1 火箭军研究院, 北京 100094
2 海南大学理学院, 海南 海口 570228
3 四川红华实业有限公司第二分场, 四川 峨眉山 614200
4 中国石油大学理学院, 北京 102200
氟氯酰(ClF3O)是一种极强的氟化剂和氧化剂, 极易与水和有机物发生爆炸性反应。 目前关于氟氯酰与水以及有机物等物质的反应机理不多见, 氟氯酰与水以及有机物等物质由反应物变成产物的过程有待研究。 采用ICCD瞬态光谱测量系统, 实时拍摄到无氧和有氧环境下氟氯酰和正癸烷反应的瞬态发射光谱; 采用量子化学理论方法对氟氯酰和正癸烷的反应机理进行了探索研究, 理论计算与试验结果相一致。 瞬态发射光谱试验结果表明, 在无氧环境下, 氟氯酰和正癸烷反应会产生CH和C2自由基, 证实了无氧时氟氯酰确实能与正癸烷发生反应, 显示出氟氯酰的高活性; 在有氧环境下, 则会产生OH, CH和C2自由基。 CH自由基强度最大的发射峰位于431.4nm, 归属于A2Δ-X2П电子态之间的跃迁; C2自由基强度最大的发射峰位于516.3 nm, 归属于A3Пg-X3Пu电子跃迁; OH自由基强度最大的发射峰位于309.5 nm, 归属于A2Σ+-X2Пi电子跃迁。 量子化学理论计算结果表明, ClF3O与正癸烷的反应始于ClF3O中具有较多负电荷的F原子向正癸烷分子中间的H原子进攻生成HF, 该引发反应活化能很低, 并大量放热。 在无氧环境下, 氟氯酰与正癸烷可能发生氟代反应, 反应产物为ClFO、 HF和相应的氟代烷烃等。 氟代烷烃可能会发生脱氢反应生成C10H20F, 接着裂解为C4H9及氟代烯烃C6H11F; C4H9进一步分解为C2H5和C2H4, 最终形成CH和C2自由基等。 有氧环境下反应初始步骤与无氧条件下相同, 当反应进行到一定程度, 产生烷烃自由基之后, O2参与反应, 形成过氧自由基, 过氧自由基继续分解, 产生OH, CH和C2自由基。 在氧气参与下, 反应过程中产生大量的OH自由基, 加速反应的进程, 宏观上表现为正癸烷被引发爆燃与燃烧。 这些自由基和中间体对于揭示氟氯酰和正癸烷反应的微观机理具有重要的指示意义。 氟氯酰和正癸烷的反应机理与试验结果均证实: 小自由基CH、 OH和C2是氟氯酰与正癸烷反应过程中的重要中间产物, 这对于认识氟氯酰与正癸烷反应的微观过程非常重要, 也为氟氯酰的**化应用奠定了一定的理论基础。
氟氯酰 正癸烷 反应机理 中间自由基 发射光谱 ICCD相机 ClF3O n-Decane Reaction mechanism Intermediate radical Emission spectrum ICCD 光谱学与光谱分析
2022, 42(5): 1522
1 巢湖学院 电子工程学院, 安徽 巢湖 238000
2 浙江大学 微纳电子学院, 浙江 杭州 310000
为了增强舰船检测的抗干扰性能, 本文提出了一种有效且稳定的单阶段舰船检测网络, 该网络主要由3个模块组成：特征优化模块, 特征金字塔融合模块和上下文增强模块, 其中特征优化模块是提取多尺度上下文信息, 并进一步细化和增强顶层特征输入特性, 增强弱小目标检测性能; 特征金字塔融合模块能够生成表征能力更强的语义信息; 上下文增强模块则是整合局部和全局特征增强网络特征表达能力, 以降低复杂背景对检测性影响, 平衡前景和背景的不均衡差异, 消除鱼鳞波的影响。为了验证本文所提方法的有效性和鲁棒性, 本文对自建的舰船数据集进行了定性定量验证。实验结果表明, 相比现有最新基准对比模型, 本文所提网络在自建数据集上均达到了最优性能, 在不增加复杂度的情况下极大提升了检测精度。
目标检测 红外舰船 单阶段网络 金字塔池化 上下文增强 object detection, infrared ship, single-stage netw
基于深度强化学习的连续状态空间无人机隐蔽接敌问题, 提出了基于马尔可夫决策过程的隐蔽接敌双深度Q网络(DDQN)方法。利用DDQN生成目标值函数的方法解决了传统DQN的过拟合问题; 采用按优先级随机抽样的方法获取训练样本, 加速了神经网络的训练速度; 设定贪婪系数按照指数下降的方法, 解决了传统强化学习的“探索利用窘境”; 在势函数奖赏函数设计中引入角度因子, 使其更加符合实际作战情况。仿真实验结果表明, DDQN具有较好的收敛性, 能有效生成隐蔽接敌策略。
隐蔽接敌策略 空战决策 马尔可夫决策过程 双神经网络结构 DDQN算法 stealthy engagement maneuvering strategy air combat decision-making Markov decision process double neural network structure DDQN algorithm
针对目标尺度变化、遮挡及形变等复杂情况下, 传统核相关滤波器(KCF)效果不理想的问题, 提出了一种基于Radon变换的自适应模型更新KCF滤波跟踪算法。利用运动信息, 通过光流法和帧间差分法预测出目标可能所在的区域, 显著缩小了搜索范围, 提高了算法速度; 利用Radon变换具有对噪声不敏感及矩平移伸缩不变性, 通过矩特征匹配度峰值确定最优尺度, 在减少计算量的同时提高算法精度; 根据模型更新策略中学习率与响应图峰值的非线性关系, 构造抛物型学习率曲线,实现对模型的自适应更新, 即使在目标暂时丢失或出现虚假目标时也保证了算法的跟踪精度。实验结果表明, 提出的算法具有较好的实时性和较高的成功率与精度。
目标跟踪 Radon变换 运动信息 模型更新 target tracking KCF KCF Radon transform motion information model update
1 南京航空航天大学, a.自动化学院
2 b.江苏省物联网与控制技术重点实验室, 南京 210016
针对经典基于避碰、速度一致和聚集(SAC)原则的多智能体系统运动控制算法边界振荡和无法实现分群运动的问题, 提出一种注意力跟随机制与改进拟态物理法(F-IAP)相结合的运动控制算法。算法将经典SAC算法的速度一致区和聚集区相融合, 根据距离与速度调节引力系数来改变拟态物理力的作用, 解决了SAC算法边界振荡问题, 实现了多智能体系统的聚集运动、速度一致以及障碍环境下的群体避障。根据神经科学中生物注意力的特点, 选择直接感知到环境刺激的智能体作为跟随对象, 并与IAP算法相结合, 实现多目标环境中多智能体系统分群运动。最后通过仿真验证算法的可行性与性能的优越性。
多智能体 注意力跟随机制 拟态物理法 分群 运动控制 multi-agent attention-following mechanism artificial physics fission motion control
1 南京航空航天大学, 自动化学院，南京211106
2 江苏省物联网与控制技术重点实验室，南京211106
针对未知杂波强度下的多目标跟踪问题, 提出了加速期望最大化概率假设密度(AEM-PHD)平滑滤波算法。首先, 对杂波的强度进行建模; 接着, 根据杂波的量测估计出杂波的个数; 然后, 利用高斯有限混合模型对杂波密度函数进行建模, 在EM算法的基础上提出了AEM算法, 将AEM算法用于高斯有限混合模型参数的估计, 获得了杂波的密度函数; 最后, 将估计的杂波信息应用于多目标跟踪, 对目标状态进行了平滑。仿真结果表明, 在杂波强度未知的环境下, 所提算法能准确估计出杂波的参数, 具有跟踪精度高、目标数目估计准确的优点。
多目标跟踪 未知杂波强度 高斯有限混合模型 加速期望最大化 概率假设密度 平滑 multi- target tracking unknown clutter intensity Guessian finite mixture model accelerated expectation maximization probability hypothesis density smoothing
1 南京航空航天大学,自动化学院,南京211106
2 江苏省物联网与控制技术重点实验室南京211106
针对一般WSN多目标协同跟踪研究中优化目标单一的缺点，提出了一种基于Q学习的多目标耦合协同任务分配算法。该算法提出了合簇的方法以解决多目标耦合情形的网络任务分配竞争冲突问题，首先，采用Q学习方法选取多目标相遇阶段的最优合簇时机，同时拟定合适的Q学习函数和回报函数，得出目标并行阶段最优簇首切换方案；然后，在保证剩余能量的前提下，利用设计的信息效用函数和动态最小簇成员数目给出不同阶段最优簇首及簇成员的选择；最后，根据目标特征标签分离目标信息。仿真结果表明，算法可以对多目标跟踪的耦合情形进行优化，能够满足跟踪精度的需求，具有降低系统能量消耗的优点，较好地延长了网络的生命周期。
多目标跟踪 任务分配 Q学习 竞争冲突 multi-target tracking task allocation Q learning competition conflict WSN WSN
针对多无人机协同避碰航路规划问题, 提出了一种增加无人机自身斥力场的改进人工势场法(APF)与Bezier曲线相结合的方法。首先, 在给出了对无人机产生虚拟影响的一般人工势场后, 为了防止多无人机之间的碰撞, 定义了无人机自身产生的斥力势场, 由于该斥力势场产生的斥力函数具有分段连续的特点, 使无人机在防止机间碰撞时能有效规避频繁大转角和急促转弯现象的发生; 其次, 针对APF易陷入局部最优问题, 设计了一种基于虚拟障碍物的逃离局部最优方法; 最后, 提出分段Bezier曲线平滑算法对无人机的飞行轨迹进行在线实时平滑优化, 在两个分段Bezier曲线连接处保证了曲线的光滑性, 消除了航路规划中的路径振荡现象。仿真结果表明了所提方法的有效性。
多无人机 协同追踪 机间防碰 人工势场法 Bezier曲线 multi-UAV collaborative tracking inter-UAV collision avoidance artificial potential field Bezier curve
1 江苏大学 机械工程学院,江苏 镇江 212013
2 大茂伟瑞柯车灯有限公司,江苏 常州 213022
为了使车辆驾驶员在雾、雪、雨或者尘埃等不同的恶劣气象条件下能够得到充分照明,且避免造成对方会车司机炫目,设计了具有明暗截止线的前雾灯系统。基于非成像光学理论,采用照度优化设计法,运用数值计算求解出自由曲面反射镜(FFR)各个点坐标的坐标值。合理划分基础面,并调整各子块的扩散角度,实现配光要求。通过蒙特卡洛模拟法进行追迹光线,测试结果表明：配光效果满足机动车前雾灯配光性能(GB4660-2016)对各测试点的照度要求,且明暗截止线清晰,体积小,边缘区域也有较高光能,光线利用率达到52.7%。
自由曲面 前雾灯 配光标准 LED LED freeform surface front fog lamp light distribution regulation
1 南京航空航天大学自动化学院，南京 211106
2 江苏省物联网与控制技术重点实验室，南京 211106
针对概率假设密度多目标跟踪算法中存在的杂波强度未知的问题, 提出一种基于熵惩罚的EM未知杂波估计的PHD多目标跟踪(EPEM-PHD)算法。首先采用有限混合模型对未知杂波密度建模, 其次分别对混合权重及缺失参数施加熵惩罚因子, 然后通过自适应动态系数调节, 使得混合模型低权值分量加速消亡, 减少了算法迭代次数, 且算法对初始参数不敏感。仿真结果表明, 该算法在杂波强度未知的环境下, 具有精度高、跟踪稳定的优势, 提高了PHD滤波器在多目标跟踪中的性能。
多目标跟踪 未知杂波估计 燔惩罚 multi-target tracking PHD Probability Hypothesis Density (PHD) unknown clutter estimation entropy penalized EM Expectation Maximization (EM)
