优先发表
优先发表栏目展示本刊经同行评议确定正式录用的文章，这些文章目前处在编校过程，尚未确定卷期及页码，但可以根据DOI进行引用。
显示方式:
, 最新更新时间 , doi: 10.11993/j.issn.2096-3920.2025-0098
摘要:
水下环境复杂多变, 水下无人系统面临不可预测性与感知信息不完备的挑战, 难以精准高效自主决策。传统方法依赖完备的感知数据与地图信息, 但受地图信息限制, 水下无人系统执行水下探测、资源勘探及环境监测等任务自主能力受限。针对此, 文中提出一种基于专家知识与深度强化学习的双层决策方法, 可提升无人系统在水下智能决策中的自适应能力, 增强任务执行的高效性。具体而言, 首先设计双层自主决策方法架构, 通过增强系统的鲁棒性, 以切实保障航行安全; 然后, 提出基于专家知识与深度强化学习的自主决策策略生成方法, 提升水下无人系统在未知场景中的自适应能力; 最后, 提出多模块设计方法, 达成各功能模块的解耦, 有效提升水下无人系统的研发效率。以水下无人系统为研究对象, 实验结果表明, 文中方法在水下无人系统自主导航及避障仿真场景中, 其成功率与平均奖励值收敛速度均优于各类基准方法, 为真实场景下的自主决策优化研究提供了坚实的理论支撑。
水下环境复杂多变, 水下无人系统面临不可预测性与感知信息不完备的挑战, 难以精准高效自主决策。传统方法依赖完备的感知数据与地图信息, 但受地图信息限制, 水下无人系统执行水下探测、资源勘探及环境监测等任务自主能力受限。针对此, 文中提出一种基于专家知识与深度强化学习的双层决策方法, 可提升无人系统在水下智能决策中的自适应能力, 增强任务执行的高效性。具体而言, 首先设计双层自主决策方法架构, 通过增强系统的鲁棒性, 以切实保障航行安全; 然后, 提出基于专家知识与深度强化学习的自主决策策略生成方法, 提升水下无人系统在未知场景中的自适应能力; 最后, 提出多模块设计方法, 达成各功能模块的解耦, 有效提升水下无人系统的研发效率。以水下无人系统为研究对象, 实验结果表明, 文中方法在水下无人系统自主导航及避障仿真场景中, 其成功率与平均奖励值收敛速度均优于各类基准方法, 为真实场景下的自主决策优化研究提供了坚实的理论支撑。
, 最新更新时间 , doi: 10.11993/j.issn.2096-3920.2024-0156
摘要:
针对同心筒热发射过程冲击波对航行体头罩安全出筒影响分析, 采用计算流体力学(CFD)软件数值仿真点火发射过程, 详细分析了固体火箭发动机产生的冲击波、燃气在同心筒内的传播过程, 得到了冲击波作用下头罩受力变化曲线, 揭示了头罩在冲击波作用下的受力机理。通过试验数据, 进一步验证了头罩在冲击波作用下的受力过程。研究结果有助于清晰认识同心筒热发射过程冲击波对头罩受力影响, 可用于指导头罩出筒安全性设计。
针对同心筒热发射过程冲击波对航行体头罩安全出筒影响分析, 采用计算流体力学(CFD)软件数值仿真点火发射过程, 详细分析了固体火箭发动机产生的冲击波、燃气在同心筒内的传播过程, 得到了冲击波作用下头罩受力变化曲线, 揭示了头罩在冲击波作用下的受力机理。通过试验数据, 进一步验证了头罩在冲击波作用下的受力过程。研究结果有助于清晰认识同心筒热发射过程冲击波对头罩受力影响, 可用于指导头罩出筒安全性设计。
, 最新更新时间 , doi: 10.11993/j.issn.2096-3920.2025-0079
摘要:
针对舰船轴频电场信号检测中目标信号弱且易被噪声掩盖的问题, 提出了一种基于“优先检测与选择性增强”原则的电场信号检测方法。首先利用自适应噪声完备集合经验模态分解(CEEMDAN)结合窄带功率谱能量峰值熵比(EPER)特征, 再通过滑动窗口与动态门限技术实现对目标信号的检测。信号检测成功后, 触发三稳态随机共振与变步长最小平均P范数(VSS-LMP)增强机制, 进一步增强目标信号的线谱特征, 并在此基础上实现目标信号特征频率的提取。仿真结果表明, 所提方法在信噪比为−12 dB的条件下检测准确率超过85%, 误检率在30%以下, 且能准确提取到目标信号特征频率, 为舰船弱电场信号的实时监测提供了可行的技术路径。
针对舰船轴频电场信号检测中目标信号弱且易被噪声掩盖的问题, 提出了一种基于“优先检测与选择性增强”原则的电场信号检测方法。首先利用自适应噪声完备集合经验模态分解(CEEMDAN)结合窄带功率谱能量峰值熵比(EPER)特征, 再通过滑动窗口与动态门限技术实现对目标信号的检测。信号检测成功后, 触发三稳态随机共振与变步长最小平均P范数(VSS-LMP)增强机制, 进一步增强目标信号的线谱特征, 并在此基础上实现目标信号特征频率的提取。仿真结果表明, 所提方法在信噪比为−12 dB的条件下检测准确率超过85%, 误检率在30%以下, 且能准确提取到目标信号特征频率, 为舰船弱电场信号的实时监测提供了可行的技术路径。
, 最新更新时间 , doi: 10.11993/j.issn.2096-3920.2025-0114
摘要:
针对深度学习模型在船舶辐射噪声识别中由数据短缺导致的泛化能力受限问题, 文中提出了权重-特征双低秩迁移学习框架。该框架从模型权重和特征表达两个维度协同展开低秩优化: 在权重空间, 冻结预训练权重, 通过轻量化低秩权重调整(WLoRA)模块构建可学习低秩权重更新, 以较少参数量完成权重微调, 从而降低过拟合风险; 在特征空间, 基于船舶辐射噪声Mel时频谱的内在低秩结构, 通过低秩特征调整(FLoRA)模块对特征进行压缩和重构, 从而显式约束模型学习低秩特征。该框架充分考虑了Mel时频谱的固有低秩结构, 深入挖掘预训练模型潜力, 有效提升了迁移学习性能。通过ShipsEar和Deepship两个公开数据集的实验证明, 相对于直接微调预训练模型, 所提出方法能够有效提升迁移学习在船舶辐射嗓声分类模型中的性能。进一步的消融实验验证了两个低秩模块的有效性。
针对深度学习模型在船舶辐射噪声识别中由数据短缺导致的泛化能力受限问题, 文中提出了权重-特征双低秩迁移学习框架。该框架从模型权重和特征表达两个维度协同展开低秩优化: 在权重空间, 冻结预训练权重, 通过轻量化低秩权重调整(WLoRA)模块构建可学习低秩权重更新, 以较少参数量完成权重微调, 从而降低过拟合风险; 在特征空间, 基于船舶辐射噪声Mel时频谱的内在低秩结构, 通过低秩特征调整(FLoRA)模块对特征进行压缩和重构, 从而显式约束模型学习低秩特征。该框架充分考虑了Mel时频谱的固有低秩结构, 深入挖掘预训练模型潜力, 有效提升了迁移学习性能。通过ShipsEar和Deepship两个公开数据集的实验证明, 相对于直接微调预训练模型, 所提出方法能够有效提升迁移学习在船舶辐射嗓声分类模型中的性能。进一步的消融实验验证了两个低秩模块的有效性。
, 最新更新时间 , doi: 10.11993/j.issn.2096-3920.2025-0104
摘要:
高速无人船(USV)航向控制中, 同时存在前向通道与反馈回路的时滞环节, 并且具有较大的延迟/动态时间比, 显著降低航向控制性能。传统Smith预估器能有效补偿前向通道时滞, 但未考虑反馈回路的时滞。为此, 文中将反馈回路时滞纳入Smith预估器设计, 构建包含双向时滞的预测模型, 同时补偿前向通道与反馈回路的时滞, 减少双向时滞的系统相位裕度侵蚀。进一步, 引入混合均值中心反向学习粒子群优化(HCOPSO)算法进行比例-积分-微分(PID)控制器参数寻优整定, 该算法在迭代前期利用均值中心反向学习策略扩大搜索范围, 后期通过自适应压缩因子实现精细寻优, 兼具全局探索与局部开发的优势, 有效解决寻优过程的局部最优解问题。基于无人船航向模型进行了仿真测试, 结果表明, 改进Smith预估PID控制器相较于常规PID控制器、传统Smith预估PID控制器, 使系统的超调量和调节时间均得到了改善, 稳态误差小于0.1°; 并且当改进Smith预估补偿模型存在误差时, 系统依然能够保持良好的动态性能与稳态精度。同时, 针对改进Smith预估PID控制器, 进一步对比分析了HCOPSO算法与粒子群优化算法(PSO)、遗传算法(GA)、鲸鱼优化算法(WOA)的参数寻优, 对比分析了环境干扰下HCOPSO算法与其他算法的航向控制性能。结果表明, HCOPSO算法获得的时间加权绝对误差积分(ITAE)指标较PSO、GA、WOA等算法分别降低了55.38%、22.47%和24.63%, 并表现出较强的扰动抑制能力与航向保持能力, 验证了其有效性。
高速无人船(USV)航向控制中, 同时存在前向通道与反馈回路的时滞环节, 并且具有较大的延迟/动态时间比, 显著降低航向控制性能。传统Smith预估器能有效补偿前向通道时滞, 但未考虑反馈回路的时滞。为此, 文中将反馈回路时滞纳入Smith预估器设计, 构建包含双向时滞的预测模型, 同时补偿前向通道与反馈回路的时滞, 减少双向时滞的系统相位裕度侵蚀。进一步, 引入混合均值中心反向学习粒子群优化(HCOPSO)算法进行比例-积分-微分(PID)控制器参数寻优整定, 该算法在迭代前期利用均值中心反向学习策略扩大搜索范围, 后期通过自适应压缩因子实现精细寻优, 兼具全局探索与局部开发的优势, 有效解决寻优过程的局部最优解问题。基于无人船航向模型进行了仿真测试, 结果表明, 改进Smith预估PID控制器相较于常规PID控制器、传统Smith预估PID控制器, 使系统的超调量和调节时间均得到了改善, 稳态误差小于0.1°; 并且当改进Smith预估补偿模型存在误差时, 系统依然能够保持良好的动态性能与稳态精度。同时, 针对改进Smith预估PID控制器, 进一步对比分析了HCOPSO算法与粒子群优化算法(PSO)、遗传算法(GA)、鲸鱼优化算法(WOA)的参数寻优, 对比分析了环境干扰下HCOPSO算法与其他算法的航向控制性能。结果表明, HCOPSO算法获得的时间加权绝对误差积分(ITAE)指标较PSO、GA、WOA等算法分别降低了55.38%、22.47%和24.63%, 并表现出较强的扰动抑制能力与航向保持能力, 验证了其有效性。
, 最新更新时间 , doi: 10.11993/j.issn.2096-3920.2025-0067
摘要:
针对主动声呐目标识别中舷角适应性较差的问题, 文中从波动方程理论出发, 阐述了主动声呐感知目标信息的物理机理。基于广义多重信号分类(MUSIC)空间谱估计, 结合距离维信息提出了一种获取水下目标伪三维空间特征的新方法, 有效提升了空间特征对不同舷角的适应能力。同时, 研究了增强伪魏格纳-威利分布(PWVD)时频谱特征的方法及基于时频二维相关的运动目标多普勒频移分布特征提取技术, 通过2种算法在舷角特性下的互补优势, 进一步提高了目标识别的舷角适应性。为解决水下目标样本稀缺且分布不平衡的问题, 引入元学习思想, 构建了一种空间域、时频域及多普勒域特征的数据级融合目标识别网络。利用仿真和试验数据对该网络进行了训练和测试。测试结果表明, 空时频融合特征显著增强了目标识别的舷角适应性和抗干扰能力, 为智能化水下目标识别技术的发展提供了全新的思路。
针对主动声呐目标识别中舷角适应性较差的问题, 文中从波动方程理论出发, 阐述了主动声呐感知目标信息的物理机理。基于广义多重信号分类(MUSIC)空间谱估计, 结合距离维信息提出了一种获取水下目标伪三维空间特征的新方法, 有效提升了空间特征对不同舷角的适应能力。同时, 研究了增强伪魏格纳-威利分布(PWVD)时频谱特征的方法及基于时频二维相关的运动目标多普勒频移分布特征提取技术, 通过2种算法在舷角特性下的互补优势, 进一步提高了目标识别的舷角适应性。为解决水下目标样本稀缺且分布不平衡的问题, 引入元学习思想, 构建了一种空间域、时频域及多普勒域特征的数据级融合目标识别网络。利用仿真和试验数据对该网络进行了训练和测试。测试结果表明, 空时频融合特征显著增强了目标识别的舷角适应性和抗干扰能力, 为智能化水下目标识别技术的发展提供了全新的思路。
