串联系统耗用资源最小的一种直接寻优算法

本文提出了串联系统在满足系统目标可靠性要求y之下,使非线性约束(资源)达到极小的一种直接寻优算法。     

星上计算机几种离散化算法的比较

本文陈述并比较了连续时间系统的各种时间-离散化方法,认为阶跃响应不变(或零阶保持器)法比较适于工程实际应用.对分子分母均为二阶连续系统,分母阻尼系数D_2大于1.0、小于1.0或等于1.0这三种情况分别给出了用阶跃响应不变的时间-离散化法得到的差分方程和状态空间方程各项系数的解析计算式.讨论了差分方程形式和状态空间方程形式的等价性问题.最后说明了一个带有液体晃动和太阳帆板挠性特性的三轴稳定卫星姿态控制器是相当复杂的,星上计算机的工作量也是相当大的,因此要防止计算机出现计算饱和问题并同时注意到截断误差问题.     

实时微分控制的算法研究

实时微分控制是进行航天器轨道控制的主要方法。本文在费景高所提出的算法基础上 ,提出了一种有效的改进算法 ,扩大了算法的适用范围。文章对算法的稳定性进行了研究 ,并给出了此算法在弹道导弹显式制导中的应用实例。     

远程导引可行飞行方案寻求算法研究

提出了一种寻求远程导引可行飞行方案的算法，能够满足远程导引对测控、日照、燃料和时间等各方面的要求；重点论述了Lambert一次变轨方案，给出了算法的具体步骤和主要模块的实现方法；最后给出了一个算例，说明算法是切实可行的。     

GF（q）域上的低密度校验（LDPC）码的译码及其在深空通信中的应用

低密度校验码是一类能有效逼近香农限的好码,而高进制的LDPC码具有比二进制LDPC码更好的性能,但其译码复杂度太高不利于工程应用。本文提出了一种基于协同优化算法的低复杂度的高进制LDPC码的译码算法,并讨论了其在深空通信中的应用。     

基于自适应遗传BP算法神经网络数据融合的空中目标识别

空中目标识别是现代防空作战的重要研究内容。本文利用不同类型目标产生的多类型传感器的数据信息对目标进行识别。为了训练神经网络目标识别分类器，将遗传算法和BP算法相结合，提出了一种新的自适应遗传BP算法，利用这种神经网络来确定指标的权值。仿真试验结果表明，基于自适应遗传BP算法神经网络的识别是一种简单、可靠的目标识别方法，具有很好的目标识别效果。     

基于ARMA模型在线辨识器的线性系统建模方法

线性系统的在线辨识是系统辨识领域中最感兴趣的问题之一。本文给出变阶式递推增广的最小二乘法及阶估计准则。在此基础上 ,给出一类ARMA模型在线辨识器。这种辨识器可用于在线或离线辨识。实例表明 ,建模计算量大大减小 ,并具有较高的精度     

基于改进RRT算法的无人机航路规划与跟踪方法研究

为了使航路规划算法在三维动态环境下能够快速规划出较优可行航路,基于快速扩展随机树算法(RRT),对规划航路点进行了无人机飞行动力学约束,并且设计了局部航路动态优化策略。针对传统的航路跟踪控制律跟踪较为曲折的航线时跟踪误差较大的问题,通过将规划算法得出的姿态指令引入姿态控制回路的方式,提高了航路跟踪控制算法的快速性与准确性。在此基础上,搭建了无人机验证平台,利用该验证平台完成了无人机自主避障飞行试验,对算法的有效性进行了验证,并对算法性能进行了评估。     

基于adaboost算法的车牌检测

车牌识别技术（LPR）是智能交通（ITS）领域的重要研究课题之一。车牌的自动识别分为车牌检测、字符分割、字符识别三个主要部分。车牌检测是LPR中的关键技术。车牌图像由于受到噪声、车牌倾斜、光照不均、运动模糊等的影响，检测存在着很大的困难。因此，在总结前人检测算法的优点和缺点的基础上，提出了基于adaboost算法的检测算法，其优点是检测率高，检测时间少，适应性特别强。     

基于BP人工神经网络的GPS／SINS组合导航算法

基于扩展Kalman滤波的GPS／SINS组合导航算法，需要对原始的非线性连续系统模型进行线性化和离散化处理，要求系统噪声和测量噪声为零均值的高斯白噪声，且易于出现滤波器发散。BP人工神经网络毋需对所求解的问题建模，能够很好地逼近系统非线性特性，获得较高精度的导航定位信息；还具有计算过程稳定，不涉及矩阵求逆，不需要迭代逼近，以及容易实现并行处理等优点。本文设计适用于GPS／SINS组合导航系统的BP网络模型，并在标准的BP算法基础上，采用共轭梯度法改进网络训练速度及精度。最后，通过仿真算例说明BP网络方法用于GPS／SINS组合导航计算的可行性。