智能桨叶振动自适应控制研究

以德国宇航研究院的智能桨叶为原型，研究了智能桨叶振动控制的实时仿真。以两台高速信号处理器（ＤＳＰ）为核心，辅以其他器件，构造智能桨叶振动控制实时仿真系统。其中一台ＤＳＰ用于智能桨叶动态特性的实时在线模拟，另一台用于实时控制。所提出的采用ＭＸ滤波器模拟智能桨叶的动态特性和反馈与自适应前馈组合控制方法均由专用汇编程序实现。在此系统上实现了对智能桨叶在４Ω、８Ω（Ω为旋翼转速）谐和激励下桨叶振动的控制，     

直升机自适应桨叶模型的初步实验研究

为了研究压电陶瓷对复合材料模型的驱动性能，掌握其规律，为自适应旋翼的研究打下基础，文中模仿直升机桨叶设计了一个典型模型试件，利用压电陶瓷在不同布片方式下对其进行驱动，使其产生弯曲和扭转变形。不同条件下的对比实验表明，压电陶瓷作为驱动器可以达到比较好的驱动效果。     

偏最小二乘和ANFIS在飞机燃油油量测量中的应用

分析了飞机燃油箱剩余油量测量系统具有变量多、非线性及变量间存在多重相关性的特点,指出单独采用自适应神经模糊推理系统(Adaptive network-based fuzzy inference system．ANFIS)和偏最小二乘(Partial least- squares,PLS)解决飞机燃油箱剩余油量软测量问题均有各自的局限性。结合上述两种方法的优点,提出了一种基于PLS回归与减法聚类的ANFIS软测量模型。将其应用于预测飞机油箱燃油剩余的建模过程中,得到了比采用PLS回归方法更好的精度,从而证明了该建模方法的有效性。     

多约束实数权的直接数据域算法在空时自适应处理中的应用

传统的空时自适应处理算法通过权矢量幅度和相位的改变来实现,本文研究了空时自适应处理中一种改进的直接数据域(Directdata domain,DDD)算法。该方法仅通过权矢量幅度的改变,对一次样本数据进行处理,有效地抑制杂波和干扰,实现对目标信号的正确估计。采用实数权减小了运算量,降低系统的复杂程度。当目标信号的方向与天线波束指向有偏差时,采用多约束的方法,保证系统在目标信号方向的增益。仿真结果表明该方法的有效性。     

神经网络自适应控制在攻击直升机中的应用

研究了神经网络自适应控制在直升机飞行控制系统中的应用。首先将直升机姿态角系统划分为快慢回路 ,并分别采用动态逆方法进行设计 ;针对动态逆方法的优点和不足 ,提出了小波神经网络自适应逆控制方案 ,把BP小波神经网络和基于李亚普诺夫稳定的小波神经网络分别应用于直升机飞行控制系统中 ;最后对典型机动飞行进行了仿真 ,说明小波神经网络方法应用的正确性和有效性。仿真结果证明 ,本文采用的小波神经网络自适应控制方法效果好 ,具有工程应用价值     

跨声速柔壁自适应风洞及试验技术研究

简述西北工业大学自适应壁风洞研究课题组在“八五”期间开展跨声速柔壁自适应壁风洞试验技术研究的主要研究工作成果。简介该校的高速柔壁自适应壁风洞的设计及主要参数，以及在该风洞中开展的低超声速消除波反射的研究、近声速的自适应壁风洞试验技术研究和跨声速自适应壁试验段优化设计的研究。     

地-空导弹自适应最优制导律初探

本文从自适应控制的基本思想出发,利用最优控制理论,在建立地-空导弹最优制导律的基础上,考虑导弹质心的动力学方程,建立了扩维的系统状态方程和测量方程。再利用最优控制理论和非线性系统扩维Kalman滤波理论,推导出地-空导弹自适应最优制导律,进行数字计算,得到了比较满意的结果,为进一步探讨地-空导弹的自适应最优制导律提供了有价值的参考。     

基于多体分析的对接机构结构锁动力学仿真研究

分析了周边式空间对接机构结构锁的执行机构的特点，以及运用现有动力学分析软件解决此问题的困难；继而采用多体动力学建模方法，建立了结构锁执行机构的动力学模型，并针对本模型的特殊性采用了变步长的广义坐标分块求解算法；最后通过求解模型得到了机构的动力学特性曲线，证明了滚珠丝杆和弹簧复合机构作为结构锁执行部件是可行的．     

自适应DBF与空间谱估计

讨论了自适应数字波束形成(DBF)技术和超分辨空间谱估计技术,并提出了一种基于信号协方差矩阵特征分解的时-空二维信号高分辨谱估计算法。以上技术应用于相控阵雷达系统,可以精确获得多个运动目标的方位信息和多普勒信息。文章最后给出了计算机模拟结果。     

无刷直流电动机的新型自适应模糊神经控制

 为无刷直流电动机提出了一种自适应模糊神经控制方法.这是一种建立在开关控制、模糊控制和自适应控制相结合基础上的控制方法,并用神经网络实现了模糊控制器和自适应机构.在无刷直流电动机的双闭环调速系统中,电流控制器是PI控制器;转速控制器是由1个开关控制器和1个包括自适应机构在内的模糊控制器相结合组成的,且用1个3层前向神经网络离线学习实现了模糊控制器,学习算法采用的是改进的BP算法.用1个单神经元通过在系统运行过程中的动态学习实现了自适应机构,学习算法选用了有监督的Hebb学习算法.由电机所处的运行阶段决定哪一个控制器工作.此控制算法的仿真结果说明,它使系统具有良好的动、静态特性和自适应性.