抗离群值的鲁棒正则化贯序超限学习机

针对离群值环境下的在线学习问题,提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine,RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习,并在学习过程中基于样本的先验误差进行逆向加权计算以降低学习模型对于离群值的敏感性;同时RR-OSELM通过融合使用Tikhonov正则化技术进一步增强了其在实际应用中的稳定性。实验结果表明,RR-OSELM具有较同类算法更好的鲁棒性和实用性,对于离群值环境下的在线建模与预测问题是积极有效的。     

基于干扰观测器的受扰卫星姿态控制器设计与优化

对复杂环境下的卫星姿态控制进行了研究,针对存在外界干扰和转动惯量不确定的卫星姿态控制,建立了基于误差四元数卫星姿态动力学与运动学方程,在此基础上设计了反演滑模控制器,构造Lyapunov函数并从理论上证明了闭环系统的稳定性;设计非线性干扰观测器(NDO)对等效干扰进行估计,使控制器输出力矩减小,有效降低了输出饱和的风险,同时抑制了滑模控制带来的抖振;为了获得更好的控制效果,以控制器参数为优化变量,综合考虑了控制器的动态性能和被控对象的输入受限条件,建立了评价函数,利用改进的粒子群算法对控制器参数进行优化。仿真结果表明设计的控制器可行且有效,得到了较好的控制效果。     

eLoran系统ASF网格应用算法研究

ASF网格是提高增强型罗兰（Enhanced Long Range Navigation，eLoran）系统精度的重要方法。根据所在网格四个顶点的附加二次时延（Added Secondary Factor，ASF）值通过网格应用算法得到待测试点的ASF值，一定程度上比公式计算的ASF值更准确。在计算过程中，用户四个顶点ASF值的测量误差会传递给用户，同时内插算法本身也会引入误差，此时内插算法的选择尤为重要。本文通过仿真、分析比较几种常用的内插算法，得出结论：反距离插值算法引入的误差最大，双线应插值算法引入的误差最小，而且误差呈现一定层次感，网格从内到外误差逐渐减小。     

某型飞机地板网格翻转系统输出接头接触仿真分析

某型飞机地板网格翻转操作平台的一个输出接头通过接触受力的形式传递载荷,该连接形式无法使用常规线弹性静力学求解。由于该接触问题具有普遍性,本文结合相关的接触分析软件,对该结构进行了接触仿真分析,完成了结构的强度校核,提供了一个接触分析通用的解决方案。     

利用视加速度补偿和推力逐级释放的垂直着陆制导方法

针对运载火箭子级垂直返回着陆段的制导问题，本文在应用凸优化的滚动时域在线规划基础上研究了制导鲁棒性的改善策略。为应对着陆后期控制能力不足的情况，在滚动规划过程中引入了推力上界逐级释放的策略。同时，考虑缓解干扰和误差累积的影响，在制导周期内引入视加速度信息对在线规划的推力指令进行补偿，以进一步改善滚动规划的递归可行性。最后，通过数值算例仿真及对比分析验证所提出的补偿策略的有效性。     

基于鸽群优化算法的实时避障算法

为保证机器人能安全无碰撞地抵达目标位置，提出一种在改进版圆形扩张（CSE+）法中融合鸽群优化算法的实时避障算法。所提算法引入对障碍物密集程度的判断机制，在障碍分布密集时选择最安全的路径，在障碍物分布稀松的环境中，利用鸽群优化算法在安全范围内寻找下一目标最优位置。此外，还引入了搜索树，可实现死角的检测与避免。仿真结果显示:所提避障算法能提高路径规划的性能，在障碍物分布稀松时效果更加明显，且可实现死角检测并能通过狭长通道。      

基于区间灰色不确定语言的工作类型优化方法

针对飞机维修任务工作类型优化过程中的模糊与灰色问题,采用区间灰色不确定语言变量建立工作类型的评价指标和决策模型,提出了军机维修任务工作类型优化方法。对优化方法进行了实例分析,工作类型排序结果和数据对比结果验证了优化方法的可行性与有效性。在某军机上对优化方法进行了工程应用,完成192项初始维修任务工作类型优化,应用结果表明了该优化方法具备良好的工程应用价值,可有效提升工作类型合理性。