真实感DVE时空一致性技术

传统的一致性解决方案大多将重点放在构建完全一致性模型,缺少对虚拟环境本身运动规律的分析.从认知虚拟环境客观规律出发,提出基于真实感的一致性模型,遵从以人为本的原则,构建描述分布式虚拟环境下时空一致的数学模型,判断虚拟环境下的节点是否达到时空一致,并加以验证.在充分利用一致性模型的基础上通过单向数据传输减少时间扭曲后的回滚节点数目,增强用户沉浸感;利用时延神经网络对大于传输延迟上限的节点状态进行预测;完成节点的状态修复,从而保证时空同步一致.经过独立实验测试,验证了模型的有效性以及解决方法的可行性.     

一种方形盒坯料快速设计方法

针对冲压件坯料设计存在的难题,本文以方形盒冲压件为对象,提出一种结合径向基函数神经网络(RBFNN)和有限元反向法(IA)的快速坯料设计方法。利用神经网络高度的非线性映射能力,建立方形盒零件几何形状和坯料轮廓尺寸的映射模型。利用有限元反向法为RBFNN提供训练样本,同时采用基于变形路径的坯料优化方法改进了训练样本的精度,提高了RBFNN模型对的坯料外形的预测能力。实验证明采用RBFNN-IA方法可以实现方形盒坯料的快速设计,而且可以提高坯料的预测精度。     

非线性系统的结构选择及其参数的集员辨识

基于支持向量回归和RBF(Radial Basis Function)神经网络,研究了带有未知但有界噪声的非线性系统的集员辨识问题.推导了噪声界以及支持向量个数与ε-不敏感参数之间的关系,给出了利用噪声界选择ε-不敏感参数的方法.描述了通过支持向量回归选择RBF神经网络规模的方法.该方法以Gaussian核函数作为径向基函数,支持向量作为径向基函数的中心构建RBF神经网络.运用改进的OBE(Optimal Bounding Ellipsoid)算法对RBF神经网络的权值进行辨识,得到与给定输入输出数据和噪声界序列一致的一类RBF神经网络.仿真算例验证了算法的有效性.     

基于加权式多模型结构的歼击机自适应重构控制

针对复杂的歼击机飞控系统,提出一种基于多模型结构的鲁棒自适应控制方法,使得系统可以在不同的运行环境下跟踪给定的信号,并且对飞机操纵面故障具有重构作用.首先,由多个线性模型和一个模糊模型构成多模型控制结构,采用模糊方法设计多模型自适应控制器中的权值系数,再引入动态结构自适应神经网络以保证系统的稳定性,故避免了模型切换引起的噪声.最后,对歼击机进行正常和故障状态下的控制仿真,结果验证了所提控制方法的有效性.     

基于神经网络的不确定性空间机器人自适应控制方法研究

提出了一种针对自由漂浮状态的空间机器人模型不确定性的神经网络自适应控制 方法。通过RBF神经网络逼近模型的非线性函数和不确定性上界,无需预先估计系统的不 确 定性程度和外部干扰,提出的自适应控制律保证了权值的有界性,解决了神经网络权值的UU B（Unknown Upper Bound）问题,即未知上界有界问题,完成了笛卡尔空间内空间机器人轨 迹规划任务。证明了所提出的控制方法的稳定性,仿真结果表明控制方法避免了对空间 机器人动力学模型的参数线性化要求降低了计算量,能够满足实际任务中的实时性要求。
     

解卷积算法性能研究

针对卫星导航应用中多路径问题,解卷积算法被提出用来补偿多径信号造成的定位误差。该算法估计出信道的冲激响应,采用信道均衡的方法补偿多径信号造成的定位误差。算法的噪声性能取决于相关峰的形状,仿真表明解卷积算法能够很好的估计信道的冲激响应,估计的噪声性能和理论推导一致。     

小型固体运载器起飞段姿态控制方法研究

针对控制系统,采用侧喷流发动机和栅格舵的新型小型多级固体运载火箭开展了起飞段姿态控制方法研究。给出了在低马赫数条件下侧喷流发动机的力放大因子和栅格舵的控制力矩,建立了运载器姿态控制模型。根据侧喷流和栅格舵的特点,设计了PID控制器与智能开关控制器相结合的新型控制器,运用神经网络算法实现了开关控制器参数的在线选择。仿真结果表明,所设计的控制器满足控制精度、稳定度和鲁棒性的要求,算法简便,具有工程可实现性,以侧喷流发动机和栅格舵为执行机构的控制系统能满足运载火箭起飞段姿态控制要求,为陆基或空射小型固体运载火箭姿态控制方法提供了一种新思路。     

UKF-WNN及其在准定常失速气动力建模中的应用

提出一种利用无轨迹卡尔曼滤波估计小波网络参数的算法,该算法可克服算法存在的收敛速度慢、计算量大、局部极小等缺点。以飞机的准定常失速现象的气动力建模为应用背景,分别运用BP算法,扩展卡尔曼滤波算法和无轨迹卡尔曼滤波算法训练小波网络。仿真结果表明,无轨迹卡尔曼滤波算法较之BP算法和扩展卡尔曼滤波算法具有更快的训练速度和更高的预测精度,可以胜任复杂的非线性气动现象的建模任务。     

过载与弹射速度关系研究及神经网络实现

 弹射速度是弹射座椅双态程序控制的主要输入参数之一,其和弹射高度一同决定了救生伞的开伞时间。试验发现,在某些特定的条件下,弹射速度的测量会出现较大误差从而严重影响弹射救生系统的救生性能。提出一种根据弹射座椅出舱瞬间人椅系统体轴 x 方向过载( n_x )值判断弹射速度的方法。建立了人椅系统出舱阶段的数学模型,在MSC.EASY5基础平台上开发了模块化的仿真模型,并基于批处理原理进行了求解器设计。通过数值仿真,建立了平飞状态不同弹射高度及弹射离机质量下体轴 x 方向过载值与弹射速度之间的关系曲线。利用基于误差反向传播算法的人工神经网络,即BP神经网络实现了输入向量（弹射高度及体轴 x 方向过载）到输出值（弹射速度）之间的连续非线性映射。分析了不利姿态参数对关系曲线的影响,在满足工程要求的情况下,可以忽略其影响。用本文方法判断得到的弹射速度与地面弹射试验数据进行了比较,结果表明误差满足工程要求,可以作为弹射速度测量的一种余度设计。     

一种弹用涡喷发动机风车起动数值仿真方法

对弹用涡喷发动机风车起动过程进行仿真求解:点火前风车过程用径向基函数神经网络(RBFN)建模,引入相关先验知识对网络输入变量加以变换,以满足小样本情况下网络建模;依据试验数据运用滑动最小二乘法(MLS)获得压气机特性;对于点火加速过程的动态模型,采用改进的粒子群优化(PSO)算法求解.解决了N-R(Newton-Raphson)法受初值影响不易收敛的问题.计算结果与试验数据吻合较好,可作为发动机起动过程性能分析和优化的理论依据.