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。     

Backstepping sliding-mode control of stratospheric airships using disturbance-observer

In the presence of unknown disturbances and model parameter uncertainties, this paper develop a nonlinear backstepping sliding-mode controller (BSMC) for trajectory tracking control of a stratospheric airship using a disturbance-observer (DO). Compared with the conventional sliding mode surface (SMS) constructed by a linear combination of the errors, the new SMS manifold is selected as the last back-step error to improve independence of the adjustment of the controller gains. Furthermore, a nonlinear disturbance-observer is designed to process unknown disturbance inputs and improve the BSMC performances. The closed-loop system of trajectory tracking control plant is proved to be globally asymptotically stable by using Lyapunov theory. By comparing with traditional backstepping control and SMC design, the results obtained demonstrate the capacity of the airship to execute a realistic trajectory tracking mission, even in the presence of unknown disturbances, and aerodynamic coefficient uncertainties.     

基于混杂非对称复合材料的自适应对日定向器

提出并设计了一种基于混杂非对称复合材料层合板的新型自适应对日定向器。该对日定向器采用混杂非对称复合材料层合板作为驱动元件，利用在轨光照条件的变化引起复合材料层合板温度变化，进而使其产生热变形并驱动太阳翼发生偏转。提出的自适应对日定向器结合传统的单自由度对日定向机构，能够实现太阳能帆板的双自由度对日定向。介绍了自适应对日定向器的基本原理，并结合地球静止轨道的光照条件进行了具体设计。利用能量变分原理建立了混杂非对称复合材料的热变形模型，分析其热变形特点，并利用有限元方法对定向器在地球静止轨道上的温度场特性、热变形及对日定向转动角度进行分析。有限元分析结果表明，通过合理设计，自适应对日定向器的转角能够随太阳光入射角变化呈线性变化，定向精度可达±1°。     

动态时频谱分析、探测和跟踪的随机有限集法

动态出现和消失多分量信号的时频分析问题一直是非平稳信号处理的难点之一。为此，提出了一种分析、探测和跟踪多分量信号的随机有限集法。该算法利用时频变换，如短时傅里叶变换或自适应谱估计法，以及多项式预测模型，将多分量信号的时频分析问题归纳成可利用随机有限集进行多目标追踪的问题。分析表明：借助于提出的初始权重赋值算法，以及谱分量幅度和频率的联合似然函数，就可利用高斯混合概率假设密度滤波器来实现对动态时频谱的分析、探测和跟踪。在仿真实验中，所提算法有效提升了动态时频谱的跟踪精度，其对微弱时频谱分量的探测能力，以及对载频差异的分析能力均优于文献报道的算法。     

基于CDKF的快速协方差交叉融合跟踪算法研究

随着目标抗干扰能力的增强，单一寻的制导方式很难完成对目标的稳定跟踪和精确打击，需采用多种探测器作为传感器，提供多种观测数据以实现对目标的稳定跟踪和精确打击。建立了适当的目标运动模型和观测模型，利用中心差分卡尔曼滤波（CDKF）变换处理模型的非线性问题，避免了求解复杂的雅克比矩阵。对于分布式多传感器融合，传统的方法多采用协方差交叉（CI）融合方法，但是这类方法需要寻优求解。而快速协方差交叉（FCI）则不需要进行寻优过程，且计算量小。在此基础上，提出了用于多传感器目标跟踪的CDKF-FCI融合算法。最后，对算法进行了仿真分析，并进一步验证了提出算法的有效性。     

Carrier phase prediction method for GNSS precise positioning in challenging environment

Since the signals of global navigation satellite system (GNSS) are blocked frequently in challenging environments, the discontinuous carrier phases seriously affect the application of GNSS precise positioning. To improve the carrier phase continuity, this paper proposes a carrier phase prediction method based on carrier open-loop tracking. In the open-loop tracking mode, the carrier numerically controlled oscillator (NCO) is controlled by the predicted Doppler, but not by the loop filter output. To improve the phase prediction effective time, accurate receiver clock drift estimation is studied in the prediction method. The phase prediction performance is tested on GNSS software receiver. In the phase prediction effective time tests, open-loop processes were set for the tested channel. The test results show that, when some satellite signals are blocked in 15?s, the probability of carrier phase error less than quarter cycles is more than 94%. In the real time kinematic (RTK) positioning tests, some satellite signals are blocked in 10–15?s repeatedly. The test results show that, the carrier phase continuity is basically not affected by the signal interruption, and the RTK can almost keep continuous centimeter-level positioning accuracy without re-fixing the integer ambiguity.     

行星着陆大气进入段自适应滑模抗扰控制方法

针对行星探测器着陆过程可能存在的干扰影响着陆精度问题，提出了一种抗干扰控制方法。首先建立行星探测器着陆控制模型，利用非线性干扰观测器实现对系统外部干扰的估计；在此基础上提出一种自适应滑模控制律，使得系统状态快速收敛到平衡点附近。最后，将该方法应用于火星着陆场景进行仿真。结果表明，提出的自适应滑模控制方法能够在未知扰动存在的情况下，有效实现行星探测器安全着陆，提高着陆任务的成功率。     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前，目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时，随着脑科学研究的不断深入，人们对人脑视觉系统的理解逐渐透彻，利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs)，提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法，包括：基于演算侧抑制的目标检测算法，基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明，将类脑模型和深度神经网络应用于目标检测和跟踪领域，有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

一种基于参数控制的低轨星载接收机载波跟踪算法CSCD

低轨星座接收机面临大多普勒频移及频繁快速换星等设计约束,对其载波跟踪环路设计提出了较高的动态适应性与跟踪精度要求。针对以上问题,提出了一种基于参数控制的载波跟踪算法。该算法引入环路控制因子参数,将环路滤波器分为牵引和跟踪两阶段。基于理论建模推导环路控制因子的最优参数配置原则,指导实现牵引和跟踪两种状态滤波器的协同配合,在牵引阶段有效引导大多普勒信号快速入锁,在跟踪阶段精确估计载波频移参数,实现基于低轨星载平台的GNSS信号快速准确跟踪。理论与仿真结果均表明基于参数控制的载波跟踪算法能够有效提升环路的动态适应性与跟踪精度,满足低轨星载接收机的设计需求。与传统算法相比,该算法在保证信号跟踪精度的同时,能够将收敛时间缩短78%,且环路设计简单,易于硬件实现。     

T／R－R型双基地系统分段跟踪技术的研究

根据Ｔ／Ｒ－Ｒ型双基地系统在受到由弱到强的干扰影响时,其可用的测量量不同,有必要研究各种干扰模式下应采用的跟踪算法,提出了分段跟踪技术,充分利用了不同干扰强度时Ｔ／Ｒ站和Ｒ站的测量数据,提高了对三维运动目标的跟踪精度。通过典型目标航迹的计算机仿真,对算法性能做了评估。