简介:针对新型作战体系下以装甲车辆为主的地面目标的被动声识别问题,为实现不同车型在不同工况下的声识别,以常见的3种坦克和4种履带式装甲车为识别对象,提出了一种基于变分模态分解(VariationalModeDecomposition,VMD)和人工蜂群(ArtificialBeeColony,ABC)算法优化的支持向量机(SupportVectorMachine,SVM)相结合的装甲车辆声识别模型。首先,采集不同工况下的车辆噪声信号并进行频谱分析,证明了VMD分解的可行性;其次,对样本信号进行VMD分解,得到不同尺度的本征模态函数(IntrinsicModeFunction,IMF)并进行多尺度模糊熵(Multi-scaleFuzzyEntropy,MFE)的计算,得到多尺度模糊熵特征(VMD-MFE);然后,利用优化算法对SVM进行优化,得到最优参数优化的分类器模型;最后,对噪声信号进行特征提取和分类实验。结果表明:VMD的分解效果优于经验模态分解(EmpiricalMadeDecomposition,EMD)和集合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD);与引力搜索算法(GravitationalSearchAlgorithm,GSA)和布谷鸟搜索(CuckooSearch,CS)算法相比,ABC算法得到的优化模型ABC-SVM具有更高的识别率,可达94.14%以上。
简介:针对坦克动力性燃油经济性参数实验研究成本高、传统计算方法效果差的实际问题,综合大气条件、柴油机转速、变速箱排挡、路面条件和弯转半径等因素的影响,将基于GT—POWER的柴油机工作模型和基于GT—DRIVE的坦克行驶模型相结合,建立了坦克稳态行驶动力性燃油经济性参数计算模型,然后迭代计算出保证坦克稳态行驶的柴油机单缸循环供油量,并经所调研的发动机台架试验数据验证了该模型精度,最后利用该模型计算分析了柴油机转速、变速箱排挡、路面条件和弯转半径对坦克稳态行驶时动力性燃油经济性参数的影响。结果表明:所建立的模型精度较高,能够实现柴油机工作和坦克行驶的自动耦合计算,并可方便地计算坦克的动力性燃油经济性参数。