绿色技术创新对企业成长绩效的影响——基于研发投入强度的调节作用

随着我国经济的高速发展,生态问题日渐凸显。通过技术创新处理好经济发展和生态效益的关系成为实现绿色发展的内在要求。本文利用94家创业板制造业上市公司2014—2017年的数据,采用广义最小二乘法对绿色技术创新、研发投入强度与企业成长绩效之间的关系进行实证分析,探讨了绿色技术创新对企业成长绩效的直接影响,并对研发投入强度的调节作用进行分析。结果显示:绿色技术创新对企业成长绩效具有显著的正向影响;研发投入强度对绿色技术创新与企业成长绩效的关系产生显著的负向调节作用。     

一种圆柱物料装填机器人残余振动抑制方法

为提高载具内的物料装填效率，提出了一种在载具内受限空间中使用的新型圆柱物料装填机器人，并通过优化关节轨迹，对机器人末端残余振动进行抑制。首先，给出物料装填机器人的总体设计方案和工作流程。然后，结合物料装填机器人的结构特点，应用拉格朗日方法建立封闭形式的刚柔耦合动力学模型，并应用模态分析方法得到机器人末端动态响应计算方法。最后，以物料装填机器人关节残余弹性势能最小为优化目标，使用最大最小蚂蚁系统，对机器人关节轨迹进行优化，并对优化结果进行仿真验证。仿真结果表明，优化后的关节轨迹，在满足快速装填要求的基础上，可以降低约34.4%的关节残余弹性势能和约37.6%的机器人末端振动振幅。      

自适应航天器态势分析系统

利用深度学习中的卷积神经网络理论,基于单目视觉系统和带有标识物的航天器影像,实现对航天器的三维姿态角、距拍摄点距离和相对拍摄中心偏移量的精准测量。利用机器学习理论实现网络自主学习样本特征,这一方式将大幅降低动态测量的误差。同时,这种测量方式也避免了人工提取特征的复杂过程,实现任意、精准、快速测量,对航天器在组装及发射过程中的姿态估计、距离测算起到关键性作用。     

基于ASTSMO和UIO的故障估计方法

针对系统在有未知干扰情况下的故障估计问题，提出一种基于自适应Super-Twisting滑模观测器（ASTSMO）和未知输入观测器（UIO）的故障估计方法。不需要已知故障导数的上界，避免了现有自适应算法存在的滑模增益过估计问题，并且能够处理多执行器同时发生故障的情况。首先，通过非奇异变换将原系统降阶为两个子系统，其中一个子系统只受故障的影响，另一个子系统同时含有故障和不确定干扰。对两个子系统分别设计ASTSMO观测器和UIO观测器，并对误差系统有限时间内收敛的条件进行了证明，同时给出了滑模增益初始值和时变增益的设计方法。然后，基于等效控制的概念对故障进行检测和估计。最后，通过仿真算例验证了所提故障估计方法的有效性。      

无虚拟控制律的高超声速飞行器新型模糊控制

针对弹性体模型的吸气式高超声速飞行器(Air-breathing Hypersonic Vehicle; AHV)飞行过程中存在的外部未知扰动和不确定性,提出了一种无需虚拟控制律的新型模糊控制方法。首先,基于飞行器的纵向模型,将控制系统分解为速度子系统和高度子系统;然后对于每个子系统,仅采用一个模糊逼近器对系统的总不确定项进行逼近,摆脱了传统鲁棒控制对于精确模型的依赖,并保证系统的鲁棒性能。与含有虚拟控制律的传统反演控制相比,本文的虚拟控制律仅应用于系统稳定性分析,无需繁琐解算,仅按实际控制律需要执行。采用范数估计策略为模糊系统权系数参数向量的范数设计自适应律,保证了实时性的同时大大减少了逼近过程的学习量。最后通过仿真分析,在引入参数摄动的条件下,对系统输入的参考速度和参考高度进行跟踪控制,验证了控制器的鲁棒性和稳定性。     

先进战斗机过失速机动大气数据融合估计方法

可控的过失速机动是先进战斗机超机动性能的重要标志，飞机飞行包线的扩大已超出传统的大气数据系统测量范围，可靠的迎角、侧滑角、总压、静压等飞行大气数据是制约先进战斗机过失速机动中飞行控制的关键因素。以中国推力矢量验证机为对象，基于过失速机动飞行试验的数据，开展大气参数估计与验证研究。结合过失速机动的时间与空间特性，研究了基于风速、地速、空速矢量和惯性姿态、导航参数的大气参数融合计算方法；针对过失速大迎角状态下飞机周围气流非定常、模型非线性导致的融合大气参数误差的复杂特性，进一步构建深度神经网络，对机动状态融合迎角、侧滑角的强非线性误差进行拟合。仿真和飞行试验表明：该方法可在大迎角飞行状态下实现主要大气参数的融合估计，过失速机动过程中融合迎角误差优于2.3°，融合得到的大气参数可为过失速大迎角机动飞行控制提供可靠的大气参数状态反馈。     

高度-速度剖面内再入轨迹快速规划

提出一种升力式再入航天器进入稠密大气后的轨迹规划方法。在预先设定攻角剖面的前提下，利用路径约束(驻点热流、动压和过载)在高度-速度(H-V)剖面内直接获得轨迹下边界；利用终端约束确定以轨迹下边界为基准的高度增量，进而通过下边界与高度增量的加和形成满足要求的再入轨迹。其中，增量的形式选取为分段二次型函数，其大小可通过割线法快速获得。倾斜角大小可根据纵向动力学方程反解得到，其方向依据航向误差角走廊确定。通过对典型工况的仿真，结果表明所提方法能够快速规划出再入轨迹，且适应性好。     

一种基于观测站数目最小化的TDOA/FDOA无源定位算法

在三维（3D）运动目标无源定位系统中，无模糊定位最少需要4个观测站。而传统的两步加权最小二乘（TSWLS）及其改进的闭式算法至少需要5个观测站进行求解，当减少一个观测站时，这些闭式算法往往无法提供可靠解。针对这一问题，提出一种最小化观测站数目的到达时间差（TDOA）与到达频率差（FDOA）定位算法。该算法是一种闭式解法并且能够在三维场景下仅使用4个观测站进行定位。该算法分为两步：第1步分离传统的TSWLS算法中未知参数空间，建立了一组新的等式，并且利用加权最小二乘（WLS）算法得到目标位置与速度的初始值；第2步利用泰勒级数展开算法将中间变量线性化，对目标位置和速度初始值进一步校正。理论分析证明了在适当的噪声水平下该算法能够达到克拉美罗界（CRLB）。此外，计算机仿真表明仅使用4个观测站时，该算法对于近场以及远场目标参数的估计精度在测量噪声较小时可以实现CRLB；并且还表明使用5个观测站估计时，该算法比TSWLS及其改进算法能更好地适应大的测量噪声。