多模型自校准扩展Kalman滤波方法

基于扩展Kalman滤波方法（EKF）、自校准扩展Kalman滤波方法（SEKF）和多模型估计理论（MME）,针对工程实际中非线性系统状态方程受未知输入（如突风、故障和未知系统误差等）影响的问题,提出了一种多模型自校准扩展Kalman滤波方法（MSEKF）,将多模型自校准Kalman滤波方法（MSKF）的适用范围扩展到了非线性领域。该方法同时采用EKF与SEKF进行计算,根据贝叶斯定理实时分配两者先验估计值的权重,通过加权融合进而得到最终的状态估计。本文方法不仅解决了非线性系统状态方程受未知输入影响时EKF滤波发散的问题,而且在未知输入为零时的滤波精度与SEKF相比也更高,大量数值仿真结果表明该方法精度提升可达4%,具有更强的适应性和鲁棒性。     

基于变迹滤波的MIMO-SAR图像分辨率增强技术

针对多输入多输出合成孔径雷达(MIMO-SAR)在近场目标散射特征诊断成像中,非正交旁瓣难以通过常规方法进行有效抑制的问题,分析了MIMO-SAR图像非正交旁瓣的产生机理,提出了基于空间变迹滤波(SVA)和三变迹处理相结合的旁瓣抑制方法。仿真和实验结果表明,本文方法不仅能很好地抑制距离向旁瓣,而且对于方位向非正交旁瓣也具有较好的抑制效果,提高了MIMO-SAR图像的二维分辨率和动态范围。     

一种新的在线/离线门限签名方案

基于门限签名算法和变色龙哈希函数,提出了一种新的在线/离线门限签名方案,其安全性完全基于离散对数假设。该方案能容忍tn/3个恶意会员,并在标准模型中证明该方案是安全的。     

梯形齿车轮月面牵引性能的离散元分析

采用离散元法分析梯形齿车轮在月面软土地形的通过性,提出不规则形状颗粒群系统的离散元建模技术,建立车轮牵引性能参数的细观表达式.基于模拟月壤的直剪实验数据,通过反复调试获得最佳土单元模型参数.轮-土作用的离散元分析结果表明:车轮在月壤地形的牵引性能与滑转率和轮齿结构有关,增加滑转率可获得更高的挂钩牵引力,但同时车轮所需的驱动转矩提高;增加轮齿高度可获得更大的土壤推力,但行驶阻力也相应增大;轮齿数量对车轮牵引性能影响较小,但影响车轮在行驶中的平顺性.     

宽输入范围光伏并网逆变器控制方法

为适应光伏阵列的输出特性,光伏并网逆变器通常要具有很宽的直流输入电压范围,这使得其系统特性随直流电压的变化而改变,导致参数选择及优化设计比较困难.本文研制的单相并网逆变器采用三角载波PI控制器进行电流闭环控制,直流电压相对于额定电压变化时,采用同比改变载波的幅值或者同比改变PI控制器的比例、积分系数的方法,可使系统传递函数保持固定不变,这有利于系统稳定性和优化设计.文中给出了1 kW并网逆变器数字控制的设计和实现方法,实验结果表明该方法具有良好的稳定性和动态电流跟踪性能.     

后燃对火箭发动机羽流红外特性的影响

为研究火箭发动机后燃羽流近场的红外辐射特性,建立了羽流红外传输的计算模型,通过在能量方程中引入辐射源项,实现了流场计算与辐射传输的耦合求解.计算中考虑了10种组分,使用有限速率化学反应模型对羽流后燃现象进行计算,分别使用有限体积法和离散坐标法求解羽流流场和辐射传输方程,得到了羽流红外辐射强度在1~15μm范围内随波长变化的曲线及辐射强度在近场内的分布云图,与试验数据符合较好.在羽流近场内能够捕捉到辐射特性随流场物性变化的情况,表明耦合求解能提高辐射计算精度.随着来流马赫数和飞行高度的增加,后燃引起的羽流红外辐射强度的增量均变小.     

基于Riccati方程解的高增益未知输入观测器设计

针对具有未知输入和测量噪声的一类Lipschitz非线性系统,研究了状态估计、噪声估计及未知输入重构问题.通过将输出噪声看作扩展状态,把原系统转化为描述系统.针对描述系统,首先基于Riccati方程的解,提出了一种高增益观测器设计方法,实现对系统状态的估计和测量噪声的重构;之后,设计二阶高增益滑模观测器精确估计输出的微分,并利用状态和输出微分的估计,提出了一种未知输入的重构方法.在一Riccati方程有解的前提下,所提出的未知输入和测量噪声的重构,均适用于强时变信号.最后,对一个实际模型仿真,验证所提出方法的有效性.      

基于回路整型设计的多轴振动控制

 多激励多轴向振动控制试验中,在频响函数矩阵呈现病态的频率点,控制点响应的自谱和互谱往往难以达到预定参考谱目标。针对这种情况,首先在控制频段对频响函数进行拟合修正,求得系统前置补偿矩阵,然后根据 H_∞回路整型理论对驱动谱矩阵进行整型,将整型后的驱动谱矩阵代替原驱动谱进入控制回路计算。通过试验验证表明,基于回路整型设计的修正算法,能够明显地抑制某些频段内频响函数的不良影响,自谱和互谱响应都能得到比较理想的控制结果。     

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.      

基于归一化神经网络的航天器自适应姿态跟踪控制

针对以变速控制力矩陀螺（VSCMGs）为姿态控制执行机构的航天器在同时考虑惯性参数和执行机构不确定性情况下的姿态跟踪控制问题,提出了一种基于归一化神经网络的自适应姿态跟踪控制方法。设计一个非线性反馈控制器作为航天器姿态控制的基本控制器,利用归一化神经网络设计补偿控制器,用以在线估计和消除包含系统不确定参数的未知不确定函数的影响,避免了标准自适应控制方法需要进行大量不确定参数估计的缺陷。采用神经网络输入归一化技术,简化了闭环系统复杂的稳定性分析过程。理论分析证明了闭环系统的稳定性和姿态跟踪误差的收敛性。仿真结果表明,所提出的控制方法能满足航天器在惯性参数和执行机构不确定性及外干扰存在情况下的高精度姿态跟踪控制要求。