船载卫通天线跟踪陀螺零漂对捕获能力的影响分析

运用控制工程原理,详细分析了船载卫通站陀螺零漂对自跟踪环路的影响;利用实验考察天线的动态捕获性能,进而验证理论分析的正确性。     

线极化状态下接收机相位补偿分析

船载卫通站在跟踪线极化星时,跟踪接收机相位出现随地理位置变化而变化的现象,影响跟踪性能。本文结合实际工作经验,利用电磁场理论,以平面极化波正交分解为切入点,讨论了线极化状态下和/差信号相位,对线极化状态下跟踪接收机相位补偿原理进行了初步分析,得出接收机相位补偿值为极化角变化量的结论。     

浅论无人机机载卫通天线尺寸与数字信号传输带宽关系

卫星通信是无人机中继通信的重要手段。本文对无人机卫星通信链路中飞机总体设计关注的机载卫通天线尺寸选择问题进行了较详细的计算、探讨。     

船载卫通站单脉冲跟踪接收机典型故障分析

描述了某船载卫通站天线跟踪丢失目标的故障现象,从天线跟踪系统的设备组成和工作原理入手,结合设备工作环境和条件,详细说明了故障排查与定位过程。针对接收机中频信号频带内发现的主信号漂移及杂散频率干扰现象,分析了C-L频段变频器本振频率漂移产生的原因,以及设备环境温度、振动等外部因素和器件老化等内部因素对本振频率参数的综合影响,给出了通过调节C-L变频器本振单元微调元件进行频率修正来规避杂散信号对主信号干扰的方法。结果表明,该方法能有效解决天线跟踪的故障问题。     

基于预警卫星系统的临近空间飞行器跟踪

系统地研究了如何对临近空间飞行器进行有效实时跟踪的问题,并提出了一种基于约束总体最小二乘与自适应交互式多模型（CTLS-AIMM）滤波相结合的实时跟踪滤波算法。首先考虑到临近空间飞行器的特点,选择使用红外预警卫星系统探测目标飞行器,并使用约束总体最小二乘算法（CTLS）对目标进行粗定位;然后在粗定位信息基础上,使用自适应交互式多模型滤波算法（AIMM）对目标飞行器进行实时跟踪。在AIMM中,根据临近空间飞行器机动特性,合理选择目标模型集,并使用迭代最小二乘算法对模型参数进行自适应调整。通过仿真,验证了该跟踪滤波算法的可行性。     

基于预警卫星系统的临近空间飞行器跟踪简

 系统地研究了如何对临近空间飞行器进行有效实时跟踪的问题,并提出了一种基于约束总体最小二乘与自适应交互式多模型（CTLS-AIMM）滤波相结合的实时跟踪滤波算法。首先考虑到临近空间飞行器的特点,选择使用红外预警卫星系统探测目标飞行器,并使用约束总体最小二乘算法（CTLS）对目标进行粗定位;然后在粗定位信息基础上,使用自适应交互式多模型滤波算法（AIMM）对目标飞行器进行实时跟踪。在AIMM中,根据临近空间飞行器机动特性,合理选择目标模型集,并使用迭代最小二乘算法对模型参数进行自适应调整。通过仿真,验证了该跟踪滤波算法的可行性。     

极化角对跟踪接收机相位影响分析

根据卫星通信中遇到的极化问题及其对移动地面站的影响,针对不同极化卫星间的差异,从电磁场理论中极化的定义和分类出发,给出不同极化电磁波电场信号表示方法,以某型移动卫通站天线馈源结构为例,介绍了不同状态下极化工作方式和线极化方式中线极化面调整的机理,然后结合单通道单脉冲跟踪接收机工作原理,对天线跟踪水平极化信标时线极化角与跟踪接收机相位间的关系进行了详细分析,为解决实际应用中遇到的跟踪接收机相位漂移问题提供了技术依据。     

基于数据驱动的变循环发动机多变量自适应控制算法研究

本文针对变循环发动机包线范围大,自适应控制需求高的问题,在增广线性二次型调节器(ALQR)基础上,提出一种基于数据驱动的自适应ALQR(DA-ALQR)控制算法。构建了多变量系统自适应控制准则函数,以梯度下降法对控制器参数进行调整,借助基于数据驱动的动态线性化建模方法,递推进行输出对输入梯度的近似计算,实现了对ALQR控制参数的自适应调整。仿真结果表明,所设计的DA-ALQR控制器参数随发动机状态变化得到了有效调整,相较于ALQR控制算法,闭环系统动态性能得到了大幅度提升,推力在单外涵模式表现出较快的响应速度,在双外涵模式表现出更小的超调,转速同样表现出了超调减小和响应速度加快特性,验证了所提出方法的有效性。     

用测地卫星鉴定测量船C波段雷达和测定船位

一、前言 GEOS-B C波段系统计划的附带任务之一是研究利用测地卫星来鉴定船载测量设备和确定海上船位的可能性。这次任务的目的是确定:船载雷达与陆基设备一起跟踪是否能以足够的精度鉴定船载C波段雷达和测定船位。研究中使用了几艘阿波罗测量船特别是NASA先锋号测量船获得的数据。在卡纳维拉尔港和巴哈马水声阵区利用先锋号测量船进行了一系列的试验。这篇资料主要介绍利用这些试验所得数据进行初步研究的结果。假若这种处理技术证明是可行的,雷达数据质量良好,则船载雷达的跟踪在大地测量和     

模糊PID控制在船载测控系统中的应用研究

针对目前船载测控雷达天线伺服系统中采用传统PID控制存在超调量大、响应时间长等不足,比较了传统PID控制和模糊控制的不同特点,讨论了模糊PID控制器的设计方法,并利用MATLAB软件对系统进行了辅助设计与仿真实验。仿真结果表明,该控制方法可以提高伺服系统的快速性和平稳性,有效增强船载测控系统的跟踪性能。     

基于ε-滤波LMS算法的航空发动机自适应逆控制

针对航空发动机这种复杂的被控对象，设计了基于ε-滤波LMS算法的发动机自适应逆控制系统。该控制结构能利用非线性滤波器实现航空发动机建模和逆建模，以滤波后的误差在线调整控制器权系数。进行了飞行包线内的数字仿真。结果表明：这种方案结构不需要精确的发动机模型，跟踪速度快，具有较高的精度和较强的鲁捧性。     

高超声速滑翔目标自适应跟踪方法

针对机动模式复杂多变的高超声速滑翔目标跟踪问题，提出了一种机动频率自适应跟踪方法。采用介于常速度和常加速度模型之间的Singer模型来表征目标气动力加速度的变化，从而建立跟踪系统的状态方程。根据地基雷达量测量获得系统的量测方程，鉴于距离和角度信息的量级相差较大将其由球形量测量转换为位置量测量。为了适应高超声速滑翔目标灵活多样的机动模式，基于正交性原理和无迹卡尔曼滤波算法实现了Singer模型中机动频率参数的自适应。利用滤波信息计算得到能够反映状态模型误差大小的调整因子，用于放大Singer模型中的机动频率，进而调整状态方程的过程噪声以降低模型误差。通过对2种典型机动轨迹的跟踪仿真，并与交互式多模型等方法进行比较，结果表明所提方法的跟踪精度高、计算量小，能够较好地适应阶跃机动和连续幅值变化的机动。     

船载单脉冲跟踪雷达快速标校方法

针对现有船载单脉冲雷达标校方法受船摇影响较大、效率低等问题,提出一种基于差分法的快速标校方法。阐述了单脉冲跟踪雷达的工作原理,分析了现有标校技术的缺点和工作效率低的原因,从理论上论证了快速标校方法的可行性,并根据该方法设计开发了快速标校软件,设计了快速标校方法的操作流程。通过对试验数据进行分析,得出船载单脉冲跟踪雷达快速标校方法标校结果满足设备指标要求,缩短了相位标校时间,提高了相位标校工作效率。     

基于自适应神经网络的非线性飞行控制

结合反馈线性化和神经网络提出了一种新的飞行控制系统设计方法,通过反馈线性化将非线性耦合系统等效转换为线性解耦系统,利用具有在线学习能力的神经网络补偿反馈线性化的误差,建立了基于自适应神经网络的控制结构,并利用李亚普诺夫函数导出了网络权值的自适应调整规则。在巡航弹地形跟踪应用中的结果表明,该控制系统不仅具有精确的跟踪性能而且具有良好的鲁棒性。     

飞船测控跟踪功能备份方案设计与实现

针对＂神舟＂飞船测控跟踪功能没有备份的难题,首次提出利用FM（调频）跟踪接收机跟踪接收数传信号来实现跟踪功能备份。从数传信号调制特性、FM跟踪接收机组成及载波接收解调3个方面进行了理论分析,并通过FM跟踪接收机的数传信号接收解调、静态跟踪和动态跟踪试验验证了该方案的可行性和有效性。该技术在不增加辅助设备功能的基础上,通过船载测控设备中FM跟踪接收机来实现对飞船跟踪功能的备份,显著降低对飞船目标跟踪失效的风险。     

基于改进粒子群优化模糊控制的MPPT算法研究

在光照强度和温度变化时,常规的最大功率点跟踪(MPPT)算法难以快速准确地跟踪光伏系统最大功率点。针对此问题,设计了一种改进粒子群优化算法(PSO)的模糊控制器。首先,依据常规MPPT特性,设计了一种带调整因子的模糊控制算法以快速收敛到最大功率点；然后,采用参数自适应PSO对设计的模糊控制器调整因子进行动态优化。仿真结果表明:所设计的参数自适应PSO优化模糊控制器能快速准确地跟踪最大功率点,保证了MPPT的动态响应速度和稳态精度,提高了光伏系统的工作效率。     

航空发动机反馈神经网络自适应控制方法

根据反馈神经网络控制方法在发动机控制系统中的应用研究,建立了基于反馈网络的发动机控制系统。采用反馈神经网络辨识发动机模型参数,用动态自适应算法对神经网络权值进行了调整,并在飞行包线内各工作点对整个控制系统进行了仿真。结果表明,使用神经网络建立的发动机控制系统具有良好的控制品质和较强的自适应能力。     

直升机复合材料结构电搭接的工程设计

本文针对复合材料低导电率所带来的直升机电搭接超标问题,结合电搭接的功能,总结出了复合材料结构电搭接一般设计方法:金属化和电连续性处理,在该方法基础上,给出了电搭接设计的流程。最后利用该方法和流程,开展直升机整流罩的工程设计。经现场实测,结果表明整流罩上的航行灯、卫通天线搭接阻值均能满足设计要求,可用于工程实践。     

基于自适应深度网络的无人机目标跟踪算法

针对无人机（UAV）视频中目标易受到遮挡、形变、复杂背景干扰等问题，提出一种基于自适应深度网络的无人机目标跟踪算法。首先，基于主成分分析（PCA）和卷积神经网络（CNN）算法，设计3阶的自适应深度网络进行目标特征提取，该网络对图像的H、S、I通道分别进行主成分分析学习，将得到的特征向量输入网络进行分层卷积，优化了网络结构，提高了网络的收敛速度和精度。其次，将目标深度特征输入核相关滤波算法进行目标跟踪，通过分析相邻2帧图像的变化率，采用分段自适应调整学习率的算法进行目标模板更新，有效地改善目标遮挡问题。仿真实验结果表明，该算法有效地避免了复杂因素干扰导致的跟踪精度下降，具有较好的鲁棒性，相较于全卷积跟踪（FCNT）算法平均跟踪精度提高了9.62%，平均跟踪成功率提高了11.9%。     

基于误差反馈控制的建立航空发动机自适应模型方法

提出了基于误差反馈控制的建立航空发动机自适应模型方法.即以实际发动机的输出为参考指令,以航空发动机性能蜕化值为航空发动机模型的控制量,通过设计鲁棒性好且能消除稳态误差的增广线性二次型最优调节(ALQR)控制器以实现模型的输出自适应地无偏跟踪真实发动机的输出,利用ALQR的鲁棒性,使模型具有良好的自适应性.ALQR和发动机模型一起构成航空发动机自适应模型.最后通过稳态仿真和动态仿真表明该方法不仅可以实现自适应模型全包线跟踪稳态真实发动机,同时能实现动态跟踪真实发动机.