智能网联车辆MFP算法轨迹预测模型研究

为解决车辆轨迹预测任务中环境不断变化、车辆间存在交互影响,导致长期预测情况下预测精度较低的问题,提出了一种基于multiple futures predictor(MFP)算法的多智能体轨迹预测模型。采用对称指数移动平均法去除异常数据并平滑轨迹;采用图神经网络(graph convolutional neural network,GCN)进行交互特征提取,将历史轨迹与未来智能体之间的交互特征进行编码;在解码过程中添加车辆自身运动学模型得到动态可行的预测轨迹。对公开数据集NGSIM进行实验分析,结果表明:模型对车辆轨迹预测误差在0.5 m以内;通过对轨迹预测的ADE与FDE结果分析,在预测未来5 s轨迹的情况下,相比于其他方法,ADE降低了30.7%,FDE降低了32.5%,验证了模型和算法的有效性。

阵间模基处理被动定位技术研究

随着目标声源级不断减小、环境噪声级不断增大,常规的基于单节点的被动定位方式已经不能满足声纳探测的需求,因此提出一种新的将网络化探测系统和模基处理技术相结合的被动定位方法,可以从空间不同角度对目标进行观察并充分利用环境声场的复杂性对目标进行定位。模基处理方法主要有匹配场处理、匹配模处理等,以匹配场处理为例进行分析,将常规波束形成(Conventional Beamforming,CBF)、自适应波束形成(Minimum Variance Distortionless Response,MVDR)两种匹配场处理器和阵间相干、非相干信号处理方法相结合进行仿真,对单阵和多阵、MVDR和CBF、相干处理和非相干处理、宽带和窄带之间的定位性能进行了对比。仿真结果显示,基于多节点的阵间模基相干处理方式在定位性能上明显优于单节点的模基处理结果。

复杂机电系统多流问题分析与求解过程模型

复杂机电系统在物质流、能量流和信息流的相互传递和转换过程中,流的属性及类型变化会对其他流产生负作用,造成系统产生多种流问题。针对此类问题提出流阈概念,并以此将多流问题进行分类,建立了多流问题分析的流结构信息(MFP-FSI)模型,该模型以图表形式直观展现多流问题,可从本质上揭示流问题产生机理。文中给出了流进化法则与多流问题求解的对应关系,建立了复杂机电系统多流问题分析与求解的总过程模型,最后以线香捆扎机为例验证了过程模型的可行性。

针对薄层介质的多极漫射模型扩展

多极(Multipole)漫射模型能较准确地模拟半透明介质的次表面散射现象,但并不适用于厚度接近或小于一个平均自由程(MFP)的薄层介质。为此,在Multipole漫射模型的基础上扩展该模型使之适用于薄层介质。根据Multipole漫射模型所依赖的假设条件,针对薄层介质加以修改,将光线分解为直接透射和漫射部分,并调整Multipole放置点光源的方式,使之更符合薄层介质中光传输的特征。使用修改后的光源计算漫射部分,而直接透射部分则采用狄拉克δ分布来近似。对扩展方法和传统Multipole以及蒙特卡罗方法进行分布数值和实际渲染效果的对比,在处理厚度接近或小于一个MFP的薄层介质时,扩展方法的结果均较传统Multipole更吻合蒙特卡罗方法的结果,可直接和现有Multipole模型实现集成。

运动点声源声传播模型的数值算法

从声传播的基础波动方程入手,推导了波导中运动点声源的声传播模型,并将推导结果发展为适用于计算机数值实现的简正波形式.该结果为采用匹配场处理技术对运动目标进行定位奠定了基础.