基于在线LS-SVM算法的变参数混沌时间序列预测

研究利用最小二乘支持向量机(LS-SVM)预测变参数混沌时间序列。变参数混沌系统适合于描述现实中的复杂混沌现象,但由于参数的慢变导致系统动力学特性不断发生变化,基于Tan-kens嵌入定理的建模预测方法难以适用,其时间序列预测可以看作是小样本学习问题。最小二乘支持向量机是在二次损失函数下采用等式约束求解问题的一种支持向量机,保留支持向量机优点同时计算量大大减少。提出用一种具有遗忘机制的最小二乘支持向量机在线递推算法,并引入历史数据的高次项预测变参数混沌时间序列。对典型变参数混沌时间序列的预测结果表明,该方法具有较高预测精度,能快速跟踪预测变参数混沌时间序列。     

基于动网格技术的飞机舱弹分离过程 CFD/ RBD耦合数值仿真

飞机舱弹分离瞬间特性严重影响导弹/炸弹的打击精度。采用计算流体动力学(CFD)和刚体动力学(RBD)模型耦合求解的数值仿真方法,应用网格弹性光顺和局部重构相结合的动网格技术,有效地避免了刚体运动而引起的网格畸变,仿真计算了炸弹舱弹分离后俯仰角度变化过程 .仿真结果表明,舱弹分离时向炸弹施加 1个合适的抛 射力矩,有助于炸弹在下降过程中快速地调整其打击姿态。     

一种通用测试设备的软件可靠性设计

测试控制系统是在软件的控制下完成预定的操作流程.从可靠性的角度出发,对某型导弹自动驾驶仪通用测试设备的软件进行了有效的可靠性设计.部队对该套设备使用反馈信息表明,该方案设计有效的提高了系统的可靠性.     

面向复杂系统的三维Bayes网络测试性验证模型

针对当前武器装备复杂的系统结构，现有基于装备整机系统测试性先验信息的测试性验证方法难以适用，基于分系统测试性先验信息的测试性验证方法不能系统有效地处理先验信息，导致测试性验证结果可信度不高的问题，提出一种面向复杂系统的三维Bayes网络测试性验证模型。该模型能充分运用装备各层级结构中所蕴含的条件独立性，有效降低构建Bayes网络模型的复杂度，同时能融合装备各层级单元的先验信息。通过给出的三维Bayes网络的条件概率学习方法及G/M-H算法，由底层单元数据通过模型逐步向上融合，得到顶层测试性指标的后验分布，进一步利用顶层后验分布求取故障样本量。结果表明:该模型能充分考虑复杂系统的系统结构及各层级单元先验信息，并能通过模型推理得到的指标后验分布达到有效减少测试性验证故障样本量的目的。      

一类基于神经网络技术的软件故障静态测试方法

对测控软件可靠性增长模型的现状进行了分析,提出了基于神经网络的可靠性增长模型,选用了具有良好泛化能力和强大的非线性逼近能力的 BP 神经网络,对测试软件进行拟合,并对软件故障数进行静态预测和验证,实验表明,该模型具有很高的预测精度和良好的对非线性映射的逼近能力。     

自动测试系统中状态参数的一种实时监测方法

对关系到测试资源和被测对象（UUT）安全的一些状态参数进行实时监控是自动测试系统开发中必须解决的一个关键问题，本文应用共享内存技术实现了对关键数据的实时监测，结果表明，该方法能有效地对关键数据实时监测，提高了测试系统的安全性。     

基于自适应反演的导弹滑模控制

阐述了在导弹系统存在不确定性情况下,基于自适应反演控制技术和模糊神经网络理论,提出了一种导弹滑模控制系统设计方法。设计过程中将不确定性对系统的影响合成为一项,然后应用模糊神经逼近器来逼近系统的不确定项;考虑了已知信息,利用自适应模糊神经控制理论和滑模控制设计了控制器,应用Lypunov稳定性理论保证了闭环系统的稳定性,并推导出模糊神经逼近器各参数的自适应调节律。     

单逆变器驱动的多相电机串联系统综述

为了实现同一逆变器(VSI)供电的多电机独立运行的问题,近年来提出了一种新颖的基于广义零序谐波分量的多相电机串联系统。文章对这种新型的单逆变器驱动多相多电机串联系统的发展需求、工作原理、国内外研究概况等方面进行了详细地阐述,深入地分析了这种驱动系统的优缺点,总结了需要深入研究的关键技术。     

一类非仿射输入和不确定性系统的输出跟踪控制

针对一类具有非仿射输入和不确定性的混沌系统,提出了鲁棒自适应RBFNN反演控制。RBF神经网络用来逼近设计过程中所有的未知非线性函数,并且对逼近的误差设计了鲁棒项,设计的自适应律是针对RBF所有权值的上界而不是权值本身,因而在线自适应参数数量减少了,节约了计算时间。该方法保证了混沌系统的输出能跟踪任意参考信号,并且跟踪误差是一致渐进收敛的。仿真结果表明该方法的可行性和有效性。     

BTT导弹自动驾驶仪设计方法综述

介绍了当前非线性自适应反演控制理论的研究现状和多种肿导弹自动驾驶仪设计方法。最后给出了结论。