临近空间动能拦截器神经反演姿态控制器设计

为满足临近空间动能拦截器姿态控制快速性、准确性和鲁棒性的要求,设计了一种自适应神经反演姿态控制器。首先,建立了姿控发动机侧喷干扰模型,并推导了包含质心漂移、参数摄动和外界干扰的三通道强耦合模型;其次,设计了自适应神经反演姿态控制器,为提高控制精度,采用径向基函数（RBF）神经网络对各个通道的不确定项进行估计和补偿,并基于最小学习参数的思想,将神经网络学习参数拟合为一个参数,提高了RBF计算效率,保证了估计的实时性。最后,采用伪速率（PSR）脉冲调制器将设计的连续控制律转化为脉冲控制律,实现了拦截器的变推力控制,并克服了脉冲脉宽调制（PWPF）调制器相位滞后问题。数字仿真表明,所设计的控制器收敛速度快,控制精度高,对强扰动具有鲁棒性。     

复合固体推进剂细观结构建模及脱黏过程数值模拟

为研究复合固体推进剂损伤演化规律,基于分子动力学颗粒填充算法构建了HTPB(hydroxyl terminated polybutadiene)推进剂细观结构模型,通过在AP(ammonium perchlorate)颗粒/HTPB基体界面处引入黏接接触替代传统的黏接单元,并基于Hooke Jeeves的参数优化算法反演得到颗粒/基体界面处内聚力模型参数,利用双线性和自定义指数型损伤内聚力模型模拟了AP颗粒和HTPB基体黏接界面处损伤的萌生、发展、聚合直至宏观裂纹破坏的过程。通过数值仿真与实验结果对比发现,指数型损伤内聚力模型比双线性模型能更准确描述推进剂单轴拉伸过程中颗粒与HTPB基体界面间脱黏过程。最后对比了多阶段加载实验结果与仿真结果曲线,发现两者变化趋势基本一致,最大偏差仅为10%,验证了所建细观模型的可靠性及反演所得界面参数的准确性。      

海洋盐度探测卫星的现状分析和未来趋势

调研了ESA的"土壤湿度和海洋盐度"(SMOS)卫星和后续发展计划,以及NASA的"宝瓶座"(Aquarius)卫星;对比分析了SMOS和Aquarius卫星盐度测量数据的应用情况。结果表明:在低纬度地区,Aquarius卫星的盐度测量精度均优于SMOS卫星,但是在高纬度地区的盐度测量精度较差。针对2颗卫星在应用中存在的同步测量手段欠缺、射频干扰(RFI)等突出问题,提出了相应的解决途径,如增加同步测量和采用多种RFI检测抑制手段。最后,提出了海洋盐度探测卫星的发展趋势,如开展辐射计反演与遥感数据预处理技术、高精度外定标技术和高精度热控技术研究。     

基于神经网络的导弹制导控制一体化反演设计

针对制导控制一体化(IGC)模型中的不确定性难以进行估计补偿的问题,提出了基于神经网络的IGC反演设计方法。首先,根据弹目相对运动关系以及导弹自动驾驶仪模型建立了三维空间中的IGC模型。其次,针对由目标机动引起的模型不确定性,提出应用高阶滑模微分器(SMD)对导弹导引头获得的弹目相对运动信息进行微分,从而估计出目标加速度的方法,然后考虑导弹自身由于参数摄动以及未建模动态引起的模型不确定性,应用SMD和神经网络模型进行在线逼近补偿,基于反演控制理论设计了带有SMD和神经网络模型的IGC算法,应用李雅普诺夫稳定性理论对所设计的控制算法进行了稳定性证明。最后,进行了导弹六自由度仿真,验证了所设计控制算法的有效性。     

基于自适应反演滑模的末制导律设计

针对三维导弹-目标相对运动模型,结合反演控制、滑模控制和自适应技术,设计了一种新的自适应反演滑模末制导律。针对目标机动加速度上界难以获取的问题,将目标机动加速度视作模型的干扰,设计了一种自适应律对其进行在线估计,并将估计值补偿到制导律中。运用李亚普诺夫稳定性理论证明了系统的全局渐进稳定性和误差的收敛性。仿真结果证明了所设计的自适应反演滑模末制导律对机动目标的鲁棒性和有效性。     

环境减灾-1B卫星遥感数据在干旱监测中的应用

以2010-2011年发生在山东省的秋、冬、春三季连旱为例,介绍了环境减灾-1B（HJ-1B）卫星遥感数据在干旱监测中的应用。获取了山东省干旱发展顶峰时段的HJ-1B卫星采集的多光谱和热红外遥感影像,利用ENVI 4.7遥感数据处理平台对山东全省的归一化植被指数和地面温度进行了反演,在此基础上计算了山东全省的植被供水指数,并据此将山东省的干旱情况划分为5级,对该干旱监测结果进行了分析。为了验证结论的可靠性,将干旱监测结果与全国降水距平百分率进行了对比,对比结果表明两者一致性较好。文章提供了HJ-1B卫星遥感数据在干旱监测方面的一个实例,其监测结果为相关减灾部门的救灾工作提供了重要的参考,同时也为HJ-1B卫星遥感数据在干旱监测方面的业务化运营提供了一个通用的方法。     

BP神经网络反演核事故源项中重要参数的研究

核事故发生时,可靠、准确的源项信息能为应急防护行动措施决策提供数据支持。采用Matlab软件神经网络工具箱可以实现基于BP神经网络的核事故源项反演,为提高核事故源项反演计算的准确度,针对反演时的几个重要参数进行研究,包括隐含层节点数、训练函数、学习率和隐含层数。研究结果表明,在单隐含层神经网络结构情况下,存在着最优隐含层节点数,综合考虑训练时间和误差,本文选取隐含层节点数为50来对其他参数影响进行进一步研究;在相同参数设置条件下,训练函数Trainlm比Traingdm更适合数据量较小时的核事故源项反演,反演计算准确度更高,在节点数为50时训练时间缩短了近35%;高学习率以及双隐含层能有效地提高核事故源项反演的精度,但训练时间相对增加。     

基于Hybrid-TOPS的星载SAR运动目标监视新模式

针对传统星载合成孔径雷达(SAR)模式下运动目标测速范围有限、精度低等问题,本文提出了一种基于Hybrid-TOPS的星载SAR运动目标监视新模式。首先,利用混合度因子对星载SAR成像模式进行定量化的描述。在此基础上,通过TOPS模式与逆TOPS模式的组合提出一种运动目标监视新模式,该模式不仅能实现对同一区域的多次观测,且具有方位向连续观测的能力。然后,利用新模式所获取的不同方位向观测角度下的SAR序贯图像,再结合图像配准和基于新模式的运动目标参数反演即完成目标方位向速度信息的精确提取。最后,仿真验证了新模式的有效性与运动信息提取的精确性。      

有限元分段反演优化方法测试固体推进剂的泊松比

提出了一种通过准确测量载荷响应,利用ABAQUS有限元软件,对推进剂相应状态下的泊松比进行分段反演的测试方法。基于反演优化原理,建立了迭代模型和误差分析模型;测试了某型固体推进剂应力松弛下的泊松比,给出了测试过程和结果,分析了测量误差;利用时温等效原理,获得了泊松比变化主曲线;反演结果与光学非接触测量结果进行了对比,得到了反演误差,进一步验证了测试方法的有效性。