MIMO-OFDM中一种新的接收算法

建立了基于空时分组编码的多输入多输出正交频分复用（MIMO-OFDM）发射模型,提出了基于该发射模型和软输入软输出（SISO）技术的多用户似然迭代接收算法,该算法通过采用分组接收和简化的SISO多用户检测算法,使得接收算法具有较低的复杂度和较快的收敛性能。给出了该算法的具体实现框图,通过仿真实验验证了该算法的快速收敛性和有效性。     

基于RBFNN自适应混合学习算法的航天测控系统任务可靠性分配

为解决执行航天测控任务的各设备存在复杂的时空关联、可视与信息关联等动态约束关系,使得航天测控系统任务可靠性分配建模和分析极其困难,同时模型求解效率低的问题,提出了自适应混合学习算法的径向基神经网络建模方法.算法通过训练样本相关性矩阵的主成分分析确定网络隐含层初始节点数;在此基础上,利用梯度信息衰减因子改进了迭代过程中网络参数的梯度信息计算方式,避免了学习过程早熟的不足,且加快了迭代收敛速度.最后,通过采集航天测控系统输入-输出数据,将自适应混合学习算法应用于参数训练,并给出了具体实现步骤.通过算例仿真,表明算法在解决航天测控系统任务可靠性分配问题时具有较高泛化能力和分配结果稳定等优点.      

开闭环PD型快速迭代学习控制方法及其在直流电动机中的应用

针对一类非线性系统的学习控制问题,提出了一种开闭环PD型快速迭代学习控制方法。此学习控制方法利用了系统当前的跟踪误差信号和前次迭代控制的跟踪误差信号,以及它们的微分信号,同时采用可调比例系数,根据系统误差的变化及时地调节比例系数,从而使目标的跟踪能力得到提高。通过分析给出了此快速迭代学习算法收敛的条件,直流电动机的仿真应用说明了此学习控制方法对于非线性系统具有较强的有效性和较好的可行性。     

基于鲁棒迭代学习的四旋翼无人机轨迹跟踪

针对四旋翼无人机高精度轨迹跟踪问题,充分考虑外部扰动等因素,提出了一种带遗忘因子的基于可变增益的前馈-反馈鲁棒迭代学习控制算法。其中,前馈迭代学习控制器采用选择迭代学习方案,弥补了传统的基于遗忘因子迭代学习控制方法的不足,且控制器学习增益可随迭代变化,可以加快算法的收敛性。反馈控制器采用比例-微分控制器,可以保持系统稳定并且加快跟踪误差收敛速度。最后通过收敛性分析和四旋翼仿真试验验证了所提出算法的有效性,所设计算法具有很好的鲁棒性和较高精度。     

基于Bang-Bang控制思想的迭代学习控制算法研究

根据迭代学习控制基本原理,吸取了Bang-Bang控制的思想,提出了新的迭代学习控制算法。与常用的利用迭代误差或误差变化率进行控制率计算的算法相比,该算法只需根据迭代误差的符号即可计算控制率,不仅大大减小了计算工作量,而且增强了系统的抗干扰能力。给出了算法表达式和控制结构图,进行算法收敛性分析。仿真结果表明该算法的有效性和收敛性。     

基于模仿强化学习的固定翼飞机姿态控制器

研究了基于模仿强化学习的飞机姿态控制器。首先,建立专家经验数据集,并利用行为克隆对控制网络参数初始化;而后,控制网络利用强化学习和监督学习混合模式训练,通过奖励函数塑形和经验数据集监督学习引导强化学习算法快速收敛,使姿态控制器姿态响应优化的同时符合专家经验。控制网络输入为飞机姿态角误差、角速度等状态变量,输出控制增稳系统指令。实验表明,模仿强化学习控制器能够实现不同初始条件下飞机姿态角快速响应并与经验数据相符。     

多输入多输出正弦扫频试验控制方法研究及实现

振动环境试验是检验产品质量和可靠性的必须途径,对于一些大型的结构,单点振动试验不能充分模拟产品的使用环境,这就需要多点振动试验来模拟,其中多点正弦扫频试验是一个很重要的部分。本文根据多输入多输出系统的控制理论,基于正弦振动的基本特性,设计了多输入多输出正弦扫频试验控制系统的控制方案,同时给出控制修正的具体办法。并且对控制算法进行了仿真,实现了驱动信号发生、响应信号的采集和处理以及控制过程模拟,检验了算法的可行性。结果表明,算法可以使控制点的响应信号快速、稳定地收敛于参考信号,验证了本文设计的多输入多输出正弦扫频试验控制系统的有效性。     

牛顿迭代收敛的加速

基于Newton迭代法单根的二阶收敛性和重根的线性收敛性,提出了加速牛顿迭代收敛的思想。利用反函数的性质,取Taylor展开式的前三项进行迭代;并利用差商代替导数的方法,构造出更高收敛阶的迭代公式。大量的数值实验结果表明,本文算法理论上的推导是完全可行的,且有效地提高了迭代公式的收敛速度。     

多回路气动伺服弹性系统稳定裕度的变结构μ分析方法

作为一个多输入多输出(MIMO)系统,气动伺服弹性系统的各控制回路是相互耦合的,但对于各控制回路的稳定裕度目前尚无统一的计算方法。针对MIMO控制系统的稳定裕度计算问题,首先分析了现有的回差阵奇异值方法和μ分析方法,并指出了2种方法各自保守性的来源。在此基础上,提出了一种变结构μ分析方法,通过迭代调整扰动模型结构来求解稳定裕度,并从理论上证明了算法的单调收敛特性。以某弹性飞机的阵风减缓控制系统为例进行了稳定裕度分析。3种方法结果的对比表明,本文方法能够有效降低分析结果的保守性。     

多威胁障碍下翼伞系统的最优轨迹规划

针对翼伞系统在多威胁障碍环境下的最优轨迹规划问题,提出了一种结合改进RRT~*算法和高斯伪谱法的混合策略方法。根据翼伞运动模型特点,改进了原始RRT~*算法的距离度量和节点扩展方式,采用目标偏向的采样策略加快算法找寻初始轨迹的速度;根据翼伞系统的四自由度运动模型建立以控制量为目标函数的最优控制问题,利用高斯伪谱法将最优控制的轨迹规划问题转换为带约束的非线性规划问题,再将初始轨迹作为该非线性规划问题的初始解以减少迭代次数、加快收敛速度。仿真结果表明,所提方法在多威胁障碍环境下可以规划出满足要求的最优轨迹,且比原高斯伪谱法节约了大量运行时间。     

一类非线性系统的D型在线学习控制

结合对初始状态的学习,给出了一类输出方程不含控制变量的时变非线性系统的D型在线学习控制算法及其收敛条件。其特点是将学习误差在线反馈,且迭代初始状态只需通过理想信号及系统的部分信息即可确定。最后,将所得结论应用于机器人系统,表明本文方法是有效的。     

线性广义系统的迭代学习控制

讨论了正规，稳定，无脉冲的定常广义系统的迭代学习控制问题，通过构造满足广义约束的Lyapunov函数来分析定常广义系统在P型学习律下迭代学习误差的收敛性问题，同时给出在每次迭代时初态固定于同一点的误差收敛的充分性条件，最后给出数值仿真算例说明该学习律的有效性。     

Trajectory Tracking Control for a GMM Actuator Based on a Heuristic ILC Method

A heuristic iterative learning control (ILC) method is presented and applied to the trajectory tracking control of a giant magne-tostrictive material (GMM) actuator. A GMM actuator is used as experimental equipment for micro-displacement trajectory tracking control. The advantage of the presented approach lies in quitting the model of the GMM actuator. The experimental results attest to the high efficiency of the presented method for the micro-displacement trajectory tracking control.     

An online ensemble semi-supervised classification framework for air combat target maneuver recognition

Online target maneuver recognition is an important prerequisite for air combat situation recognition and maneuver decision-making. Conventional target maneuver recognition methods adopt mainly supervised learning methods and assume that many sample labels are available. However, in real-world applications, manual sample labeling is often time-consuming and laborious. In addition, airborne sensors collecting target maneuver trajectory information in data streams often cannot process information in real time. To solve these problems, in this paper, an air combat target maneuver recognition model based on an online ensemble semi-supervised classification framework based on online learning, ensemble learning, semi-supervised learning, and Tri-training algorithm, abbreviated as Online Ensemble Semi-supervised Classification Framework (OESCF), is proposed. The framework is divided into four parts: basic classifier offline training stage, online recognition model initialization stage, target maneuver online recognition stage, and online model update stage. Firstly, based on the improved Tri-training algorithm and the fusion decision filtering strategy combined with disagreement, basic classifiers are trained offline by making full use of labeled and unlabeled sample data. Secondly, the dynamic density clustering algorithm of the target maneuver is performed, statistical information of each cluster is calculated, and a set of micro-clusters is obtained to initialize the online recognition model. Thirdly, the ensemble K-Nearest Neighbor (KNN)-based learning method is used to recognize the incoming target maneuver trajectory instances. Finally, to further improve the accuracy and adaptability of the model under the condition of high dynamic air combat, the parameters of the model are updated online using error-driven representation learning, exponential decay function and basic classifier obtained in the offline training stage. The experimental results on several University of California Irvine (UCI) datasets and real air combat target maneuver trajectory data validate the effectiveness of the proposed method in comparison with other semi-supervised models and supervised models, and the results show that the proposed model achieves higher classification accuracy.     

弹道导弹的标准弹道迭代方法研究

传统的以大地距离和大地方位角为基础的标准弹道迭代方法要对目标点的高程和爆高进行归算修正,因此会带来误差。提出了直接利用战斗部爆点坐标进行迭代的方法,可去除高程归算的误差。计算结果表明,该方法是有效的,完全能够满足实际需要。     

基于改进半阈值算法的电容层析成像滑油监测方法研究

针对航空滑油检测过程中电容层析成像（Electrical Capacitance Tomography,ECT）存在的病态性和欠定性问题,将稀疏正则化中基于L1/2正则化的半阈值迭代算法应用到ECT图像重建,加入L2范数的惩罚项,构造新的泛函模型,并在迭代过程中设计一种新的约束项以优化解向量。仿真实验采用Comsol5.3搭建系统模型,Matlab2014a处理采集数据。实验结果表明,与Landweber迭代算法相比,改进算法成像误差降低37.33%,相关系数提升33.67%;与半阈值迭代算法相比,改进算法成像误差和相关系数分别降低12.31%和提升11.86%,图像误差降低至0.24、相关系数提升至0.92,且成像时间依然保持在0.06s。实际滑油监测的实验系统采用现场可编程门阵列（Field Programmable Gate Array,FPGA）直接数字频率生成模块生成数字量的正弦激励信号,通过D/A转化为正负交流信号对测量电极进行激励。实验结果表明,基于ECT系统的改进半阈值迭代算法可以满足航空发动机滑油监测的实时性和准确性的要求。     

基于迭代学习的PID控制器研究

将目前对u(t)的记忆与修正改成对期望控制ud(t)的记忆与修正,提出两种新的拟合控制系统的PID控制器参数的方法。这两种方法实现的PID控制器较常规的PID控制器结构简单,作用于系统可获得较佳的动态特性和较强的鲁棒性。研究目的是为迭代学习控制理论在设计性能优良的控制器方面扩大应用领域。     

SLFM网络及其学习算法的改进

介绍了一种新型的人工神经网络--有监督线性特征映射(SLFM)网络,它综合了BP网络的可监督性和SOM网络算法简单的优点,具有学习速度快、精度高、扩展能力较强的优点.文中讨论了SLFM网络的拓扑结构和学习机制,并对网络的学习算法进行了改进,对比实验表明,改进后的SLFM网络其性能得到了进一步的提高.     

基于PDR和磁场匹配的智能手机室内定位

目前，基于磁场的室内定位方法存在指纹采集无法快速建库的问题，导致匹配特征较少、无法快速进行匹配操作和航向角估计精度低。基于磁场梯度的快速近似，使用高斯牛顿迭代方法结合通过PDR测量的轨迹进行磁场轮廓匹配定位，提高了单点磁场指纹的可分辨性。基于步态模型的更新用作测量信息以改善C-INS的导航性能，提出了一种基于捷联惯性导航系统的行人航位推算算法。基于MFS参考位置，使用扩展Kalman滤波器控制PDR惯性导航的位置漂移误差，进一步提高了轨迹轮廓的精度。测试结果表明，该算法可以获得更好的位置估计和航向估计结果。