人工导向自组织子网学习方法研究

本文提出的人工导向自组织子网学方法，克服了子网结构中各子网间没有相互联系，对类别之间含混特征无法区分的缺点。通过在话者辨认实验中的应用表明，这种方法适于区分特征相近的类别，可用于辨别真假目标     

基于双回路扩展卡尔曼滤波的惯性平台连续自标定

为解决传统的惯性平台连续自标定中,由于系统非线性强、状态向量维数大引起的滤波收敛速度慢、对滤波初始条件敏感等问题,研究了一种双回路扩展卡尔曼滤波方法。首先给出了平台连续自标定的误差模型;然后根据加速度计误差与导航误差之间的关系,对加速度计输出进行预滤波得到加速度计输出误差;同时通过分析陀螺仪误差在平台连续自标定过程中的传播特性,将耦合在加速度计输出误差中的陀螺仪误差解耦;最后以陀螺仪误差和加速度计输出为观测量,建立了陀螺仪和加速度计的扩展卡尔曼滤波方程,分别对陀螺仪和加速度计误差系数进行标定,实现双回路扩展卡尔曼滤波。仿真结果表明,该方法能够在900 s内以低于0.05%的相对误差标定出所有的平台误差系数,并且对滤波初始条件不敏感,可以有效地扩展连续自标定方法的实际应用。     

砂轮的自锐性在淬火钢磨削加工中的应用

根据生产中遇到的超硬淬火钢磨削困难的问题，提出利用砂轮的自锐性的解决方法，分析和叙述了砂轮的自锐性极其应用实例。     

卫星制导炸弹控制回路中的自抗扰控制

针对卫星制导炸弹在实际应用中控制系统所面临的问题,提出了将自抗扰控制用于卫星制导炸弹控制回路中的控制方法,即利用扩张状态观测器对系统的干扰进行实时估计与补偿,将被控对象变成积分器串联型,进行非线性PD控制。分析及数值仿真结果表明,该控制方法具有较强的抗干扰能力,具有控制品质优良、精度高、算法简单等特点,是一种可应用于实际系统中的理想姿态控制方案。     

悬臂对称三角形板的弯曲

悬臂板的弯曲问题是平板理论中的难题之一,清华大学的张福范教授,自1979年以来,应用迭加的方法,获得了悬臂矩形板在均布、集中外载情况下弯曲问题的准确解。 本文应用三角级数的方法,获得了悬臂对称三角形板在均布外载条件下弯曲问题的准确解。     

一种自整定模糊PID控制仿真

论文对一种自整定模糊PID控制从原理、设计算法进行了探讨，用Matlab对其在非线性系统中的性能进行了仿真，并与经典的PID控制方式比较，从中得出自整定模糊PID控制方式在非线性系统中动态性、稳态性及鲁棒性方面都有较大的改善，在实际中将具有更加广泛的应用。     

一种基于小波分析的控制系统BIT自诊断方法研究

随着BIT技术的发展,将先进的故障诊断算法嵌入到BITE(Built-inTest Equipment)中已经成为BIT智能化的趋势。本文针对目前傅立叶分析法在大型运载火箭数据处理应用中的不足,结合小波分析方法在故障诊断方面的优势,提出了一种基于小波分析的控制系统BIT自诊断方法;以数字伺服机构为对象,构建了基于残差思想的小波诊断模型,并在Simulink环境下,对诊断结果进行了仿真;结果显示该方法能够对故障准确定位,效果良好。     

微系统自唤醒技术的研究与发展

微系统技术集信息获取、处理、交换、执行以及供能等功能于一体,已广泛应用于物联网终端,而物联网终端电池续航能力限制了其在各类场景中的应用能力。将自唤醒技术——一种能量管理策略——应用于物联网终端微系统,可实现微系统低功耗休眠与唤醒状态的自动切换。对微系统的自唤醒技术进行归纳与分析,根据微系统休眠时功耗特点的不同,将自唤醒技术分为四类。然后在此基础上,对微系统自唤醒技术主要应用场景中有效工作时长占比小、分布范围广、部署数量多等特点进行了分析。最后对微系统自唤醒技术未来发展与面临挑战的讨论表明,自唤醒技术在未来物联网的构建过程中将发挥重要作用。     

空间遥操作机器人系统控制参考模型

从分析智能系统中智能行为机制人手，研究了智能系统中自组织单元基本结构，基于智能工程中的集成单元结构，提出了遥操作机器人系统的递阶嵌套控制参考模型，并应用到遥操作空间机器人模拟实验中，完成了模拟舱内作业任务，验证了其实用性。     

遥感卫星自截断SPIHT压缩译码技术

链表式SPIHT算法是目前公认最好的压缩方案,但是由于其传输中具有极差的抗误码特性,在遥感图像数据压缩中的应用具有一定局限性。本文提出的自截断式SPIHT压缩算法使得译码器在出现“致使性”误码的情况下能够自动中止该帧数据流译码,使得误码不至于扩散到整幅图像之中。为SPIHT算法在遥感图像数据压缩中的应用提供了理论依据。     

非线性估计理论的最新进展

扩展Kalman滤波(EKF)是应用最广的非线性估计方法，然而它存在实现性差、计算量大、估计精度低等缺陷，这些问题起源于。EKF采用了Taylor展开近似。在阐明非线性估计的本质，剖析EKF等传统方法的特点及缺陷的基础上，从非线性估计革新的两条发展思路——非Taylor展开的线性变换及非线性变换出发，分别对插值滤波、Unscented滤波、粒子滤波和神经网络滤波这四种近年来最具特色的新方法进行介绍和评述。通过分析这些方法的工作原理、性能特点、必要性和可行性，将非线性估计最新进展的思想传承、本质内涵、地位与作用予以展现，指出各方法的现存问题、发展潜力和最具可实现性的发展方向。同时强调了各种算法的选取须根据具体应用场合和条件，在主要性能指标之间综合权衡。     

自学习自适应INS／Doppler组合导航系统

本文通过引入文［１］提出的自学习适应Ｋａｌｍａｎ滤波，而将氢此组成的具有自学习功能的智能组合导航系统直接建立在噪声分布密度的异步自学习估计上，由于此时的ＬＡＫＦ在每次重复滤波实验后可离线异步地学习模型与量测噪声的统计特性，从而可有效地避免滤波发散现象并能确保实时性。文中结合某飞行器，对ＩＮＳ／Ｄｏｐｐｌｅｒ组合导航系统进行了仿真研究，所得结果十分满意。     

EKF和UKF在INS/GPS组合导航中的应用分析

扩展卡尔曼滤波(EKF)是在非线性系统中常用的一种滤波方法,Un-scented卡尔曼滤波(UKF)是一种新的非线性滤波算法,其主要特点是与EKF一样传递状态的前两阶矩,但不用计算Jacobian矩阵。将EKF和UKF分别应用到INS/GPS系统的滤波中,仿真结果表明UKF比EKF更适合于在INS/GPS系统中使用。     

基于方位信息的组网雷达跟踪滤波研究

干扰对组网雷达目标跟踪系统模型的影响,决定了系统需要用非线性滤波技术进行纯方位跟踪.粒子滤波避免了传统非线性滤波方法的缺陷,但是存在粒子退化,于是用EKF和UKF在每一时刻更新粒子,用更新的粒子及其协方差构造重要性函数,然后重采样.仿真实验表明了这两种改进粒子滤波方法的有效性.     

基于北斗双星定位辅助的SAR/INS组合导航系统研究

由于SAR/INS/北斗组合导航系统中图像匹配定位需要耗用不等的匹配计算时间，而现有的北斗定位系统输出也具有一定的延时，因此，SAR／INS／北斗组合导航系统中的量测信息输出具有不同步和滞后的特点。针对上述问题，采用常规的联邦滤波算法将难以获得高精度滤波结果。为此，本文在分析SAR／INS／北斗组合导航系统工作过程的基础上，结合卡尔曼滤波的具体原理，设计了针对不同步量测信息的基于联邦滤波理论的组合滤波方案，并进一步提出了解决量测信息滞后问题的算法，从而可以有效处理SAR／INS／北斗组合导航系统中的信息融合问题。协方差分析结果表明提出的组合滤波方案可行，该方案对SAR／INS／北斗组合导航系统的实际应用具有重要的理论参考价值。     

小波阈值滤波在过滤PPG信号时的误差分析

近年来,随着人们对心率变异性的认知越来越深入,各种分析心电数据的算法应运而生。小波变换技术在识别RR间期过程中的起到了非常重要的作用。然而小波变换本身存在一定的误差,这种误差产生的原因是由小波变换的本质决定的。该误差对测试数据的影响,需要具体情况具体分析,不能一概而论。本文分析了小波阈值滤波在过滤PPG信号数据时产生误差的原因,并给出了这一误差的实际测试结果。     

光学景象匹配基准图的滤波方法研究

对光学景象匹配制导的实时图与基准图的特点进行了对比，分析了前人提出的实时图常用的滤波方法，认为这些方法并不完全适用于基准图的波波处理。然后根据基准图的特点提出了和同态滤波及最小方差滤波的两步法对基闪图进行滤波，这一方法特别适用于因薄云覆盖而引入的低频噪声的处理，并同时兼顾了图像的增强与恢复。通过实验证明，该方法效果良好，对于光学景象匹配基准图的预处理具有一定的实用价值。     

自适应三维极化滤波

三维极化滤波能够更好地利用空域信息,在极化域-空域联合滤波,因此能够抑制二维正交极化滤波不能滤除的干扰,达到更好的滤波效果.实际应用中,信号通常是未知的或者变化的,要达到好的滤波效果,必须实时更新滤波参数.针对未知的或缓变的信号环境,提出了一种自适应三维极化滤波算法,利用历史杂波数据来估计杂波的极化信息,据此对天线进行调整,以对接收信号滤波.最后通过Matlab仿真验证了该算法的有效性.     

利用UKF的航天器自主导航方法研究

UKF(Unscented卡尔曼滤波)是一种新型的直接针对非线性系统的滤波方法。用星敏感器和地平仪测量星光与地平之间的“星光仰角”为观测量的天文自主导航方法,其状态方程和量测方程都是非线性的,使用以往的EKF(推广卡尔曼滤波)进行导航滤波,需将上述两方程分别线性化,故精度较低。本文提出在航天器天文自主导航系统中采用UKF方法,并从仿真计算结果中看到,导航精度有显著提高。     

关于卫星姿态确定非线性滤波算法的研究

本文探讨了利用方位矢量和陀螺速率观测信息确定卫星姿态的问题。该问题实际上是一个非线性/非高斯状态滤波问题,因此,经典的基于EKF和UKF算法的姿态滤波器有可能失败,尤其是当初始状态的先验估计不可能精确得知的情况下。近来,粒子滤波理论已经开始应用于姿态确定问题,但是,这类算法往往需要大量的“粒子”,这对有限计算能力来说是一个沉重的负担。为此,本文尝试利用双重滤波方法,在每个序贯估计过程中,将有陀螺姿态确定问题暂时分解为1个四元数估计问题和1个陀螺常漂参数估计问题。本文提出了2个双重滤波器,包括1个姿态确定双重粒子滤波器和1个姿态确定的混合型滤波器。这两者都采用一个相同的四元数粒子滤波器,但在粒子重采样和平滑处理方面,不同于近来提出的类似滤波器。至于陀螺常漂估计,双重粒子滤波器发展了一个辅助粒子滤波器,而混合滤波器中则发展了一个参数UKF滤波器。通过与经典的姿态确定滤波器的仿真比较,证实了本文新提的2个算法的有效性和优越性。