传统的粒子群算法在运行的过程中容易陷入局部最优,从而导致最终的路径规划不能达到最优。为此,传统的粒子群算法在迭代寻优的过程中为每个粒子引入蚁群算法中的信息素,赋予粒子更多信息内涵以加快收敛速度。然后考虑模糊逻辑,研究了基于模糊逻辑粒子群算法的无人机三维路径规划问题,通过模糊处理控制路径规划的输入量,防止系统陷入局部最优。所提算法结合了粒子群算法、蚁群算法和模糊逻辑的优势,通过实例仿真验证了算法的有效性。

针对加固液晶显示器在振动环境下出现的漏光现象,提出了一种有效的分析方法,建立了有限元仿真模型和光学特性仿真模型,对加固液晶显示器振动白斑的现象进行了分析。首先使用简化的加固液晶显示器模型进行有限元分析,再用光学特性仿真软件计算并比较了静止状态和振动环境下液晶显示器光线的透过率,并用试验加以佐证,从液晶显示器光线透过率变化的角度解释了振动白斑现象产生的机理。此外,还分析了大尺寸不同模式和不同加固玻璃厚度的加固液晶显示器在随机振动环境下的光线透过率。所提随机振动环境下液晶显示器光线透过率变化的分析方法有助于提高加固液晶显示器的生产良率,降低生产成本。

机载外辐射源雷达面临多普勒展宽的直达波和强杂波干扰,传统的归一化最小均方(NLMS)算法难以消除此类杂波。针对这一问题,提出一种变步长距离-多普勒归一化最小均方(VSS-RDNLMS)算法。该算法利用距离-多普勒NLMS(RDNLMS)算法的优势,在距离维和多普勒维同步对消杂波,同时,根据输出误差信号和系统噪声控制步长改变,在保证收敛速度的前提下,降低了算法的稳态误差。仿真实验表明：在相同的仿真条件下,VSS-RDNLMS算法可以显著改善机载外辐射源雷达的杂波对消性能,有效降低对消残差,提高目标信噪比。

为提高多无人机动态侦察分配效率,更好地满足现代战争对多无人机动态侦察实时性的要求,建立了多无人机动态侦察资源分配模型。该模型将动态任务分配问题转化为多阶段静态分配问题,利用状态更新方法对各阶段静态分配问题的初始状态进行更新,从而提升整体分配效率。采用改进的人工蜂群算法对该模型进行求解,在选择蜜源阶段采用双向进化以增加种群的多样性,提高了算法的寻优能力。仿真结果表明,动态侦察资源分配模型相较于传统的静态分配模型具有侦察效率高、续航能力强的优势,且更适用于大规模无人机集群作战情况。

针对具有扰动的一类非线性系统的故障估计问题,设计了一种新的H∞鲁棒观测器与故障估计滤波器相结合的方法。该方法首先通过引入H∞性能指标,抑制了未知扰动及系统噪声的影响,同时也抑制了故障估计误差受故障变化率的影响,从而增加了故障估计的快速性和鲁棒性；其次,通过H∞鲁棒观测器抑制后的残差信号调整估计故障,然后设计滤波器的阈值,将阈值的大小与残差范数进行比较,判断是否启动滤波器,滤波器的设计使得系统鲁棒性进一步增强。仿真结果验证了所提方法的有效性及正确性。

为解决粒子群优化算法中存在的早熟收敛、易陷入局部寻优等问题,提出一种对惯性权重的非线性改进策略,构造了一种基于指数函数的惯性权重,并加入服从贝塔分布的随机调整数,以实现对其动态调整。此外,引入差分进化算法中的变异和交叉操作对粒子的位置进行更新,以增加粒子种群的多样性。为验证所提算法的寻优性能,选择4个典型的测试函数,将改进后的粒子群算法与其他算法进行比较。实验数据表明,所提改进算法在复杂问题上具有更高的搜索精度,在简单问题上具有更快的收敛速度。

针对多USV编队控制问题,提出了一种基于多智能体(MAS)的编队协调策略与实现算法。首先,利用USV搭载的Agent之间的交互,实现分布式编队协调,同时基于引导者-跟随者法设计了面向“元编队”的控制器；之后,通过仿真实验与分析验证了策略与算法的正确性与稳定性；最后,利用“海鱇”和“海鳐”USV对所提方法进行海上试验,试验结果验证了其在实际工程应用中的有效性。

误差配准问题是雷达组网中首先要解决的问题,以此来精确估计和消除系统误差。扩维滤波能够对系统误差进行实时估计,但计算量随维度增加而增大；双阶卡尔曼滤波能够大大减少计算量,但易出现计算误差发散。在研究ASEKF与TSEKF算法的基础上,将数值稳定性高的平方根滤波与TSEKF算法相结合,并引入序贯思想,提出一种基于SSR-TSEKF的误差配准算法。仿真结果表明,新算法在降低计算量的基础上,有效提高了滤波稳定性。

针对噪声调幅干扰抑制存在实时性较差的问题,提出了一种基于FFT频偏快速修正的噪声调幅干扰抑制算法。首先,采用基于FFT的频偏快速修正算法对噪声调幅干扰的中心频率进行精确估计,并通过减少复数乘法运算次数有效降低运算量；然后,利用估计得到的干扰中心频率,通过解调公式对信号和干扰进行解调,得到信号和干扰的双边谱分布；最后,在频域上对解调信号进行分步两次对消,并对时域上信号进行恢复,从而完成对噪声调幅干扰的抑制。仿真分析结果表明,该算法能够在明显降低计算量的前提下有效抑制噪声调幅干扰。

针对四旋翼无人机的轨迹跟踪问题,设计了基于干扰观测器的最优迭代学习控制器。在考虑外界干扰的情况下,建立了四旋翼无人机的运动学离散模型,通过设计离散形式的干扰观测器实现对未知干扰的估计,并用Lyapunov方法对干扰估计误差的收敛性进行了严格证明。在对干扰进行补偿的基础上,设计了最优迭代学习控制器,保证了四旋翼无人机对期望轨迹的跟踪误差渐近收敛。最后,通过仿真验证了所设计的干扰观测器和迭代学习控制器的有效性。

为了获得更高的预测精度,针对高斯过程回归(GPR)算法在具体应用中出现的依赖核函数的选择以及精度提升空间有限等问题,结合AdaBoost算法思想提出了一种基于AdaBoost.RT算法的GPR预测算法。该算法从统计学角度引入预置阈值的概念,将不同核函数的GPR算法预测结果定性分成正确和错误两部分,并经过两层训练,通过最终权值的大小反映出针对不同核函数的GPR算法的信度大小,最终融合各个核函数输出高质量的预测值。在锂电池的故障预测仿真实验中,该算法的预测相较于传统的GPR算法,平均误差下降了82.14%,证明该算法的合理性和实用性。

针对ORB算法在匹配过程中存在误匹配率高和鲁棒性差等问题,提出一种融合描述子的ORB-LBP特征匹配算法。该算法首先对输入图像构建金字塔尺度空间,在每一图层上检测oFAST关键点,提高算法的尺度不变性；然后采用图像块代替像素的方法提高LBP算法抗噪性能,同时通过选取最小值法和排序法使其具有旋转不变性；最后在生成rBRIEF-LBP描述子的过程中用128位改进LBP描述算子代替rBRIEF描述算子中方差较小的后128位,充分利用图像信息,以提高匹配正确率和鲁棒性。实验结果表明,所提算法较传统ORB算法在尺度变化、旋转和亮度变化方面的高精度匹配率和鲁棒性均有很大提高,更加满足复杂图像快速精准匹配的要求。

在航迹起始领域,针对复杂电磁环境下大量杂波剩余造成的虚假航迹问题,提出了新的剩余杂波处理方法。该方法是基于自适应提升(AdaBoost)算法,将杂波抑制问题转化为AdaBoost决策树分类。首先,训练基学习器,得出一个粗略的分类结果;在此基础上,组合多个基学习器的结果进行更全面的分类,解决了弱学习器在特征不明显的杂波点迹上表现不佳的问题。实验结果表明,提出的方法相较于传统的SVM和KNN分类器更加有效地抑制了剩余杂波点迹,减少了剩余杂波对航迹起始的影响。

针对捷联惯性导航系统高精度快速对准的需求,在传统位置观测滤波方案的基础上,提出一种基于姿态角不变约束的捷联惯性导航系统快速初始对准方法。该方法利用静基座条件下初始体坐标系相对于体坐标系的等效旋转矢量保持不变或变化很小的特点,建立了系统状态模型和量测模型,采用闭环卡尔曼滤波完成精对准。仿真及测试结果表明,相比于传统方案,该方案能明显提升对准精度,方位对准精度提高了43%,便于工程应用,且应用效果良好。

针对长时间相近运动的多目标跟踪过程中易出现的航迹间互相干扰问题,在经验联合概率数据互联(CJPDA)算法的基础上,提出了一种基于距离关系进行二次加权的数据互联(D-CJPDA)算法。通过CJPDA算法计算候选量测与航迹的互联概率,然后根据各候选量测与航迹预测点的距离比例关系对互联概率进行二次加权,最后根据新的概率分布得到的等效回波来更新目标的状态和协方差,从而完成目标航迹的维持与更新。仿真实验结果表明,与CJPDA算法相比,所提算法可进一步提高跟踪精度,并减少航迹合并及目标误跟踪的可能性。

伪谱法将连续的最优控制问题转换为离散的非线性规划问题,通过非线性规划离散解插值获得原问题的解,即连续的控制函数与状态函数。首先,梳理伪谱法解最优控制问题的基础理论与求解的一般过程；其次,归纳伪谱法求解的一致性原则,包括解的存在性、可行性和最优性；然后,推导保证解一致性的方法,通过3种情况算例仿真验证了一致性原则与方法的适用性;最后,总结伪谱法的特点,提出不同应用场景下的一般求解思路和新的研究挑战。

针对四旋翼无人机的欠驱动和强耦合特性造成像机固定于机体的视觉伺服效果不佳的问题,提出一种基于图像矩的视觉伺服方法。首先,构建虚拟像平面,选取图像矩为特征,进行图像动力学解耦,进一步结合四旋翼无人机动力学模型建立特征误差与速度之间的伺服关系；其次,根据四旋翼无人机动力学解耦关系,将系统解耦为位置控制和姿态控制；位置控制器根据伺服关系求取速度控制律,通过动力学扩展的方式直接求得期望的姿态；最后,由于系统非线性特性造成姿态扰动,设计滑模控制器进行姿态跟踪控制。跟踪移动目标的仿真实验结果证明所提方法的优越性和鲁棒性。

在远端(距离监测点500 m以上)激光强度弱并且出现激光光路干扰的实际环境中进行激光光斑中心点定位。首先通过图像预处理进行相机噪声的抑制;接着通过构建激光光斑强度分布模型进行激光光斑的分割;然后通过形态学腐蚀操作抑制误分割现象,同时对处理后的分割图像进行网格化划分,通过计算网格的可信度及中点坐标进行网格中点坐标的组合,完成一级光斑中心定位;最后结合先验知识和中心可能性得分进行中心点搜索调整,完成二级定位,得到激光光斑中心。经过实际场景验证,所提算法在远端激光强度较弱并且存在明显光路干扰的情况下,能够较好地完成远端激光光斑中心定位功能。

针对装备维修性评估时现场数据样本量不足的问题,建立一种基于D-S证据理论的多源数据融合方法,充分利用装备前期各阶段或其他来源的维修性试验数据。首先对传统的Bayes Bootstrap法进行改进,较为精确地拟合离散化的各源维修性试验数据的分布参数,再从数据源中挖掘样本量和分布特征等信息构建证据,采用D-S理论合成证据作为权重,建立维修性多源数据融合模型,最后采用某坦克的维修性试验数据进行实例分析,验证了该融合方法的有效性。

针对目前RGB-D SLAM算法中关键帧的选取速度较慢,从而导致侦察机器人的即时定位和全局地图构建过程中出现即时性较差的问题,提出了一种适用于RGB-D相机的SLAM关键帧自适应选取算法。机器人不同的运动状态会使相机获取的连续图像的帧间相似度发生变化,从而影响关键帧的选取。利用神经网络构建了机器人运动状态与关键帧步长的关系模型,提出基于机器人运动状态的关键帧自适应选取算法,实现关键帧的自适应选取。实验结果表明,该算法降低了系统的计算量,提高了系统整体的运行效率,因此所提算法可以在保证准确度的同时有效提升SLAM系统的运行速度,具有较强的实用性。

针对高超声速飞行器纵向模型存在的不确定性与外界干扰问题,基于终端滑模控制理论,设计了带有滑模干扰观测器的非线性动态逆控制器。对飞行器的纵向运动模型进行反馈线性化,实现高度与速度通道的解耦,用极点配置方法设计非线性动态逆控制器。将模型参数不确定性和外界干扰视为“等效扰动”,设计滑模干扰观测器估计系统的等效扰动,将其反馈到动态逆控制器进行补偿。仿真结果表明,该控制器能够快速稳定地跟踪指令信号,而且在干扰存在时具有较强的鲁棒性,满足高超声速飞行控制要求。

为消除正交小波非对称性引起的非线性相位对分解结果的不利影响,结合零相位滤波原理与冗余小波变换,提出了一类具有零相位特性的冗余小波分解算法——零相位冗余小波变换。该小波变换不仅克服了Mallat算法中隔点采样环节造成的平移可变与频率折叠等诸多缺陷,也消除了传统冗余小波变换分解结果出现移位与畸变的不足,非常适合于微弱特征提取。通过实例分析证明了该算法用于轴承微弱故障特征提取的有效性与优势所在。