四旋翼的改进PSO-RBF神经网络自适应滑模控制

针对非线性、强耦合并带有不确定性干扰的四旋翼无人机模型，提出了一种改进粒子群算法-径向基(PSO-RBF)神经网络自适应滑模控制器。在对RBF神经网络自适应滑模控制器进行控制量平滑改进的基础上，利用改进的具有全局寻优能力的PSO算法来调整RBF神经网络的拟合参数，从而进一步提升网络的拟合能力。根据实际四旋翼的模型参数，搭建四旋翼的动力学模型，通过Lyapunov理论验证了系统的稳定性。仿真结果表明：与RBF神经网络自适应滑模控制器和双闭环PID控制器相比，改进PSO-RBF神经网络自适应滑模控制器可以在一个控制周期内寻找到合适的控制量，其调节时间分别提升约50%和75%；改进PSO-RBF神经网络自适应滑模控制器具有轨迹跟踪速度快且准、抗干扰能力强和鲁棒性好的特点。     

星载GNSS接收机抗单粒子及干扰方法

针对星载GNSS接收机易受单粒子影响和地面干扰的问题，研究星载GNSS接收机抗单粒子及干扰方法。根据星载GNSS接收机在轨测试数据，分析星载GNSS接收机异常原因、机理，提出星载GNSS抗单粒子及地面干扰方法，可规避或检测GNSS异常并自动处置恢复。该方法已应用于某型号星载GNSS接收机，经过分析，结果表明：该方法可有效保障GNSS接收机正常工作，不影响卫星载荷任务，取得了良好的使用效果。