式MIMO声呐目标检测和成像方法研究》文中认为水下目标探测包括检测、定位、跟踪和识别四个方面。与被动目标探测相比,主动声呐探测除了受目标信号散射起伏和水声信道的空-时-频变化影响外,还受到混响干扰的限制,导致在浅海环境,传统的单基地或双基地声呐探测性能下降。分布式多输入多输出（multiple input and multiple output,MIMO）声呐利用空间分集,通过非相干处理,在提高对目标检测性能与定位精度的同时,增强探测的稳健性。由于发射机和接收机在空间上充分分开,分布式MIMO可以获得目标在不同方位的散射信息,对目标进行逆散射成像。本文首先研究分布式MIMO声呐信号模型。主动声呐探测系统需要在混响中分辨目标回波,提升信混比。因此,本研究从发射端的有效照射和接收端高分辨处理两方面入手。根据声呐方程,有效照射就是将发射能量集中在所感兴趣的目标,减少发射能量泄露到混响区域。为此,侧重研究分布式时反MIMO声呐和分布式相控MIMO声呐。通过发收互动的迭代方式,将发射能量聚焦在目标处,从而抑制混响、提高信混比。在接收端高分辨处理中,将宽带波束形成和时域匹配滤波的输出进行二维解卷积处理,减小模糊度函数的主瓣宽度,并降低其旁瓣级,提高水平均匀接收线阵在角度-时延平面内的分辨力,实现从混响中有效辨识目标回波信号。该方法与分布式MIMO处理相结合能进一步提升声呐系统的目标检测和定位性能。在目标检测和定位的基础上,本文着重研究了分布式主动探测系统的逆散射成像问题。水声探测中的目标,通常是由若干个简单流线型物体组合而成,其散射特性与角度、频率和目标形状尺寸相关。传统主动声呐探测研究中,将目标看作具有特定散射强度的点目标,忽略散射波包含的与目标形状相关的信息。在散射声场模型研究中,本文推导了波导下垂直放置的有限长实心刚性圆柱体的散射声场,并研究环境参数和目标类型对成像质量的影响。在对目标定位后,根据宽带信号照射目标的回波信息,运用逆散射成像方法反演球体和圆柱体的截面形状。与自由场情况不同,浅海波导中目标散射的模耦合转换和多模传播会导致成像结果中出现失焦和重影现象。针对此问题,本文提出基于相位共轭信道解卷逆散射成像方法和基于稀疏重构的信道解卷逆散射成像方法,实现了对目标边界高分辨重建。其中前者采用时反传播的思想,降低水声信道对逆散射成像的影响。后者利用水声信道的稀疏性,通过辨识多径分量,分析多径在角度-时延上的分布特征,解决多径效应导致的重影现象和多径传播的群速度小于声速导致的失焦现象。运用稀疏重构方法对目标回波的高分辨,能进一步抑制旁瓣、提升成像质量。同时,也可以解决因多径导致分布式MIMO声呐正交波形相关性增大问题。计算机数值仿真和试验结果证明了本文提出的分布式MIMO声呐相对于双基地声呐在抑制混响、提高目标定位精度上有优势。与常规波束形成相比较,二维解卷积波束形成方法在角度-时延平面内有更高的分辨力。在实现目标定位的基础上,试验结果也验证了本文所提出的逆散射成像方法的有效性。
陶锴[8]（2020）在《基于声发射的含水岩土安全监测技术研究》文中研究说明随着中国经济的飞速发展,基础设施建设自二十世纪以来呈现井喷式上升,建设规模的增加为结构稳定性和安全性带来了挑战,岩土工程安全监测已成为关乎国民生命财产的重要议题。含水量的增加会导致岩体抗压抗剪强度降低,削弱结构的稳定性,进而造成矿井坍塌、大坝溃堤等安全事故。由于水对岩体结构的软化作用,渗水失稳已成为当前工程事故的重要因素,对岩体结构开展含水率实时监测、损伤等级评估和灾害预警工作对保障工程进展和人民安全具有重要意义。本文以声发射技术为手段,针对含水岩土工程中水分对结构损伤和声发射的影响、监测数据建模处理、含水率识别以及损伤评估等问题开展研究,全文的主要内容如下:对水分-声发射-损伤等级三者的关联影响进行探讨,采用有限元仿真和单轴压缩激发声发射,利用声发射信号时域观测、功率谱分析、高阶谱分析、参数分析和谱采样分析等方法,总结了不同含水率状态下的声发射时频域特征,从数值模拟和宏观实验角度验证水分对岩石声发射的抑制作用。为了刻画水分对岩石损伤等级的影响,对不同含水率样本受压裂纹进行计算机断层扫描,通过二值像素分析量化损伤等级。利用联通域扫描和图像细化方法获得裂纹形态学指标,采用综合损伤指标量化不同含水率样本的断层扫描图像,通过定量分析得到水分对损伤的影响作用。为完成监测信号的建模处理,首先模拟人脑记忆与遗忘机理,将监测数据存储系统划分为短时记忆存储区和长时记忆存储区,利用门限值控制完成噪声数据的“遗忘”和有效监测数据的“记忆”。为了完成监测数据的序列存储,提出信号简谱化模型,利用音乐谱线完成监测信号包络采样,将人耳不可感知的损伤信号折换为具有可听属性的损伤音乐指标。开展多类型损伤信号乐谱化处理实验,在结合长短时记忆网络的损伤类型识别实验中验证了此种方法对信号特征保留的功能。为了完成失效传感器数据恢复,将简谱化模型与卡尔曼算法结合,以失效前的极值和近邻传感器数据为基础完成遗失数据的拟合重建。基于环境因素作用下的参数波动规律和聚类分析提出参数两步选择法,实现声发射参数的择优筛选,给后继模式识别任务实现数据指标的科学选取。从算法对比中可以看出,虽然两步参数选择法的时间消耗较大,但选择出的参数在模式识别中表现更好。为完成岩石含水率在线监测,基于模糊数学原理提出含水率模糊识别方法。利用声发射参数的统计规律,通过计算参数公差得到重要性排序,并基于此排序规划判断矩阵,得到具有环境自适应功能的权重向量。以Softmax函数对每一种含水率的输出向量为依据构建隶属度矩阵,并把自适应权重向量和隶属度矩阵的模糊计算值作为含水率识别结果。设计了砂岩-沙土层叠结构,利用有限元仿真模拟了水在此结构中渗流过程的压强分布。设计了传感器部署机械结构和声发射数据采集系统,实验中含水率模糊识别结果与真实含水率分布具有较高的一致性。开展不同颜色光引导的脑电信号采集实验,通过分析Beta波成分确定对人体专注度的影响,最终确定了适宜人体专注度的报警光颜色序列。为充分利用声发射参数信息完成损伤评估,综合可靠性理论、信息熵理论、因果推理理论等对环境因素和损伤结果的逻辑关联开展不确定性推导,提出包含参数间相关性信息的时域特征波和描述损伤出现置信度的损伤信息熵向量。基于岩石损伤力学和概率统计知识提出疲劳度指标,在不同含水损伤评估实验中验证了此指标对含水损伤样本的敏感性。基于贝叶斯理论提出溯源度指标,通过信号到达时间参数完成损伤区域的概率定位。
杨伟龙[9]（2019）在《CGF战术任务规划行为建模关键技术研究》文中认为计算机生成兵力（Computer Generated Forces,CGF）战术任务规划是在作战仿真系统中,CGF为达到其作战目的而进行的一系列规划推理和选优决断活动,是构建真实可信的作战仿真系统的重点和难点。目前的CGF战术任务规划行为建模技术存在领域知识获取困难、战场环境不确定、行为模型过于简单等问题,针对这些不足,论文以研究CGF行为建模中战术任务规划行为模型框架为目标,重点围绕战术任务规划行为建模关键技术展开研究。论文的主要贡献及创新点如下:（1）对不确定环境中规划过程面临的重难点问题进行分析,设计了一种复杂动态战场环境下CGF战术任务规划行为建模框架,以满足不确定对抗环境中CGF战术任务规划行为建模的需求。真实战场环境中,任务规划过程面临环境信息不确定、对手行为不确定、动作效果不确定等难点。为提高规划算法对不确定环境的适应性,保证规划结果的准确性、有效性,论文设计了一种不确定战场环境下的CGF战术任务规划行为建模框架。首先,分析了作战仿真中CGF战术任务规划行为建模与其他任务规划相比的特点,从感知信息、对手判断、模型表示三个方面明确了建模需求。其次,分析并运用分层任务网规划方法作为研究问题的算法基础,设计了一种通用的不确定战场环境下CGF战术任务规划行为建模框架,从环境信息处理、对手行为分析、规划结果预测等方面详细描述了框架的关键组件与决策过程。最后,研究剖析了框架中部分可观环境下的状态评估方法、面向分层任务网的对手行为建模方法、面向动作效果预测的态势评估方法三个关键技术模块,分析了模块间的相互关系和定位,为后续具体研究工作的展开确定需求与边界。（2）针对部分可观环境中,历史信息完整与历史信息不完整两种情况,分别提出了基于历史信息的状态生成方法与基于模糊理论的状态生成方法,并与敌对规划分层任务网修复规划方法结合,从而实现部分可观环境下的战术任务规划。在实际战场中,由于存在战场迷雾,感知范围有限,对抗双方感知到的环境信息往往是不完整的。为有效解决由于信息不完整带来的状态不确定问题,提出了两种状态生成方法。首先,通过“状态-动作”信息集对部分可观环境信息进行形式化描述,分析状态动作的变化过程;其次,在基于信息集的信念状态基础上,针对历史信息完整以及历史信息不完整条件,分别提出了基于历史信息的单一状态生成方法以及基于模糊理论的单一信念状态生成方法,并将两种状态生成方法与对抗分层任务网修复规划算法进行结合,形成了适用于部分可观环境下的优化分层任务网规划算法。构建了有侦察动作与感知范围的部分可观对抗环境,对两种规划算法的有效性与效率进行了验证。（3）针对对手行为分析问题,提出了面向对抗分层任务网的隐式对手建模方法,使用基于粒子滤波的策略匹配算法对对手行为进行建模,与对抗分层任务网结合形成博弈对抗分层任务网算法,使生成的规划方案更具有针对性。对手行为不确定,是不确定环境中对规划过程影响较大的因素。为确保规划的前瞻性,必须将对对手行为的预测纳入到规划的过程中。现有智能规划算法中,为提高单步规划效率,通常对对手建模进行简化处理与假设,却忽略了对手模型的多样性与动态性。为了有效预测对手行为,提出了一种基于策略匹配的隐式对手建模方法。首先,提出了基于粒子滤波的策略匹配算法,在给定对手策略集基础上,不断迭代计算表征不同策略的粒子估计动作与实际动作的匹配程度,并基于此更新不同策略粒子的数量,直至满足获取对手稳定策略条件。其次,构建基于策略匹配的隐式对手模型,对对手下一次动作进行预测。在此基础上,将隐式对手建模方法与对抗分层任务网相结合,提出博弈对抗分层任务网方法。最后,在不同对抗环境、不同对手设置情况下,对提出的方法进行验证。（4）针对规划结果预测问题,通过对评估指标及权重进行优化设计,提出了动态分层估值网评估方法,并基于多尺度卷积神经网络对最终胜负结果进行预测,实现从整体态势上对规划的动作效果进行评估。动作效果评估,是通过对未来形势变化的预测和推理,从而判断当前动作的执行效果,为规划提供基础。考虑到环境动态变化对估值的影响,提出了动态分层估值网方法,构建分层估值网对估值因素以及因素间的相关关系进行管理,并通过动态计算因素权值,实现态势的动态评估。为解决估值因素提取困难、权重设计复杂的问题,提出了基于胜负预测的离线态势评估方法。将战场环境信息抽象为多维信息数组,提取不同时刻的态势信息与对应的胜负结果,构建多时刻状态数据集以及单时刻状态数据集。使用基于Goog Le Net的多尺度卷积神经网络模型对数据集进行学习训练,从而准确预测游戏胜负。
陈熠[10]（2019）在《环境干扰下的关联成像算法和目标特征提取研究》文中研究表明关联成像（Correlated Imaging）又叫鬼成像（Ghost Imaging）,利用光场的二阶乃至高阶关联性质,间接重构出目标,是一种间接成像技术。不同于传统光学成像技术可以利用面阵探测器直接获取目标的图像,关联成像需要通过特定的重构算法计算出目标图像。在关联成像中,照明光被分为两路:信号光照射目标后被无空间分辨力的单像素探测器探测,参考光经自由传播后被面阵探测器探测,任一路都无法单独成像,只有计算信号光场和参考光场的二阶关联性才可以恢复出目标图像。关联成像具有诸多传统成像所不具备的优点,如适合在复杂环境下工作、对探测器和光源要求低、物像分离和适合弱光环境等。因此,关联成像在医学成像、军事侦察和监视、机器视觉和遥感成像等领域引起了越来越多的关注与研究。然而,当前对于关联成像的研究还存在一些不足,如采样速度慢、计算速度慢、成像质量差和应用研究滞后等,尤其是在军事侦察和监视领域,关于复杂战场环境对关联成像质量的影响,以及如何提高成像质量等方面的研究十分欠缺。为推动关联成像向实用化方向发展,论文结合实际应用场景,对环境干扰下关联成像的算法和目标特征提取进行了深入研究。论文完成的主要工作如下:1.研究了压缩感知关联成像的数学模型。在分析了热光关联成像原理的基础上,建立了压缩感知关联成像的物理模型,并基于该物理模型,结合Goodman散斑理论计算了热光场的统计特性;由经典衍射理论推导了关联成像公式,并利用压缩感知算法重构目标图像;在使用数字微镜器件来调制照明光场、并比较常用压缩感知算法的基础上,通过数值仿真验证了该模型的有效性。2.研究了环境干扰因素对关联成像的成像质量的影响。通过分析环境干扰下关联成像的性能,以及实际应用场景,得出了环境中可能存在的光场衍射、大气湍流和平台振动等干扰因素,并定量计算了这些干扰因素对关联成像的影响;通过仿真模拟了存在环境干扰时的采样环境,并分析了该环境下关联成像的成像质量,结果表明,环境干扰使采样数据有效性下降,导致现有算法的重构精度急剧恶化。3.研究了基于邻域相似度的反馈式重构算法。为了提高环境干扰下关联成像质量,将邻域相似度（Neighbor similarity,NS）这一先验信息作为算法迭代的反馈指标,提出了基于邻域相似度的反馈式重构算法,并证明了该算法的可行性。仿真和实验结果表明,环境干扰下,该算法在提高成像性能方面优于现有的重构算法。4.研究了关联成像边缘检测方法。在提出“边成像-边提取”的边缘提取模式的基础上,分析了该模式下基于不同微分算子的梯度关联成像（Gradient ghost imaging,GGI）方案,并提出基于Kirsch算子的多方向梯度关联成像边缘检测方法（Multidirectional gradient ghost imaging,MGGI）。仿真和实验结果表明,MGGI的边缘提取精度更高,抗噪性能更好。5.研究了关联成像角点检测方法。在总结角点检测技术和关联成像系统的四种融合模式的基础上,提出了一种基于梯度关联成像系统的角点检测方法,该方法结合了曲率尺度空间（the curvature scale space,CSS）角点检测算法和基于Canny算子的梯度关联成像（Gradient ghost imaging based on Canny operator,GGI-Canny）原理。仿真和实验结果表明,该方法在环境干扰下仍然可以准确高效地提取目标的角点信息,对推动关联成像系统的实用化具有积极作用。
二、模糊关联规则在环境系统仿真中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、模糊关联规则在环境系统仿真中的应用（论文提纲范文）
（1）环境因素对深海环境噪声特性的影响研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写术语表 |
| 1 绪论 |
| 1.1 课题背景 |
| 1.2 国内外研究现状 |
| 1.2.1 海洋环境噪声数据获取与分析 |
| 1.2.2 海洋环境噪声空间指向性与空间相关性的实验研究 |
| 1.2.3 海洋环境噪声的环境因素影响研究 |
| 1.3 问题的提出与研究内容 |
| 1.3.1 各种环境因素对噪声强度的深度分布的影响 |
| 1.3.2 实验数据的拟合与环境模型的初步建立 |
| 1.3.3 噪声空间相关性及垂直指向性的预测 |
| 1.3.4 技术路线 |
| 1.4 本章小结及后续章节安排 |
| 2 海洋中的声传播及环境、噪声影响 |
| 2.1 声波传播方程及其求解 |
| 2.1.1 声波动方程 |
| 2.1.2 声场的简正模求解方法简介 |
| 2.2 基于声传播建模的信号处理及其环境影响 |
| 2.2.1 运用凸优化的稳健的MVDR MFP算法 |
| 2.2.2 仿真结果与性能分析 |
| 2.3 噪声特性对信号处理的影响 |
| 2.4 本章小结 |
| 3 海洋环境噪声理论模型 |
| 3.1 风成噪声 |
| 3.2 航船噪声 |
| 3.3 基于KI模型的深海环境噪声强度及相关性计算方法 |
| 3.4 本章小结 |
| 4 环境噪声强度的深度分布特性:仿真研究 |
| 4.1 仿真设置 |
| 4.2 噪声源的分布范围(R_(max))和声源深度的影响 |
| 4.3 声速剖面变化的影响 |
| 4.4 海底山的影响 |
| 4.4.1 因素1:海底山与VLA之间的距离 |
| 4.4.2 因素2:海底山的高度 |
| 4.5 近海岸及大陆架区域的航船噪声影响 |
| 4.6 大陆架与海底山同时存在情形中的航船噪声影响 |
| 4.7 环境噪声仿真结果总结 |
| 4.8 仿真数据对相应实验数据的拟合 |
| 4.8.1 水平海底条件下仿真数据对CHURCH OPAL实验数据的拟合 |
| 4.8.2 地形起伏条件下仿真数据对CHURCH OPAL、FLIP1973和SPICEX实验数据的拟合 |
| 4.9 本章小结 |
| 5 环境噪声的空间相关性和空间指向性 |
| 5.1 噪声空间相关性及指向性的仿真预测 |
| 5.2 利用模分析方法解释噪声相关性 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.1.1 创新点 |
| 6.1.2 总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 作者简历 |
（2）多智能体系统自主规避任务决策方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景与研究意义 |
| 1.2 典型多智能体系统技术发展 |
| 1.2.1 无人机集群避碰技术研究现状 |
| 1.2.2 多自由度空间机械臂避障技术研究现状 |
| 1.2.3 航天器规避机动算法发展现状 |
| 1.3 基于自学习理论的决策方法国内外研究现状 |
| 1.3.1 多智能体深度强化学习方法研究现状 |
| 1.3.2 深度神经网络压缩及加速方法研究现状 |
| 1.3.3 稀疏奖励强化学习方法研究现状 |
| 1.4 主要研究内容及论文结构 |
| 1.4.1 存在问题及技术难点 |
| 1.4.2 研究内容及章节安排 |
| 第2章 多智能体系统决策模型 |
| 2.1 引言 |
| 2.2 动力学相关描述 |
| 2.2.1 多智能体系统运动模型 |
| 2.2.2 空间拦截器制导律 |
| 2.3 多智能体部分可观决策模型 |
| 2.3.1 马尔科夫决策过程理论基础 |
| 2.3.2 分布式部分可观马尔科夫博弈 |
| 2.3.3 常规回报函数设计思路 |
| 2.4 序列决策问题求解方法 |
| 2.4.1 模糊系统 |
| 2.4.2 有限状态机 |
| 2.4.3 蒙特卡洛树搜索 |
| 2.5 本章小结 |
| 第3章 基于ACTOR-CRITIC架构的自主决策算法 |
| 3.1 引言 |
| 3.2 问题场景描述 |
| 3.2.1 航天器规避机动问题场景描述 |
| 3.2.2 空间机械臂轨迹规划场景描述 |
| 3.2.3 多智能体系统决策流程分析 |
| 3.3 多智能体策略梯度强化学习方法 |
| 3.3.1 算法基础理论框架 |
| 3.3.2 策略梯度算法收敛性分析 |
| 3.3.3 策略梯度方法在多智能体系统中应用 |
| 3.4 基于信度分配的多智能体强化学习框架 |
| 3.4.1 航天器规避决策方法 |
| 3.4.2 案例优选的空间机械臂决策方法 |
| 3.4.3 基于信度分配的算法收敛性分析和改进 |
| 3.4.4 网络结构设计及算法流程 |
| 3.5 仿真及结果分析 |
| 3.5.1 基于最优控制理论的对比算法 |
| 3.5.2 航天器规避机动仿真 |
| 3.5.3 空间机械臂轨迹规划仿真 |
| 3.5.4 强化学习算法仿真结果简析 |
| 3.6 本章小结 |
| 第4章 多智能体分布式协同避碰决策方法研究 |
| 4.1 引言 |
| 4.2 有限空域无人机集群避碰问题分析 |
| 4.2.1 求解策略的训练方法 |
| 4.2.2 在线协调和沟通机制 |
| 4.3 多智能体强化学习系统设计 |
| 4.3.1 状态空间和动作空间选取 |
| 4.3.2 系统体系结构和流程分析 |
| 4.3.3 回报函数设计 |
| 4.4 仿真及结果分析 |
| 4.4.1 仿真条件设定 |
| 4.4.2 训练曲线及场景案例仿真 |
| 4.4.3 结果分析 |
| 4.5 本章小结 |
| 第5章 基于优化神经网络的分布式规避决策方法 |
| 5.1 引言 |
| 5.2 多航天器对多拦截器协同规避问题研究 |
| 5.2.1 状态空间和动作空间选取 |
| 5.2.2 系统体系结构和流程分析 |
| 5.2.3 回报函数设计 |
| 5.3 基于自适应重构方法的深度神经网络优化方法 |
| 5.3.1 神经网络结构设计 |
| 5.3.2 权值聚类及量化 |
| 5.3.3 自适应分层重构剪枝 |
| 5.4 仿真及结果分析 |
| 5.4.1 基于微分对策理论的对比算法 |
| 5.4.2 神经网络优化算法试验及数值仿真 |
| 5.4.3 强化学习训练及场景案例仿真 |
| 5.4.4 结果分析 |
| 5.5 本章小结 |
| 第6章 基于逆值法的多航天器自学习规避算法 |
| 6.1 引言 |
| 6.2 稀疏奖励强化学习算法分析 |
| 6.2.1 规避任务分析 |
| 6.2.2 常规强化学习方法局限 |
| 6.2.3 逆值法强化学习算法 |
| 6.2.4 算法核心逻辑流程 |
| 6.3 多智能体稀疏奖励自学习系统设计 |
| 6.3.1 自学习系统结构设计 |
| 6.3.2 信念状态估计方法 |
| 6.3.3 逆值法在案例中的收敛性简析 |
| 6.3.4 网络结构和算法流程 |
| 6.4 仿真及结果分析 |
| 6.4.1 基于有限状态机的对比算法 |
| 6.4.2 仿真条件设定 |
| 6.4.3 结果对比分析 |
| 6.4.4 算法优势及改进分析 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（3）面向智能工厂的无线传感器网络定位技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 论文研究背景 |
| 1.1.1 智能工厂概述 |
| 1.1.2 智能工厂实时定位系统 |
| 1.2 无线传感器网络技术 |
| 1.2.1 无线传感器网络概述 |
| 1.2.2 无线传感器网络组成 |
| 1.2.3 无线传感器网络特点 |
| 1.3 无线传感器网络定位技术 |
| 1.3.1 无线传感器网络定位原理 |
| 1.3.2 无线传感器网络定位种类 |
| 1.3.3 测距和非测距定位技术 |
| 1.3.4 无线传感器网络定位算法的性能指标 |
| 1.4 本文的研究内容及结构安排 |
| 1.4.1 研究内容及意义 |
| 1.4.2 本文的组织结构 |
| 第2章 基于非测距的DV-Hop定位算法研究 |
| 2.1 引言 |
| 2.2 基于非测距的定位算法 |
| 2.2.1 非测距定位算法原理 |
| 2.2.2 常见非测距定位算法 |
| 2.2.3 DV-Hop定位算法的相关研究 |
| 2.3 DV-Hop定位算法原理 |
| 2.4 DV-Hop定位算法的误差来源 |
| 2.4.1 网络结构原因 |
| 2.4.2 定位算法原因 |
| 2.4.3 信号传输原因 |
| 2.5 仿射空间原理 |
| 2.6 基于误差向量修正的DV-Hop定位算法 |
| 2.6.1 建立锚节点信息列表 |
| 2.6.2 修正锚节点的选择策略 |
| 2.6.3 修正初始估计位置 |
| 2.6.4 基于误差向量修正的DV-Hop定位算法流程 |
| 2.6.5 基于模糊聚类误差向量修正的DV-Hop定位算法流程 |
| 2.6.6 两种改进的DV-Hop定位算法分析 |
| 2.7 实验分析 |
| 2.7.1 实验环境设置 |
| 2.7.2 实验结果分析 |
| 2.8 本章总结 |
| 第3章 基于测距的三边加权质心定位算法研究 |
| 3.1 引言 |
| 3.2 基于测距的无线传感器网络定位算法 |
| 3.3 三边加权质心定位算法 |
| 3.3.1 基于RSSI测距的定位原理 |
| 3.3.2 三边加权质心定位算法原理 |
| 3.4 量子粒子群优化算法 |
| 3.5 模糊C均值聚类算法 |
| 3.6 改进的三边加权质心定位算法 |
| 3.6.1 双集合组合法 |
| 3.6.2 利用模糊C均值聚类法计算RSSI准确值 |
| 3.6.3 参考点加权质心定位算法 |
| 3.7 实验分析 |
| 3.7.1 实验环境设置 |
| 3.7.2 实验结果分析 |
| 3.8 本章总结 |
| 第4章 基于灰色模型预测的蒙特卡罗盒子定位算法研究 |
| 4.1 引言 |
| 4.2 移动无线传感器网络 |
| 4.2.1 移动无线传感器网络概述 |
| 4.2.2 移动无线传感器网络在智能工厂的应用 |
| 4.2.3 移动无线传感器网络定位 |
| 4.3 动态定位算法和静态定位算法的比较 |
| 4.4 移动无线传感器网络定位算法的研究 |
| 4.5 动态定位算法的特点 |
| 4.6 灰色模型预测原理 |
| 4.7 蒙特卡罗定位和蒙特卡罗定位盒子原理 |
| 4.7.1 蒙特卡罗定位算法 |
| 4.7.2 蒙特卡罗定位盒子算法 |
| 4.8 基于灰色模型预测的蒙特卡罗定位盒子算法 |
| 4.8.1 GMMCB定位算法原理 |
| 4.8.2 GMMCB定位算法流程 |
| 4.9 实验分析 |
| 4.9.1 实验环境设置 |
| 4.9.2 实验结果分析 |
| 4.10 本章总结 |
| 第5章 基于压缩感知的多目标定位算法研究 |
| 5.1 引言 |
| 5.2 无线传感器网络稀疏多目标非协作式定位 |
| 5.3 压缩感知技术原理 |
| 5.3.1 压缩感知技术 |
| 5.3.2 稀疏信号表达 |
| 5.3.3 稀疏信号采样 |
| 5.3.4 稀疏信号重构 |
| 5.4 压缩感知技术的应用 |
| 5.5 基于压缩感知的定位研究 |
| 5.6 基于压缩感知的定位原理 |
| 5.6.1 基于压缩感知的定位模型 |
| 5.6.2 信号传播衰减测距模型 |
| 5.7 基于压缩感知的两阶段定位算法 |
| 5.7.1 大尺度定位阶段 |
| 5.7.2 精细化定位阶段 |
| 5.8 实验分析 |
| 5.8.1 实验环境设置 |
| 5.8.2 实验结果分析 |
| 5.9 本章总结 |
| 第6章 基于模拟退火优化的多维标度定位算法研究 |
| 6.1 引言 |
| 6.2 无线传感器网络少基站多目标协作式定位 |
| 6.3 多维标度定位算法及相关研究 |
| 6.3.1 多维标度定位相关研究 |
| 6.3.2 信号强度距离衰减模型 |
| 6.3.3 多维标度定位原理 |
| 6.3.4 MDS-MAP定位误差分析 |
| 6.4 模拟退火优化算法 |
| 6.5 基于模拟退火优化的多维标度定位算法 |
| 6.5.1 改进定位算法原理 |
| 6.5.2 改进定位算法流程 |
| 6.6 实验分析 |
| 6.6.1 实验环境设置 |
| 6.6.2 实验结果分析 |
| 6.7 本章总结 |
| 第7章 总结和展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（4）城市居民绿色购买行为驱动机理与扩散仿真研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 选题背景 |
| 1.2 研究目的和意义 |
| 1.3 研究内容、方法与技术路线 |
| 1.4 本章小结 |
| 2 文献综述 |
| 2.1 绿色消费行为的相关研究 |
| 2.2 绿色购买行为内涵研究与结构发展 |
| 2.3 常用理论基础及模型 |
| 2.4 绿色动机-行为偏差的相关研究 |
| 2.5 研究简评 |
| 2.6 本章小结 |
| 3 城市居民绿色购买行为驱动机理理论模型构建 |
| 3.1 城市居民绿色购买行为驱动因素选择与界定 |
| 3.2 城市居民绿色购买行为驱动机理理论模型构建与假设提出 |
| 3.3 本章小结 |
| 4 城市居民绿色购买行为及其驱动因素的量表修订开发与数据收集 |
| 4.1 研究量表的设计与开发 |
| 4.2 正式调研与样本结构 |
| 4.3 正式量表的检验 |
| 4.4 本章小结 |
| 5 城市居民绿色购买行为驱动机理实证分析 |
| 5.1 城市居民绿色购买行为及其驱动因素的描述性分析 |
| 5.2 城市居民目标框架、绿色购买行为及其驱动因素的相关分析 |
| 5.3 城市居民绿色购买行为的差异性检验 |
| 5.4 内外部刺激因素对城市居民绿色购买行为的影响效果分析 |
| 5.5 目标框架的多重中介效应分析 |
| 5.6 情境因素的调节效应分析 |
| 5.7 城市居民绿色购买行为驱动机理理论模型修正 |
| 5.8 本章小结 |
| 6 情境因素干预下的城市居民绿色购买行为扩散仿真 |
| 6.1 基于关系强度的城市居民绿色购买行为选择 |
| 6.2 城市居民条件绿色购买行为扩散的仿真建模 |
| 6.3 情境因素干预下的仿真结果分析 |
| 6.4 本章小结 |
| 7 促进我国城市居民扩大绿色购买行为的策略建议 |
| 7.1 城市居民绿色购买行为引导建议 |
| 7.2 做好绿色动机-行为偏差的识别与修复 |
| 7.3 本章小结 |
| 8 研究结论与展望 |
| 8.1 研究结论 |
| 8.2 主要创新点 |
| 8.3 研究的局限性与未来展望 |
| 参考文献 |
| 附录1 |
| 附录2 |
| 作者简历 |
| 学位论文数据集 |
（5）V2V条件下自动紧急制动方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究背景与现状 |
| 1.2.1 自动紧急制动系统国外研究背景与现状 |
| 1.2.2 自动紧急制动系统国内研究背景与现状 |
| 1.3 本文主要研究内容和结构安排 |
| 2 动力学仿真模型搭建与验证 |
| 2.1 车辆纵向动力学分析与建模 |
| 2.1.1 发动机参数设定 |
| 2.1.2 变速器模型建立 |
| 2.1.3 车辆制动系模型 |
| 2.2 构建车辆逆模型 |
| 2.2.1 计算逆制动压力 |
| 2.2.2 节气门控制 |
| 2.2.3 制动切换逻辑 |
| 2.2.4 PID误差控制 |
| 2.3 整体车辆模型仿真验证 |
| 2.3.1 加速度一级负输入 |
| 2.3.2 加速度二级负输入 |
| 2.4 本章小结 |
| 3 V2V条件的自动紧急制动策略 |
| 3.1 V2V应用技术 |
| 3.1.1 V2V技术发展 |
| 3.1.2 V2V技术原理 |
| 3.1.3 V2V技术应用 |
| 3.2 控制策略研究分析 |
| 3.2.1 汽车制动过程分析 |
| 3.2.2 直道上安全距离控制策略 |
| 3.2.3 弯道判断及控制策略 |
| 3.3 阈值和加速度确定 |
| 3.3.1 确定制动预警等级 |
| 3.3.2 确定制动减速度 |
| 3.3.3 确定触发制动阈值 |
| 3.4 本章小结 |
| 4 稳定性控制 |
| 4.1 稳定性ESC系统控制方法的确定 |
| 4.2 制动力矩计算 |
| 4.3 ESC系统理想值的确定 |
| 4.3.1 计算期望横摆角速度 |
| 4.3.2 计算期望质心侧偏角 |
| 4.4 模糊控制 |
| 4.4.1 模糊集合定义 |
| 4.4.2 确定隶属度函数 |
| 4.4.3 ESC控制系统的模糊逻辑 |
| 4.5 模糊控制器的建立 |
| 4.5.1 ESC控制系统的模糊原理 |
| 4.5.2 ESC模糊规则及控制器建模 |
| 4.6 本章小结 |
| 5 仿真结果分析 |
| 5.1 直道条件下仿真工况 |
| 5.1.1 直道条件下接近前方静止车辆 |
| 5.1.2 直道条件下接近前方匀速行驶车辆 |
| 5.1.3 直道条件下接近前方制动减速车辆 |
| 5.2 弯道条件仿真工况 |
| 5.2.1 弯道条件下接近前方静止车辆 |
| 5.2.2 弯道条件下接近前方匀速行驶车辆 |
| 5.2.3 弯道条件下接近前方制动减速车辆 |
| 5.3 实车试验 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 文章总结 |
| 6.2 展望未来 |
| 致谢 |
| 参考文献 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 |
（6）基于运动平台与训练学习的足式机器人全域自稳定器研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 足式机器人平衡控制方法的研究现状综述 |
| 1.2.1 基于模型的平衡控制方法研究现状 |
| 1.2.2 基于软计算理论的低层智能控制方法研究现状 |
| 1.2.3 基于机器人行为控制的高层智能控制方法研究现状 |
| 1.3 多自由度运动平台的研究现状综述 |
| 1.3.1 并联机构的机构参数优化研究现状 |
| 1.3.2 空间并联机构运动学正解的研究现状 |
| 1.4 状态空间自律划分和特征选择方法的研究现状综述 |
| 1.4.1 特征选择方法的研究现状 |
| 1.4.2 状态空间自律划分方法的研究现状 |
| 1.5 现有研究中存在的主要问题 |
| 1.6 从生物体的平衡控制策略中获得的启发 |
| 1.7 本文的主要研究内容 |
| 第2章 足式机器人全域自稳定器的设计 |
| 2.1 引言 |
| 2.2 基于运动平台模拟环境扰动的机器人稳定性训练方法 |
| 2.3 足式机器人稳定性训练系统的通用物理模型 |
| 2.4 全域自稳定器的状态空间与行为空间 |
| 2.5 全域自稳定器的结构构成与学习决策算法 |
| 2.5.1 行为矢量计算模块的学习与决策算法 |
| 2.5.2 行为选择模块的决策算法 |
| 2.5.3 关节运动映射模块的RBF网络 |
| 2.6 本章小结 |
| 第3章 训练数据生成用的机器人平衡控制方法研究 |
| 3.1 引言 |
| 3.2 任意斜面上的ZMP追踪控制方法研究 |
| 3.2.1 足式机器人的倒立摆简化模型 |
| 3.2.2 三维空间内任意斜面上的ZMP方程 |
| 3.2.3 三维空间内任意斜面上的ZMP追踪控制律 |
| 3.3 基于CP点的姿势稳定控制方法研究 |
| 3.3.1 任意斜面上的CP点位置方程 |
| 3.3.2 基于CP点的姿势平衡控制律 |
| 3.3.3 单自由度扰动下基于CP点的姿势平衡控制仿真 |
| 3.4 抵抗冲击扰动的能量调节控制方法研究 |
| 3.4.1 支撑区翻转运动平面内倒立摆模型的动力学特性分析 |
| 3.4.2 对质心动能进行调整的抗冲击扰动平衡控制器 |
| 3.4.3 冲击扰动作用下的平衡控制仿真 |
| 3.5 全域自稳定器训练数据生成用的平衡控制器设计 |
| 3.6 本章小结 |
| 第4章 全域自稳定器的学习加速收敛方法研究 |
| 4.1 引言 |
| 4.2 基于互信息的特征选择方法 |
| 4.2.1 特征选择中的互信息理论 |
| 4.2.2 基于互信息分配的特征评价方法 |
| 4.2.3 基于互信息分配的启发式搜索算法 |
| 4.2.4 多维空间内的互信息简化计算方法 |
| 4.3 高斯基函数表示下的状态空间自律划分方法 |
| 4.3.1 基函数分布的优化模型 |
| 4.3.2 基函数分布优化问题的求解算法 |
| 4.4 特征选择方法的算例验证与分析 |
| 4.4.1 纯隐性数据集“格子世界” |
| 4.4.2 特征选择算例验证的计算条件 |
| 4.4.3 RAFS算法中参数对特征选择收敛性的影响 |
| 4.4.4 特征选择计算的结果对比与分析 |
| 4.5 状态空间自律划分方法在平面倒立摆稳定性训练中的应用 |
| 4.5.1 抵抗单自由度摆动扰动的姿势自稳定器 |
| 4.5.2 特征选择和状态空间自律划分的计算结果 |
| 4.5.3 单自由度扰动下姿势平衡自稳定器的稳定性验证仿真 |
| 4.6 本章小结 |
| 第5章 训练平台的机构参数优化与系统研制 |
| 5.1 引言 |
| 5.2 训练平台的机构原理及其稳定性训练性能指标分析 |
| 5.3 空间连杆机构的正运动学数值解算法研究 |
| 5.3.1 空间连杆机构的运动学通用建模方法 |
| 5.3.2 正运动学方程数值解的伪弧长同伦延拓算法 |
| 5.3.3 运动学建模方法及伪弧长同伦延拓算法的算例验证 |
| 5.4 训练平台并联机构部分的机构参数优化 |
| 5.5 二自由度稳定性训练平台的研制与加载运动控制测试 |
| 5.6 本章小结 |
| 第6章 双足机器人稳定性训练与验证的仿真和实验 |
| 6.1 引言 |
| 6.2 双足机器人系统及其多刚体模型 |
| 6.3 双足机器人的稳定性训练仿真 |
| 6.3.1 稳定性训练仿真的训练数据生成 |
| 6.3.2 全域自稳定器的训练与学习 |
| 6.4 双足机器人全域自稳定器训练完成后的稳定性验证仿真 |
| 6.4.1 无冲击扰动情况下的稳定性验证仿真 |
| 6.4.2 含有冲击扰动的稳定性验证仿真 |
| 6.4.3 双足机器人应用全域自稳定器的随机踏步稳定性验证仿真 |
| 6.5 全域自稳定器在GOROBOT-Ⅱ机器人控制系统中的实现 |
| 6.6 双足机器人全域自稳定器的稳定性训练与验证实验 |
| 6.6.1 全域自稳定器的稳定性训练实验 |
| 6.6.2 全域自稳定器的稳定性验证实验 |
| 6.7 本章小结 |
| 结论 |
| 参考文献 |
| 附录A:稳定性验证实验的原始数据 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（7）分布式MIMO声呐目标检测和成像方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写、符号清单、术语表 |
| 1 绪论 |
| 1.1 研究背景及立题意义 |
| 1.2 国内外研究现状 |
| 1.2.1 MIMO声呐探测系统研究现状 |
| 1.2.2 水下目标建模研究现状 |
| 1.2.3 散射波分析与声成像问题研究现状 |
| 1.3 论文研究内容 |
| 1.3.1 分布式MIMO声呐信号模型与处理方法研究 |
| 1.3.2 浅海波导中目标建模与逆散射成像方法研究 |
| 1.4 论文组织结构 |
| 2 分布式多输入多输出声呐探测系统模型 |
| 2.1 主动声呐信号模型 |
| 2.2 声传播模型 |
| 2.3 混响模型分析 |
| 2.4 主动声呐波形设计 |
| 2.4.1 波形评价准则 |
| 2.4.2 主动探测波形分析 |
| 2.5 分布式MIMO声呐信号模型 |
| 2.5.1 分布式定位算法 |
| 2.5.2 分布式时反-MIMO探测系统 |
| 2.5.3 分布式相控-MIMO探测系统 |
| 2.5.4 仿真研究 |
| 2.5.5 湖上试验研究 |
| 2.6 本章小结 |
| 3 自由场中圆柱体散射声场建模与成像分析 |
| 3.1 声散射问题简析 |
| 3.2 刚性实心圆柱体声散射模型 |
| 3.3 刚性实心圆柱散射波时域特征分析 |
| 3.4 逆散射成像算法分析 |
| 3.4.1 反射层析算法 |
| 3.4.2 反向传播逆散射成像算法 |
| 3.5 不同ka情形下,对圆柱成像结果分析 |
| 3.5.1 单频脉冲信号照射圆柱的成像结果 |
| 3.5.2 宽带脉冲信号照射圆柱的成像结果 |
| 3.6 MIMO系统下成像仿真分析 |
| 3.7 本章小结 |
| 4 波导中物体散射声场建模与逆散射成像 |
| 4.1 波导中规则形状散射体的声散射场建模与分析 |
| 4.2 波导中有限长圆柱体的散射声场分析 |
| 4.3 声呐方程模型 |
| 4.4 波导环境对散射成像的影响 |
| 4.4.1 刚性实心圆球逆散射成像 |
| 4.4.2 目标为有限长刚性实心圆柱体时成像结果 |
| 4.5 本章小结 |
| 5 基于分布式MIMO声呐的逆散射成像 |
| 5.1 波导中信道解卷积成像方法 |
| 5.1.1 使用单水听器接收时信道解卷积逆散射成像 |
| 5.1.2 使用垂直阵列接收时信道解卷积逆散射成像 |
| 5.1.3 使用水平线阵接收时信道解卷积逆散射成像 |
| 5.2 基于MIMO声呐的逆散射成像 |
| 5.2.1 MIMO声呐下的信道解卷积成像 |
| 5.2.2 基于稀疏重构的信道解卷积成像 |
| 5.3 本章小结 |
| 6 分布式MIMO声呐定位与成像实验研究 |
| 6.1 实验环境与实验设备 |
| 6.2 实验概述 |
| 6.3 数据处理与结果分析 |
| 6.3.1 目标定位结果分析 |
| 6.3.2 目标成像结果分析 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 总结 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者简历及在学期间科研成果 |
（8）基于声发射的含水岩土安全监测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 含水岩土安全监测系统研究现状 |
| 1.2.1 含水率-声发射关联国内外研究进展 |
| 1.2.2 损伤数据建模处理国内外研究进展 |
| 1.2.3 岩石含水率识别国内外研究进展 |
| 1.2.4 损伤评估国内外研究进展 |
| 1.3 本文研究内容 |
| 2 岩石含水损伤-声发射信号关联探究 |
| 2.1 单轴受压数值仿真研究 |
| 2.1.1 控制方程与边界条件 |
| 2.1.2 仿真结果 |
| 2.2 单轴压缩实验与信号分析 |
| 2.2.1 实验样本与采集设备描述 |
| 2.2.2 信号参数分析法 |
| 2.2.3 不同载荷对声发射信号的影响 |
| 2.2.4 不同含水率对声发射信号的影响 |
| 2.2.5 基于智能采样指标的含水率等级观测与检定 |
| 2.3 基于计算机断层扫描影像分析的损伤量化 |
| 2.3.1 扫描设备与图像处理算法 |
| 2.3.2 损伤等级量化 |
| 2.4 本章小结 |
| 3 损伤监测系统建模 |
| 3.1 拟人记忆监测数据约简 |
| 3.2 基于简谱化的监测信号处理模型 |
| 3.2.1 监测系统描述 |
| 3.2.2 简谱化模型 |
| 3.2.3 基于LSTM网络的损伤模式识别 |
| 3.2.4 失效数据恢复 |
| 3.2.5 模型实验 |
| 3.3 声发射参数筛选 |
| 3.3.1 第一步筛选 |
| 3.3.2 第二步筛选 |
| 3.3.3 模型实验 |
| 3.4 本章小结 |
| 4 含水率模糊识别 |
| 4.1 模糊评估基本原理 |
| 4.2 基于模糊数学的含水率识别 |
| 4.2.1 自适应权重向量 |
| 4.2.2 隶属度矩阵 |
| 4.2.3 含水率模糊识别 |
| 4.3 渗流数值模拟 |
| 4.3.1 边界条件 |
| 4.3.2 仿真结果 |
| 4.4 含水率识别实验 |
| 4.4.1 实验系统描述 |
| 4.4.2 声发射信号预处理 |
| 4.4.3 实验数据分析 |
| 4.5 脑电信号强度视觉预警 |
| 4.6 本章小结 |
| 5 含水损伤评估 |
| 5.1 基于信息熵-可靠性分析的损伤评估 |
| 5.1.1 声发射信号时域特征波 |
| 5.1.2 损伤因果推理逻辑与可靠性理论 |
| 5.1.3 推理度矩阵 |
| 5.1.4 结构损伤信息熵向量 |
| 5.2 损伤因果推理 |
| 5.2.1 疲劳评估 |
| 5.2.2 原因溯源 |
| 5.3 系统实验 |
| 5.3.1 砂岩含水损伤评估 |
| 5.3.2 损伤源定位 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 附录 |
| A.作者在攻读博士学位期间取得的成果目录 |
| B.作者在攻读博士学位期间参与的科研项目 |
| C.作者在攻读博士学位期间取得的奖项 |
| D.学位论文数据集 |
| 致谢 |
（9）CGF战术任务规划行为建模关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 作战仿真与计算机生成兵力 |
| 1.1.2 计算机生成兵力行为建模 |
| 1.1.3 CGF战术任务规划行为建模 |
| 1.2 研究现状 |
| 1.2.1 CGF行为建模技术研究现状 |
| 1.2.2 战术任务规划技术研究现状 |
| 1.2.3 基于搜索算法的战术任务规划技术研究现状 |
| 1.3 研究内容及研究意义 |
| 1.3.1 研究内容 |
| 1.3.2 研究意义 |
| 1.4 论文组织结构 |
| 第二章 CGF战术任务规划行为建模框架 |
| 2.1 相关问题形式化描述 |
| 2.1.1 经典规划的描述与假设 |
| 2.1.2 战术任务规划形式化描述 |
| 2.1.3 不确定战场环境形式化描述 |
| 2.2 基于分层任务网的战术任务规划流程 |
| 2.3 不确定环境下CGF战术任务规划框架 |
| 2.3.1 CGF认知体系结构 |
| 2.3.2 不确定环境下CGF战术任务规划框架总体设计 |
| 2.3.3 关键问题分析 |
| 2.4 本章小结 |
| 第三章 部分可观环境下信念状态生成方法 |
| 3.1 研究背景 |
| 3.1.1 问题描述与分析 |
| 3.1.2 相关工作 |
| 3.1.3 部分可观环境形式化描述 |
| 3.2 历史信息完整条件下的信念状态生成方法 |
| 3.2.1 状态生成策略 |
| 3.2.2 信息集构建与更新策略 |
| 3.2.3 基于历史信息的信念状态生成 |
| 3.3 历史信息不完整条件下的信念状态生成方法 |
| 3.3.1 基于模糊理论的信念状态生成 |
| 3.3.2 基于信念状态生成的AHTNR规划 |
| 3.4 仿真实验 |
| 3.4.1 实验设计 |
| 3.4.2 对比方法 |
| 3.4.3 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 面向对抗分层任务网的隐式对手建模方法 |
| 4.1 问题分析与相关研究 |
| 4.1.1 问题描述与分析 |
| 4.1.2 相关研究 |
| 4.2 基于策略匹配的隐式对手建模方法 |
| 4.2.1 基于粒子滤波的策略匹配算法 |
| 4.2.2 隐式对手建模过程 |
| 4.3 基于隐式对手建模的博弈对抗分层任务网 |
| 4.3.1 基于领域知识的模型表示 |
| 4.3.2 博弈对抗分层任务网 |
| 4.4 仿真实验 |
| 4.4.1 策略匹配算法验证实验 |
| 4.4.2 博弈对抗分层任务网验证实验 |
| 4.5 本章小结 |
| 第五章 基于态势评估的动作效果预测方法 |
| 5.1 研究背景 |
| 5.1.1 问题分析 |
| 5.1.2 相关工作 |
| 5.2 基于动态分层估值网的态势评估方法 |
| 5.2.1 分层估值网构建 |
| 5.2.2 动态权重分配 |
| 5.3 基于多尺度卷积神经网络的胜负预测方法 |
| 5.3.1 多尺度卷积神经网络模型 |
| 5.3.2 基于MSCNN模型的胜负预测 |
| 5.4 仿真实验 |
| 5.4.1 态势估值方法验证实验 |
| 5.4.2 胜负预测方法验证实验 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（10）环境干扰下的关联成像算法和目标特征提取研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 传统成像技术面临的挑战 |
| 1.1.2 关联成像的特点 |
| 1.2 关联成像的研究进展 |
| 1.2.1 关联成像理论的研究进展 |
| 1.2.2 关联成像系统的研究进展 |
| 1.3 关联成像的不足与发展趋势 |
| 1.3.1 关联成像的不足 |
| 1.3.2 关联成像的发展趋势 |
| 1.4 本文的主要工作与内容安排 |
| 第二章 关联成像模型建立与环境干扰下的成像性能分析 |
| 2.1 引言 |
| 2.2 赝热光关联成像原理分析 |
| 2.2.1 光源统计性质分析 |
| 2.2.2 光路传输中的光场变化 |
| 2.2.3 信号处理与计算 |
| 2.3 压缩感知关联成像仿真模型构建 |
| 2.3.1 压缩感知原理分析 |
| 2.3.2 压缩感知关联成像流程与模型分析 |
| 2.3.3 数值仿真和讨论 |
| 2.4 环境干扰下关联成像性能分析 |
| 2.4.1 关联成像质量与环境干扰因素的关系 |
| 2.4.2 环境干扰因素对关联成像系统的影响 |
| 2.4.3 数值仿真和讨论 |
| 2.5 本章小结 |
| 第三章 基于先验信息的反馈式关联成像算法研究 |
| 3.1 引言 |
| 3.2 反馈式关联成像算法研究 |
| 3.2.1 现有算法的重构模型分析 |
| 3.2.2 基于先验信息的反馈式重构算法设计流程 |
| 3.2.3 反馈式重构算法的可行性分析 |
| 3.3 基于邻域相似度的反馈式关联成像研究 |
| 3.3.1 目标的邻域相似度概念 |
| 3.3.2 基于邻域相似度的反馈式关联成像重构算法分析 |
| 3.3.3 重构算法参数分析 |
| 3.4 数值仿真与实验效果分析 |
| 3.4.1 基于邻域相似度的反馈式关联成像的仿真分析 |
| 3.4.2 基于邻域相似度的反馈式关联成像的实验验证 |
| 3.4.3 实验结果与仿真模拟的比较与讨论 |
| 3.5 本章小结 |
| 第四章 关联成像边缘检测方案研究 |
| 4.1 引言 |
| 4.2 关联成像边缘特征提取方法研究 |
| 4.2.1 图像边缘提取的数学原理分析 |
| 4.2.2 常见的图像边缘检测算子 |
| 4.2.3 “先成像-再提取”模式下的关联成像边缘检测分析 |
| 4.3 梯度关联成像方案研究 |
| 4.3.1 梯度关联成像方案的原理分析 |
| 4.3.2 基于边缘检测算子的梯度关联成像模型建立 |
| 4.3.3 数值仿真与实验验证 |
| 4.4 多方向梯度关联成像方案研究 |
| 4.4.1 多方向梯度关联成像原理分析 |
| 4.4.2 多方向梯度关联成像采样过程优化 |
| 4.4.3 仿真分析与实验验证 |
| 4.5 本章小结 |
| 第五章 关联成像角点检测方案研究 |
| 5.1 引言 |
| 5.2 基于关联成像结果的角点检测算法性能比较 |
| 5.2.1 角点的定义与性质 |
| 5.2.2 常用的角点检测算法 |
| 5.2.3 基于关联成像系统的角点检测方法研究 |
| 5.3 基于边缘的关联成像角点检测方法研究 |
| 5.3.1 GGI-CDE模式下的角点检测方案设计 |
| 5.3.2 GGI-CDE方案的算法参数分析 |
| 5.4 仿真与实验结果分析 |
| 5.4.1 仿真结果分析 |
| 5.4.2 实验结果分析 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
四、模糊关联规则在环境系统仿真中的应用（论文参考文献）
- [1]环境因素对深海环境噪声特性的影响研究[D]. 张凯. 浙江大学, 2021(01)
- [2]多智能体系统自主规避任务决策方法研究[D]. 赵毓. 哈尔滨工业大学, 2021(02)
- [3]面向智能工厂的无线传感器网络定位技术研究[D]. 李海啸. 中国科学院大学(中国科学院沈阳计算技术研究所), 2021(09)
- [4]城市居民绿色购买行为驱动机理与扩散仿真研究[D]. 杨贤传. 中国矿业大学, 2021(02)
- [5]V2V条件下自动紧急制动方法研究[D]. 徐泽. 重庆理工大学, 2021(02)
- [6]基于运动平台与训练学习的足式机器人全域自稳定器研究[D]. 高力扬. 哈尔滨工业大学, 2020
- [7]分布式MIMO声呐目标检测和成像方法研究[D]. 姜景宁. 浙江大学, 2020
- [8]基于声发射的含水岩土安全监测技术研究[D]. 陶锴. 重庆大学, 2020(02)
- [9]CGF战术任务规划行为建模关键技术研究[D]. 杨伟龙. 国防科技大学, 2019(01)
- [10]环境干扰下的关联成像算法和目标特征提取研究[D]. 陈熠. 国防科技大学, 2019(01)