多元协方差控制图

论述了多元正态分布情形下建立基于样本广义方差│Ｓ│的多元协方差控制图的方法,叙述了分布参数∑已知时Ａｌｔ建立的多元协方差控制图－│Ｓ│图方法,给出了∑未知时建立多元协方差控制图－△图的方法,给出了按两步法建立∧图的步骤,解决了利用样本广义方差建立多元协方差控制图问题,文中还给出了两个应用实例加以说明。     

三维控制图在锂离子电池性能监测中的应用

为了在锂离子电池加速退化试验中监测锂离子电池的性能状态,为分选提供依据,引用了质量管理中的控制图方法.在锂离子电池失效机理的分析中,获得了可以表明电池当前性能状态的两个关键参数:开路电压和放电容量,并讨论了它们的关系;采用放电容量和开路电压形式的二维平面点作为三维控制图的主体,通过相关试验数据使用SPSS数理统计软件确定控制上下限;最后使用MATLAB完成三维控制图,并叙述了几种控制图的分析方法.该结论适用于电池产品的验收和分选,也可为评估电池的寿命及可靠性提供依据.     

基于贝叶斯网络工况分类的民机引气系统异常检测

状态监控与健康管理技术是国产民机运营支持亟待突破的关键技术,以民机引气系统为对象,设计实现了基于飞行数据（QAR,Quick access recorder）的民机引气系统异常检测流程,提出了贝叶斯网络分类的同工况数据提取和指数加权滑动平均(Exponentially Weighted Moving Average,EWMA)控制图的引气系统异常检测方法。借助航空公司收集的实际数据对方法进行了验证,结果表明可有效检测民机引气系统异常,并提前故障发现时间,为航空公司合理安排飞机维修计划、减少飞机停场时间提供了支持。     

基于贝叶斯动态模型的自相关控制图

传统控制图应用的假设前提是从过程得到的观测值彼此独立.但许多过程存在自相关现象,并且这种自相关现象对控制图性能有严重影响.从工程实际出发,对AR(1) 过程模型提出了基于贝叶斯动态模型的自相关控制图,阐明了此自相关控制图的原理和方法;并将该控制图与基于过程模型的自相关控制图的性能进行比较.此控制图借助贝叶斯先验估计,建模迅速,不以时间序列模型为基础,对强自相关模型具有很好的性能.对强自相关过程,并要求迅速建立过程控制时,可以使用此自相关控制图,进行过程监视.      

MEWMA控制图ARL计算及参数优化

平均运行链长(ARL)是控制图性能评价的一个重要指标,深入研究ARL是控制图参数优化、性能评价和实际应用的重要工作.在采样数据标准化处理的基础上,应用马尔可夫链进一步研究了多元指数移动平均(MEWMA)控制图中ARL计算的数学模型,采用Matlab实现了算法,就算法的收敛性及计算结果进行分析.以ARL为优化指标,给出了MEWMA控制图参数优化的具体步骤、计算实例和参数优化结果.      

基于改进AdaBoost.M2算法的自动调制识别方法

针对同族调制类型通信信号识别难度大、深度学习模型普遍存在泛化能力弱的问题，基于经典AdaBoost.M2算法，提出改进样本权重的AdaBoost.M2算法，用于解决大样本情况下学习率与加权后样本数据难以相适应的问题。改进后的新样本权重确保训练样本数据的数量级在加权后不变，并使算法更迅速地关注到难分类样本，提高了弱分类器综合性能，降低了加权投票模型中弱分类器重要性之间的差异。针对部分样本的统计特性易淹没于噪声中造成难分类问题，提出随机特征裁剪方法，使算法避免过度关注异常特征，降低了极难分类样本对AdaBoost.M2算法性能的负面影响，提升了算法的泛化能力，并以低信噪比数据进行实验验证。针对调制类型同族信号难分类的问题，选取同族调制类型的通信信号开展模型训练和测试。实验结果表明：相比于单一卷积长短时记忆全连接深度网络（CLDNN）算法，改进AdaBoost.M2算法对低信噪比PSK族类和QAM族类通信信号的测试集准确率分别提高了8.5%和11.25%，相比于直接集成CLDNN的经典AdaBoost.M2算法，测试集准确率分别提高了8.25%和6.5%。     

基于相对调制度的非方形干涉图处理方法

以相对调制度作为判据,划分干涉图中的有效点和无效点,并据此进行加权,采用加权最小二乘算法进行去包裹处理.采用这种方法可以有效减小包裹位相中坏点或无信息点对有效点去包裹位相的影响.以移相式干涉仪为例,给出了相对调制度的计算方法,简述了加权最小二乘去包裹算法的原理,并通过光学盘片的处理结果验证方法的正确性.     

基于神经网络自适应稳定PID控制方法的研究

经典的基于对象精确数学模型的PID控制方法的自适应性较差,难以适应具有非线性、时变不确定性的被控对象.神经网络控制算法的稳定性又受到迭代初值的影响,且算法复杂.为此提出了一种基于RBF神经网络的、结构简单的、稳定的PID直接自适应控制方法.讨论了控制器参数迭代初值选取的基本原则,并给出了在保证系统稳定性前提下参数的迭代算法.仿真研究结果表明,该方法的鲁棒性和跟踪性能均优于经典PID方法.      

返回散射电离图的前沿提取方法

提出了返回散射电离图前沿提取的方法. 其中, 一层电离图前沿和两层电离图下面一层前沿是在消除干扰和噪声后的电离图上采用边缘识别方法进行提取的, 两层电离图上面一层前沿则是在仅经过干扰抑制的电离图上采用基于高斯型加权系数的能量梯度算法进行提取的. 本文提出的前沿提取方法准确率较高, 并且易于实现, 已在工程中得到应用.      

基于DM-DSC的舰载机着舰自动复飞控制算法

针对理想复飞轨迹已知条件下的舰载机自动复飞控制问题,提出一种基于偏差模型的动态面控制（DM-DSC）算法。基于Radau伪谱法给出了舰载机着舰的最优复飞轨迹;根据得到的最优复飞轨迹及其所对应的控制方案,分别给出了速度子系统和高度子系统的偏差控制模型和反演（Backstepping）控制器,并通过引入动态面结构来获得虚拟控制量的微分信号,避免了Backstepping控制律求解过程中的“微分膨胀”问题;考虑到气动参数的不确定性及舰尾流场的干扰,采用线性扩张状态观测器（LESO）对控制模型中的干扰项进行估计和补偿,并设计抗饱和辅助系统来抑制控制饱和的不利影响;最后,基于Lyapunov方法证明闭环系统信号的有界性。仿真结果表明：所提算法具有良好的控制性能。     

鲁棒最优控制在随动系统中的应用

考虑随动系统的特点,针对被控对象本身可能出现的参数摄动和外部干扰,提出了一种鲁棒最优控制方法.这种方法建立在一种改进的控制结构基础上,综合了鲁棒控制和最优控制的优点加以实现.通过对某随动系统的设计举例给出了方法的实现过程.仿真结果表明,这种方法既可以满足随动系统的跟随特性,又能够有效地抑制干扰,降低系统对参数摄动的敏感程度.这种方法的精度较高、鲁棒性强,具有实用性.     

舱外机动装置控制技术的实时仿真研究

舱外载人机动装置的姿态控制为非线性时变,并且带有不确定参数的系统控制问题,传统的控制理论难以处理该问题.为了验证自适应控制方法对该问题的处理以及该方法在工程上的实用性,因此在dSPACE平台上建立了半物理仿真系统,该系统真实模拟了现实环境并且仿真出真实可靠的结果,从而验证了自适应控制方法对于控制舱外机动装置具有良好的控制特性.      

基于力的电动静液作动器阻抗控制

阻抗控制作为一种柔顺控制方式,能够实现力与位置的协同控制,在作动系统需要与外部环境发生接触的应用中具有一定优势。在集成、高效的电动静液作动器(EHA)上实现基于力的阻抗控制具有良好的应用前景,其中核心问题是EHA力伺服控制器的设计。针对阻抗控制中外部负载特性不确定,EHA部分结构参数时变等问题,采用定量反馈理论(QFT)的方法对力伺服控制器进行设计。在对EHA数学模型及参数进行分析的基础上,通过QFT方法将被控对象的不确定范围与系统性能设计指标相结合,并以定量的方式在Nichols图上形成边界,在使标称对象的开环频率特性曲线满足各边界约束条件的同时完成力伺服控制器的设计。通过不同外部负载条件下的力伺服控制实验以及静、动态阻抗控制实验对EHA的力伺服控制器与阻抗控制系统进行了验证。实验结果表明:通过QFT方法设计得到的力伺服控制器对外部环境具有较强的鲁棒性,从而确保了EHA阻抗控制的成功实现。     

基于深度强化学习的软件定义卫星姿态控制算法

深度强化学习（DRL）作为一种新型的基于机器学习的控制算法,在机器人和无人机等智能控制领域展现出了优异的性能,而卫星姿态控制领域仍然在广泛使用传统的PID控制算法。随着卫星的小型化、智能化以至软件定义卫星的出现,传统控制算法越来越难以满足姿态控制系统对适应性、自主性、鲁棒性的需求。因此对基于深度强化学习的姿态控制算法进行了研究,该算法使用基于模型的算法,比非基于模型的算法拥有更快的收敛速度。与传统控制策略相比,该算法无需对卫星的物理参数和轨道参数等先验知识,具有较强的适应能力和自主控制能力,可以满足软件定义卫星适应不同硬件环境,进行快速研发和部署的需求。此外,该算法通过引入目标网络和并行化启发式搜索算法之后,在网络精度和计算速度方面进行了优化,并且通过仿真实验进行了验证。      

威布尔分布的极大似然估计的精度分析

威布尔分布参数估计的极大似然方法是一种常用的方法,在故障数不小于10的情况下推荐使用.但在工程中,由于产品的可靠性高,或者是样本量少,试验的故障数常常是小于10,在这种情况下需要明确所得的评估结果的精度是否满足要求.运用区间估计的思想,提出了一种解决上述问题的评价和判断的方法,并应用此方法对完全样本情况下,形状参数的极大似然估计量的精度进行了讨论.工程上,可以依据文中提供的结论定量分析威布尔分布形状参数极大似然估计量的精度.      

基于多最小支持度的加权关联规则挖掘算法

针对交易数据库中数据项重要性不同的现象,提出了新的加权关联规则模型,并基于该模型设计了一个基于多最小支持度的加权关联规则挖掘新算法,允许用户设定多个最小支持度,为数据项设置不同的权重,从而解决数据项的重要性各不相同且出现频率不均匀的问题,发现更多有趣的规则.理论证明了相关性质,并实验验证了算法的有效性.      

基于前向补偿的再入飞行器制导控制一体化设计

针对再入飞行器的制导控制问题,提出了一种基于前向补偿的滑模制导控制一体化设计方法。首先,建立了面向控制的再入飞行器制导控制一体化控制模型。其次,设计了非线性干扰观测器对未知干扰进行实时观测,基于反演法和滑模控制方法设计了传统的一体化控制律。在此基础上,改进了滑动模态设计消除系统间的耦合,设计了具有前向补偿的再入飞行器制导控制一体化控制系统,使得整个制导系统是有限时间稳定的。最后,非线性六自由度数字仿真结果表明,相对于传统一体化设计方法和分离设计方法,该方法具有更好的制导性能和鲁棒性。