改进布谷鸟搜索算法优化支持向量机的MEMS陀螺温度零偏补偿

针对微机械陀螺零偏受温度影响较大的问题，提出一种改进布谷鸟搜索算法(CS)和支持向量机(SVM)相结合的陀螺零偏温度补偿方法。首先，将平滑处理后的陀螺数据作为样本点，采用基于径向基核函数的支持向量机方法构建漂移模型，把数据从低维空间映射到高维空间进行线性拟合。然后，利用改进布谷鸟算法对支持向量机的惩罚参数、核函数参数以及不敏感系数进行优化，避免了人为选择参数的盲目性且提高了建立模型的精度。实验结果表明：经CS调节支持向量机算法补偿后，陀螺输出精度更高。与最小二乘分段拟合方法、BP神经网络方法相比，陀螺输出数据方差分别平均减小了63.2%、43.4%，最大误差分别平均减小71.63%、48.3%。     

半球谐振陀螺温度补偿与实验研究

温度的变化严重影响了半球谐振陀螺的使用精度。为了消除或者减小温度因素对陀 螺 精度的影响,在简要分析温度对半球谐振陀螺精度影响原因的基础上,采用独立成分分析方 法对温度影响性的独立性和规律性进行了分析检验;建立了陀螺的温度误差补偿模型,并对 与温度有关的确定性漂移进行补偿;利用Allan方差方法对不确定性漂移进行了分析补偿。 实验证明该方法可以扩大陀螺温度环境适应范围,使陀螺仪的使用精度提高约3倍。〖JP 〗
     

神经网络参数调控的机载相控阵雷达动态补偿研究

针对实际情况下巡航载机不可避免的振动、形变等问题,结合神经网络的自学习调控优势提出了一个基于杂波子空间理论与对象特征分析的相控阵雷达系统动态补偿智能调控方案。分析了BP神经网络对动态偏角补偿问题的映射能力,推导了神经网络方法结合DPCA参数调控的动态补偿实现算法。仿真实验结果证明了上述方法的可行性。     

基于图像的高精度实时光学稳像控制系统

针对空间CCD相机由于平台振动造成的成像模糊问题,研制了一套光学稳像控制系统。利用高速CCD帧频高特点,结合基于图像的像移测量原理,设计了像移补偿闭环控制算法,实现了光轴的稳定控制,从而实现了相机稳定成像,提高图像清晰度。实验结果表明稳像控制系统动静态性能稳定,在一定带宽范围内有效减小甚至消除了平台振动对相机成像品质的影响。     

基于神经网络模型的伺服系统控制与补偿方法研究

本文从两个角度提出使用神经网络模型提高伺服系统的控制精度。首先，分析了扰动力矩对精密伺服系统的影响。提出使用神经网络方法建立扰动力矩的数学模型，并根据全补偿原则设计补偿环节，实现扰动力矩的动态补偿。进而考察一类非线性伺服系统对象，研究使用神经网络模型实现对象逆动态模型的在线辩识和控制，在实验室条件下进行了神经网络伺服系统补偿控制的实验研究。试验结果表明这种新的补偿方法对提高伺服系统的精度十分有效，具有实际应用价值。     

一种考虑地球扁率的卫星自主导航方法研究

研究用2个红外地球敏感器和1个星敏感器实现卫星自主导航的方法,地心矢量的测量精度是影响导航精度的重要原因之一,而地心矢量的测量又受到地球扁率的影响.研究地球扁率对地心矢量测量的影响,并提出一种零姿态扁率误差补偿方法,通过仿真验证了这种导航方法及扁率误差补偿算法的有效性.     

光纤陀螺标度因数温度误差分析与补偿

光纤陀螺在大角速度应用时,标度因数误差超过偏置漂移误差成为主要误差源。分析了引起数字闭环光纤陀螺标度因数温度误差的原因,推导出了标度因数温度误差数学表达式,并对各温度敏感参数进行了温度性能测试。使用第二闭环控制补偿了反馈通道增益的温度漂移,证明了第二闭环控制精度对标度因数的影响至多是一个三阶小量。测量了不同输出角速率和不同温度时陀螺输出误差值,用一阶多项式和三阶多项式建立了它们的关系。建立了一个双输入、单输出标度因数温度补偿模型,利用最小二乘误差准则计算出模型系数。在-25℃～60℃温度范围内,采用本文提出的控制和补偿方法可将光纤陀螺标度因数误差减小到100×10-6以下,并使标度因数非线性度小于50×10^-6。     

基于星载高速调制器的射频功放线性化技术研究

为补偿射频功放非线性失真对高速宽带数传系统的影响,对全数字基带预失真算法进行了研究和改进。用Matlab仿真工具对预失真的最小均方(LMS)、递归最小二乘(RLS)算法进行了分析和比较,提出了一种新的变步长迭代收敛算法。在接收端对调制的中频信号直接采样,无需采集发端数据,用宽带锁相环和相关峰技术实现收、发信息同步,对整个信道的线性和非线性失真进行补偿处理。仿真表明该算法可提高预失真的性能和收敛速度。在星载高速调制器和行波管功放系统中对改进算法后的预失真技术进行了测试,16QAM宽带信号验证结果表明该方案可提高系统性能,减小功放非线性对系统的影响。     

考虑地球敏感器误差的自主导航方法研究

为减小自主导航过程中地球红外辐射误差及地敏安装误差的影响,以星敏感器和地球敏感器的测量作为导航信息,提出了一种捷联惯导/天文信息组合的自主导航方案。针对地球大气辐射不均匀和地球敏感器安装误差对确定地心矢量的不利影响,建立了地球红外辐射亮度与等效地平高度的关系。利用这一关系,给出了对地球敏感器测量修正的函数关系以及地球敏感器安装误差估计方法。以恒星矢量和地心矢量的星间角距作为量测,采用批处理最小二乘方法对弹道导弹的导航信息进行了估计。仿真结果表明:通过对辐射误差的补偿可大幅提高自主导航的精度,验证了补偿方法的可行性和导航算法的有效性。研究为工程应用中修正地球红外辐射误差提供了一种新思路。     

最小发汗量冷却系统的PID进化控制策略和实现算法

针对发汗冷却系统中不可压缩发汗剂对热层温度场的优化控制问题,利用径向基函数神经网络建立了被控温度场的预测模型,构造了使发汗剂消耗量和预测温度超调量极小化的泛函性能指标,提出一种基于遗传算法的PID进化控制策略和实现算法。同时,该神经网络预测器可以通过在线学习随时跟踪温度场的变化,以实现对温度场的滚动优化和进化控制。仿真结果表明,这种基于神经网络预测和遗传算法优化的PID进化控制器能够实现在几乎无烧蚀的情况下发汗剂消耗量的最小化。而且,该算法还适合于多样化的性能指标,便于求解和实现,实用性强。     

模糊超球神经网络辅助组合导航融合算法

研究了应用线性网络对组合导航多传感器信息进行融合的方法,在此基础上提出了一种神经网络组合导航容错算法。该算法将局部滤波器状态估计的模糊超球隶属函数引入网络,在线调整融合网络权值,实现全局估计的自适应性和容错性。仿真表明,该融合算法有较高的估计精度,在传感器故障时,能够及时检测出并在融合网络中予以隔离,不致影响全局估计。     

液体火箭发动机传感器故障检测与数据恢复算法研究

以某型液体火箭发动机为研究对象,根据其传感器的故障特性,提出了基于BP神经网络的传感器故障检测与数据恢复算法。通过定义的传感器置信度来判断传感器是否发生故障,以及确定故障传感器,利用已训练好的神经网络结构对故障传感器进行数据恢复。研究内容能够实现传感器的故障检测、定位与补偿,能够有效提高发动机故障检测方法的可靠性和鲁棒性。     

基于神经网络的太阳电池阵热真空试验外热流模拟系统辨识

文章针对太阳电池阵热真空试验非线性的特点,引入一种基于神经网络的系统辨识方法。该方法采用BP网络作为模型辨识器,而辨识器又采用L-M（Levenberg-Marquart）算法进行训练。仿真结果表明,该方法具有较高的训练速度与精度,可以对太阳电池阵热真空试验测点温度响应做出较为精确的预测。     

基于压痕功的加工表面残余应力测试实验

可调距螺旋桨的加工表面质量对其高服役性能和长寿命服役具有直接而重要的影响。本文开展加工表面残余应力测量和数据处理的研究,采用基于压痕功的残余应力测量方法及神经网络求解算法,针对镍铝青铜材料力学性能,由有限元仿真分析得到关系数据库,训练神经网络,实现对镍铝青铜材料加工残余应力的求解。通过对镍铝青铜加工试件残余应力测量数据的计算与分析评价,开展了不同加工参数对残余应力影响规律的实验测量研究。通过测量实验与数据分析,获得了不同刀路下残留高度及机床不同转速与残余应力间的关系。测试实验表明:基于压痕功残余应力测试方法能评价不同加工参数下镍铝青铜材料的残余应力状态,可为实际加工生产提供工艺参数优化指导。     

斜装冗余传感器的分布式导航系统研究

为了满足低成本、高性能惯性导航要求,解决传统单一主惯导系统的成本高、体积大等问题,利用低成本MEMS惯性传感器,采用传感器斜装冗余配置,在最优卡尔曼滤波的基础上提出了一种基于虚拟传感器的最优信息融合技术,简化了测量系统的动态模型,减小计算的同时提高了测量精度。将斜装冗余惯性测量节点安装在载体的不同位置构成基于斜装冗余传感器的分布式导航系统,分析了分布式结构,利用基于虚拟传感器的等效模型,设计了分布式导航系统的测量融合系统。通过仿真试验,校验了基于虚拟传感器的最优信息融合有效地提高了测量精度,基于斜装冗余传感器的分布式导航具有较高的导航精度,同时证明此方法具有一定的抗干扰能力,能够抑制载体局部随机扰动对导航性能的影响。     

应用知识蒸馏的深度神经网络波束形成算法

自适应波束形成技术广泛应用于雷达领域的旁瓣抗干扰中。当回波数据量增多时,传统的波束形成算法无法进行快速处理,而应用深度神经网络模型通过数据的预训练则可以快速地进行波束形成,因此根据波束形成原理设计深度神经网络,并利用知识蒸馏的方式对深度神经网络进行压缩,使压缩后的模型既有原始模型良好的泛化性能而且又有更快的计算速度。仿真结果表明,相比于传统的LMS算法,在实验环境下,未经模型压缩的深度神经网络自适应波束形成算法的计算速度提高了约7倍,基于模型压缩的深度神经网络自适应波束形成算法的计算速度提高了约20倍。     

低温推进剂加注液位信号智能处理技术研究

低温加注系统是运载火箭发射场地面支持设备的重要组成部分,包括低温介质的储存、运输、供给、控制以及安全等内容。由于低温推进剂本身存在低温沸腾、易挥发的特性,其加注过程十分复杂,为满足新一代运载火箭推进剂精准的加注要求,需要实时准确监测加注过程中贮箱内的液位高度。本文针对火箭地面加注过程的液位信号数据,对其三角波电压和线性波电压的特征进行分析、提取,基于BP（Back Propagation,反向传播）神经网络算法完成对不同加注状态的识别检测,并应用于传感器节数判别,优化了液位计算算法,降低了节数人为干预需求,提高了液位测量准确性。经实验测试验证,该方法可有效识别低温加注状态,识别准确率达到90%以上,用于液位信号处理中可显著提升液位高度计算的准确性。     

基于虚拟仪器技术的测量船分布式状态监测

针对远洋航天测量船设备系统复杂、布局分散的特点，提出了利用虚拟仪器(VI)技术建立测量船网络化状态监测系统的方案。从硬件和软件两个方面阐述了虚拟仪器技术的性质和特点，以及分布式状态监测系统所采用的模式和工作方式。最后，介绍了测量船建立的总线虚拟仪器测试系统及其特点。     

面向自动驾驶仿真的虚拟LiDAR传感器建模

在自动驾驶仿真领域，虚拟传感器输出数据的精准度是仿真结果可靠性的重要保障。激光雷达（LiDAR）作为车辆环境感知的关键传感器，其采集的点云数据的准确性是实现车辆对三维环境理解的关键。但在虚拟环境中，通过3D渲染技术模拟的点云数据难以真实反映传感器在复杂工况下的变化规律。本文提出一种用于自动驾驶仿真的虚拟LiDAR传感器建模方法。该方法首先基于Unity 3D引擎构建LiDAR的几何测量模型。其次，结合真实传感器的衰变特性推导简化的LiDAR物理模型。最后，基于蒙特卡罗方法在随机模型上对仿真数据进行噪声模拟，从而实现高保真的LiDAR数据输出。所提出的方法可结合精细化的虚拟场景进行数据验证，实验结果表明：该方法能够有效地在虚拟环境下模拟LiDAR数据，从而应用于自动驾驶仿真算法验证过程。     

跨传感器异步迁移学习的室内单目无人机避障

针对强化学习策略由仿真环境向实际迁移困难的问题，以提高无人机采用无深度信息单目视觉时的行人规避能力为目标，提出一种基于异步深度神经网络结构的跨传感器迁移学习方法。首先，在仿真环境中仅使用虚拟单线激光雷达作为传感器，通过基于确定性策略梯度(DDPG)的深度强化学习方法，训练得到一个稳定的初级避障策略。其次，用单目摄像头和激光雷达同步采集现实环境中的视觉和深度数据集并逐帧绑定，使用上述初级避障策略对现实数据集进行自动标注，进而训练得到无需激光雷达数据的单目视觉避障策略，实现从虚拟激光雷达到现实单目视觉的跨传感器迁移学习。最后，引入YOLO v3-tiny网络与Resnet18网络组成异步深度神经网络结构，有效提高了存在行人场景下的避障性能。