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。      

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。     

存在干扰下的无人机中继站波束成形算法

无人机(UAV)通信具有部署快、使用灵活、通信质量好等优点,在无线通信领域具有广阔的应用前景。采用UAV作为中继站构成的增强型卫星通信网络经常受到各种干扰的影响,导致其性能急剧下降。以信干噪比(SINR)最大化为准则,UAV中继站发射功率满足要求为约束条件的优化问题的基础上,提出了一种基于最大瑞利熵的波束成形(BF)算法,得出最优权矢量。为了降低BF算法的实现复杂度,进一步提出了一种基于迫零(ZF)的次优BF算法。计算机仿真验证了这2种BF算法的有效性。     

AP聚类改进免疫算法用于航空发动机故障诊断

在免疫算法训练过程中引入近邻传播(AP)聚类与熵权法,对训练样本进行聚类与权值计算,将权值引入免疫算法中样本选择阈值的计算,以解决训练过程采用固定选择阈值所造成的检测器在部分区域过拟合,部分区域欠拟合的问题。结果表明:改进的免疫算法用于典型非线性函数的寻优时,迭代性能均优于传统免疫算法,并在大部分情况下优于粒子群算法与量子遗传算法,在进行某型发动机故障诊断的实例实验时,改进后的算法的诊断准确率达到98.06%,高于传统免疫算法的92.60%。      

试飞驾驶技术评价方法研究

通过分析以往试飞驾驶技术评价方法中出现的问题,以典型的俯仰倍脉冲试飞动作为研究对象,将整个动作过程分为三个阶段,提出了针对每个动作阶段的评价标准以及整个试飞驾驶动作的评价算法,并在此基础上开发了驾驶动作评价软件,最后在地面模拟器上对评价软件的效果进行了验证,结果表明该方法能够客观地评价试飞驾驶技术水平,可以推广到其他试飞驾驶动作的评价上。     

一种圆锥运动条件下的等效旋转矢量算法研究

传统旋转矢量姿态算法一般采用陀螺的角增量信号来构造积分算法,当应用于输出为角速率的光纤陀螺捷联系统时,通过角速率提取角增量,算法会损失一定精度。提出了一种以陀螺角速率信号与角增量信号同时作为输入的改进旋转矢量姿态算法,进一步补偿了圆锥误差,提高了计算精度。仿真结果表明,该算法与传统二子样算法相比较,计算量相当,姿态精度、速度精度、位置精度有大幅度的提升。