一种改进的空间载人机动装置参数辨识鲁棒投影算法

空间载人机动装置(MMU)在进行救援过程中,其动力学参数存在很大的不确定性.为解决这一辨识问题,本文首先推导系统关于各动力学参数的线性化模型,然后结合该线性模型的特点,提出了一种用于估计动力学参数的改进鲁棒投影算法,并在理论上分析了该算法的收敛性质,数字仿真验证了方法的有效性.     

基于BP神经网络的飞行器参数辨识与自适应控制

针对跨域空间飞行器气动参数非线性严重和具有大不确定性等特点,提出一种基于BP神经网络的飞行器离线参数辨识与在线自适应控制的方法.首先,临近空间飞行器进行风洞试验吹风得到的气动参数是典型的输入输出非线性系统,运用BP神经网络算法进行离线训练建立气动数据的辨识模型;其次,根据气动数据的辨识模型计算实时舵效变化参数,飞行器控制的增益根据舵效变化完成在线自适应调节,实现飞行器的自适应姿态控制;最后,进行数学仿真验证,结果表明,将BP神经网络应用于飞行器姿态控制中,能够实现控制参数的自适应调整,说明BP神经网络具有优良的逼近性能,最终提升了飞行器姿态控制系统的性能,提高了智能化设计水平.     

点火瞬态过程仿真模型参数辨识

建立了固体火箭发动机点火瞬态过程一维非定常流场仿真模型,采用系统辨识方法进行了模型参数不确定性研究。基于点火试验用缩比发动机试验结果,得到了传热模型参数和瞬态燃速模型参数的最优估计,提高了点火瞬态过程一维仿真模型的预估精度。采用近似方法,构建Kriging近似函数,有效解决了一维非定常流场仿真的计算复杂性问题。     

推进剂稳态燃速最优化辨识

考虑侵蚀燃烧对推进剂稳态燃速的影响,将推进剂稳态燃速模型参数辨识问题转化为非线性规划问题求解。采用Powell方法和并行遗传算法组成的混合优化方法,提高了非线性规划问题求解的效率和质量,得到了推进剂稳态燃速模型参数的全局最优辨识值。通过对设计空间的可视化进行优化收敛过程的参数分析,近似得到侵蚀燃烧模型参数的不确定性区间。     

基于多星协同的抗干扰技术研究

文章针对多星协同通信系统在恶劣电磁环境下系统容量下降的问题，提出了一种基于分布式线性预编码方案的抗干扰技术。该方案针对多星协作通信系统的干扰模型，以接收端用户的最大化信道容量为目标，建立优化信道容量的数学模型，通过引入辅助变量将非凸优化问题转换为凸优化问题，进而利用二阶锥规划方法，获得该优化问题的最优解，最终得到每颗卫星的最优预编码系数。仿真结果表明，所提出的分布式线性预编码方案，优于直接转发方案和破零预编码方案，能够有效降低多星协作通信系统中干扰源对正常通信的影响。     

导弹自适应反演控制器设计

提出了一种应用反演控制技术的非线性自适应导弹控制系统的设计方法。首先采用自适应辨识算法来估计系统中存在的不确定性 ,然后利用反演控制技术处理系统中的非匹配不确定性 ,在虚拟控制中引入了微分阻尼项 ,有效地改善了系统动态性能 ,并应用Lyapunov稳定性理论证明了系统是全局指数稳定的。最后给出的数字仿真结果表明该方法的有效性     

基于高斯过程回归的组合体航天器姿态接管学习控制

空间非合作目标一般具有结构复杂、质量特性未知、姿态机动能力不明等特点,这导致组合体航天器姿态动力学呈现出高度非线性和强耦合特性,且难以对其进行在轨精确辨识。针对组合体航天器姿态接管过程中目标信息不完全、精确辨识困难等问题,本文考虑目标存在姿态机动能力的任务场景,提出了一种基于稀疏高斯过程回归(GPR)的数据驱动姿态接管控制策略。首先,从系统运行数据中提取、凝炼模型未知部分的输入/输出映射关系,构建数据驱动的概率化模型以代替无法快速准确建立的参数辨识模型,并根据该数据驱动模型设计变增益反馈控制策略,证明了系统状态概率意义上的Lyapunov稳定性和有界性;其次,考虑到在轨任务的实时性、星载计算机的计算资源有限等因素,该算法可在保证控制精度的同时显著减轻学习算法的计算压力;最后,数值仿真验证了本文所提出控制方法的有效性与实用价值。     

含不确定性的绳系卫星姿态的鲁棒最优控制

针对绳长变化的旋转二体绳系卫星姿态跟踪控制问题,提出了一种分布式鲁棒最优控制方法。首先针对单体绳系卫星姿态模型,在假设模型精确和不存在干扰的条件下,设计基于HamiltonJacobiBellman方程的最优控制器;进一步考虑到实际系统存在参数不确定性和干扰,采用自适应方法和鲁棒误差积分方法隐式学习参数不确定性和有界干扰,与最优控制器结合设计鲁棒最优控制器,并应用Lyapunov稳定性定理证明其闭环系统的渐近稳定性。其次,根据绳系卫星系统的运动同步性,将单体绳系卫星姿态控制器设计扩展至二体绳系卫星系统,设计二体绳系卫星姿态系统的分布式鲁棒最优控制器。最后在Matlab/Simulink平台上进行仿真验证,结果表明了所设计控制器的可行性与有效性。     

一种基于迁移学习的遥测数据异常检测方法

为解决卫星遥测数据异常检测面临的数据不平衡且缺乏有标签样本的问题，提出一种基于一维卷积神经网络(1dCNN)迁移学习的异常检测方法。首先利用源域卫星的遥测数据对1dCNN进行预训练，使得模型的卷积层具有卫星状态特征的提取能力；然后将训练好的模型迁移到缺乏标签数据的目标域卫星中；利用目标域有标签样本对预训练模型进行微调，从而实现了对目标域测试集样本的异常检测。为了使1dCNN能够适应遥测数据样本的不平衡性，引入了代价敏感训练策略，建立动态损失函数，从而提升代价敏感一维卷积神经网络(cs 1dCNN)对于异常样本的识别能力。以某两个卫星的电源分系统遥测数据进行了验证，实验结果表明该异常检测迁移方法具有较好的有效性和鲁棒性。     

分类回归树在航天测控数据关联规则分析中的应用

发现参数间的关联规则对预测航天器系统状态和改进航天器系统设计都有着重要的意义。如何发现参数间的关联规则是航天测控数据分析中的一个难点问题。针对该问题，在概述小波分析和分类回归树基本原理的基础上，提出了一种基于分类回归树的分析方法。该方法首先采用小波分析技术对参数数据进行去噪声处理，然后用随机采样的方法把数据分为训练数据集和检验数据集两部分，再构建一个分类回归树模型并用训练数据集训练该模型，随后用检验数据集对该模型进行检验，在对检验结果好坏进行评价并确认获得较好结果的基础上，对分类回归树模型进行解析，并最终得出参数间的关联规则。最后运用仿真数据对上述方法进行了实例验证，结果表明该方法能较好地分析出参数间的关联规则。     

飞行器气动参数智能在线辨识技术研究

气动参数辨识对于大气层内飞行器来说至关重要,通过在线气动参数辨识可规划更准确的飞行轨迹,并对控制参数进行自适应调整。传统辨识方法的模型较为复杂,运算量大,无法满足飞行器在线辨识的要求。而基于神经网络的智能参数辨识方法,不仅可以离线对网络模型进行训练,并利用历史飞行数据进行模型修正,也可在线时直接利用训练好的网络对参数进行快速调整,在保证参数估计精度的同时,保障参数估计的快速性。提出了一种基于支撑向量机(SVM)的样本扩充和神经网络参数在线快速修正方法。通过仿真和统计,证明了基于SVM的神经网络方法对飞行器气动参数进行在线快速智能辨识的可行性。     

一种改进的航天器时变模态参数递推辨识方法

针对基于预测器的递推子空间辨识(RPBSID)方法在估计系统的状态变量时计算量较大的问题，提出一种改进的RPBSID方法并应用于航天器的时变模态参数辨识。与原算法相比，改进后的方法在求解状态量时不需要逐个时刻构建相应的Hankel矩阵，而是利用仿射投影算法(APA)实现状态量的递推估计，从而减少了辨识过程中的数据量。在此基础上，利用该状态变量递推得到时变系统的状态空间模型和模态参数。在数值仿真中，建立带有大型挠性附件的卫星动力学模型，分别考虑系统模态参数线性变化、突变和周期改变的情况，利用改进的RPBSID方法对结构的时变频率和阻尼比等参数进行了辨识。理论分析和数值仿真的结果表明这种改进的方法不仅能够有效地辨识系统的时变模态参数，而且与原方法相比具有更高的计算效率。     

大型运载火箭加筋柱壳近似建模方法

为提高大型运载火箭中薄壁加筋柱壳结构的后屈曲分析、优化设计的计算效率，提出基于矩估计的增广径向基函数(ARBF)近似建模方法。首先，分析了形状参数对ARBF近似模型泛化能力的影响规律；然后，基于样本点局部密度给出了ARBF基准形状参数确定方法，并根据模型响应特点，引入缩放系数对形状参数进行自适应调整；进一步，基于矩估计方法将确定形状参数的复杂域优化问题转化为确定缩放系数的优化问题，并利用多起点并行优化算法求解该问题，显著降低了计算复杂度；最后，通过典型数值算例和工程应用，对比研究了本文方法与其他典型近似建模方法的优劣。数值和工程算例表明，相较其他典型近似建模方法，本文方法可通过训练较少的样本点达到较高的近似精度，对比结果验证了本文方法的有效性和高鲁棒性，表明其具有一定的工程应用价值。     

一种新的实时参数估计方法

研究导弹控制系统仪器测试时动态模型的实时参数估计 ,利用递归傅里叶变换作实时数据分析 ,提出了一种基于线性状态空间模型的实时参数估计方法。实际应用表明该方法可以得到准确的模型参数估计和适当的误差边界 ,且计算量少、动态模型估计参数收敛性非常好。     

概念设计中可重构航天器动特性快速预示方法

为解决概念设计中可重构航天器结构动特性快速评估问题，考虑接触、摩擦等因素影响，提出一种动特性快速预示方法。该方法针对典型可重构航天器特点，处理流程包括动特性分析与辨识、基于虚拟材料的模型等效及等效参数估计，实现了精细化模型的等效替代。仿真校验中，利用本文方法对构型设计方案进行了预示，在所得结果能较为准确反映结构动特性的前提下，有效提高了分析效率。该方法能够保障可重构航天器概念设计工作，并为构型方案的设计迭代与优化提供实现基础。     

基于可逆跳MCMC的AR模型阶次判定及其在陀螺漂移预测中的应用

为消除传统方法在样本数较少时确定模型的不足,提出了一种在贝叶斯准则下将可逆跳MCMC法用于AR模型的阶次估计,以抽样的方法解决AR模型对时间序列拟合时的阶数不确定问题。给出了阶次估计算法的公式和步骤。仿真试验和某陀螺漂移模型估计的结果表明,该法预测结果与实际较为吻合。但为进一步提高预测精度,还需研究平稳性和初始状态的影响。     

基于Bayes方法的某武器系统可靠性综合评估

根据武器系统现场可靠性试验数据少而研制过程中分系统可靠性试验数据较易得的情况,提出了一种基于Bayes方法对某武器系统进行可靠性评估的方法。将研制过程中分系统的可靠性试验数据融合为系统可靠性评估的先验信息,以提高用于评估的信息量。方法对复杂大系统以及高可靠性系统的可靠性评估有一定的参考价值。     

基于联合参数建模的雷达辐射源识别方法

针对现代雷达采用复杂体制造成的不能正确识别辐射源问题,提出一种基于联合参数建模的雷达辐射源识别方法。该算法首先对辐射源进行脉冲等级和统计参数等级的联合建模,然后将联合参数模型用于识别过程中,基于特征参数的不同描述模型构建不同的识别算法,其中特征参数的联合建模思想是本方法的核心。仿真实验表明,本文方法能够实现对复杂体制雷达辐射源的建模和识别。     

基于未知地标被动观测的飞航导弹SINS俯仰姿态误差估计方法

针对飞航导弹单独使用时SINS存在姿态估计精度随时间降低的问题,提出了基于未知地标被动观测的SINS俯仰姿态误差估计方法。首先,根据飞航导弹中制导段飞行的特点,把SINS俯仰姿态误差估计问题转化为攻角估计问题。然后,在不改变导弹巡航路径的前提下,利用弹上成像导引头对视场内任意未知地标连续被动观测,分别提出了弹体坐标系和速度坐标系下的攻角估计方法,并分析了观测噪声对量测方程系数的影响。最后,利用平均去噪的思想对估计结果进行处理,提高了SINS俯仰姿态误差的估计精度。仿真结果表明：两种方法都能有效估计出飞航导弹SINS俯仰姿态量测误差。     

一种运载火箭时变结构模态参数辨识的确定性演化方法

针对运载火箭的时变结构模态参数辨识问题进行研究，基于时变自回归滑动平均(TARMA)模型，提出一种时变结构模态参数辨识的确定性演化方法。该方法利用小波基函数的良好局部函数拟合能力，将墨西哥帽小波函数作为TARMA模型时变系数的空间基底，构建了基于小波函数的泛函序列时变自回归滑动平均(FS-TARMA)模型，并发展了两步最小二乘估计方法，实现了时变系数的解耦估计。通过有限单元法，建立了阿里安V号芯级运载火箭时变有限元模型，对所提辨识方法进行了验证，结果表明：墨西哥帽小波基FS-TARMA方法能够有效地辨识系统的时变模态参数；与传统傅里叶基FS-TARMA方法相比，具有更好的辨识精度，并且能够准确地反映出模态局部细节特征。