基于RBF神经网络的空间飞网机器人控制策略设计与改进

针对空间飞网机器人清理空间碎片的任务,利用RBF神经网络和滑模控制理论研究了输入受限情况下的稳定控制问题。首先基于图论和质量集中法建立了空间飞网机器人系统的动力学模型,并进行了动特性分析。接着考虑机动单元质量和干扰上界未知的情况,基于RBF神经网络方法设计了直接滑模控制器,可保证输入不受限下空间飞网机器人系统快速稳定。然后考虑执行机构物理约束,引入辅助系统,改进了基于RBF神经网络的直接滑模控制方法,证明了输入受限时系统的稳定性。最后通过数值仿真验证了所设计控制策略的有效性。     

基于DCT中频域数字水印算法研究

提出了一种基于DCT的图像水印算法,该算法充分利用人眼视觉系统特性,把水印嵌入DCT中频域中。保证了水印的不可见性。并用高斯低通滤波攻击和椒盐噪声攻击对算法鲁棒性进行检测。实例分析结果表明该算法具有较好的鲁棒性和隐蔽性。     

输入受限乘波体飞行器的最优跟踪控制方法

针对存在输入受限的乘波体飞行器最优跟踪问题,基于反演控制设计了最优跟踪控制器。将控制分为稳态跟踪控制和瞬态最优控制两部分。首先基于反演控制框架,引入有限时间收敛跟踪器对虚拟控制律进行估计,避免了普遍存在的“微分项膨胀”问题。其次,考虑系统中存在不确定项,设计了非线性干扰观测器对不确定项进行估计,确保控制器的鲁棒性。同时,充分考虑输入受限情况,基于辅助误差补偿策略对控制输入进行修正。然后,为了实现最优控制,基于自适应动态规划设计瞬态最优控制器。最终通过数字仿真,验证所设计控制方法的有效性。     

输入饱和情形下战斗机大机动动态面控制

针对战斗机大机动飞行输入饱和问题,提出了一种自适应神经网络动态面控制方法。采用径向基(RBF)神经网络逼近飞机系统的不确定性,利用双曲正切函数处理系统的输入饱和问题,根据饱和受限后的实际控制输入与期望控制输入之差定义新误差变量,结合该误差变量设计大机动飞行控制律,并构造鲁棒项抵消神经网络逼近误差、外部干扰和建模误差的影响,利用动态面控制技术避免对虚拟控制器的复杂求导并减小计算量。根据Lyapunov稳定性定理证明了闭环控制系统所有信号有界,且通过选择合适的设计参数能够使姿态角跟踪误差收敛到原点的任意小邻域内。通过仿真结果的分析,验证了所提方法具有较好的鲁棒性和稳定性。      

产品设计自动化系统中离散事件驱动的分布求解框架

在分析事件驱动的消息处理机制基础上,对过程设计自动化系统中如何有效利用事件—状态—动作(ECA)机制进行了研究,给出了支持离散事件驱动的过程模型,并结合工程求解问题实际情况提出了支持设计过程自动化的求解框架和动态求解策略。     

颗粒无序分布的堆积床内部流动与传热分析

为了详细分析单组元发动机催化床内部的流动与传热,针对颗粒无序分布的堆积床,提出了一种网格生成途径,适合于对大量颗粒自然堆积的管道流动进行数值模拟。根据该方法,对不同颗粒直径、不同进口速度的管道堆积床进行了液体介质的流动与非定常传热模拟,并与实验结果和Ergun方程计算进行了对比。结果表明,本文提出的方法可以有效模拟颗粒无序分布的堆积床内部流动与传热,适合于大量颗粒的堆积床仿真;网格尺度小于1/20颗粒直径时,模拟结果与实验结果符合很好;在相同雷诺数下,摩擦系数随颗粒直径增大而减小,Ergun方程在高雷诺数下计算的流阻偏大;非定常传热时,壁面效应会使壁面附近温度先接近流体温度。     

抗扰动复合非线性伺服控制器的设计与应用

针对典型的电机伺服系统,提出了一种鲁棒复合非线性伺服控制器的离散域设计方案。把系统的扰动和不确定性归结为一个斜坡信号(其变化率恒定),设计一个降维线性扩展状态观测器,对系统未测量状态和未知扰动加以估计。把设计的控制律应用于永磁同步伺服电机,先在MATLAB上进行仿真分析,随后基于TMS320F28335DSC进行试验测试。结果表明系统在各种类型扰动作用下,对目标位置都能实现快速、平稳和准确的跟踪,具有较好的鲁棒性。     

带压缩性修正的离散涡方法在结冰数值模拟中的应用

离散涡方法（DVM）是一种无网格的涡运动算法,适用于解决易产生分离流的非定常问题,将其应用于结冰过程中的流场求解,在有效模拟分离流动的同时能避免冰形尖角对网格质量的影响。但离散涡方法基于不可压 N-S 方程,无法应用于预测可压缩流动下的结冰过程。本文在离散涡方法的基础上添加普朗特—格劳尔特压缩性修正,进行基于离散涡方法的可压缩流动下的数值模拟,并将其应用于翼型结冰预测;对流场分布、结冰冰形和结冰模型计算过程等仿真结果进行对比和分析。结果表明：引入压缩性修正后的离散涡方法能较好地模拟可压缩流动,与实验值相比,基于该方法得到的结冰数值模拟结果符合良好,对结冰数值模拟在工程上的应用提供了一定的参考。     

矩的显式积分算法研究与应用

矩的求解通常被用于求解有限元、体积、惯性矩等问题中.基于矩的叠加性,首先给出了在三维空间中计算域的离散方式,并推导了矩的显式积分公式,随后将其推广到n维空间中,该表达式易于在计算机上实现;设计了矩的并行计算算法,并通过Fortran和Python混编的方式,实现了矩的并行计算;对多重精度下的样例数据给出了一个算例,实现了零阶矩和二阶矩的计算,并和串行算法、逐次降维算法作出比较,进行了效率分析和误差分析.结果显示,矩的显式积分并行计算算法易于程序实现,并且在效率上高于串行算法,能够很容易推广到高维空间,该算法具有高度可并行性,误差主要来自计算域离散.