基于UKF的四元数载体姿态确定

对于低精度高噪声的传感器组成的低成本姿态测量系统,本文引入U nscen ted K a lm an filtering(UKF)用于姿态确定,设计了有陀螺测量和四元数差分法的无陀螺测量两种UKF滤波器;应用四元数避免了欧拉角法的奇异问题;用高斯-牛顿误差最小法将六维参考向量转化为四元数,作为观测量的一部分,使九维非线性观测方程转化为七维线性方程进行滤波,减少了计算量;应用仿真数据进行算法验证,成功得到姿态估计;对两种算法在低速和高速状态下进行验证,仿真结果表明了该方法的有效性。     

惩罚函数法在发动机性能计算中的应用

按照涡喷发动机工作时遵守的气动热力学定律，建立了发动机的稳定数学模型，并针对双轴涡轮发动机性能计算的非线性数学模型，利用优化和最优控制理论中的惩罚函数法，对发动机性能进行了基于约束的最优求解程序设计，利用程序对某型发动机的稳定飞行特性进行了计算，计算结果表明，使用惩罚函数法求出的特性曲线变化规律正确，发动机平衡方程的解的精度更高，在此基础上得出的发动机飞行特性也更准确。另外惩罚函数法对初值的要求很低，迭代运算不易发散。     

异步电动机的最小能量运行点

在异步电动机的一般数学模型基础之上，提出了本文使用的数学模型。和一般数学模型相比，此模型对异步电动机转子电阻的变化较不敏感。借助异步电动机的期望电磁转矩，推导出了参数化的状态运行点(定子电流和磁链在稳定状态下的值)一最小能量运行点，得到异步电动机的最小能量运行条件。     

椭圆轨道编队常值推力构形变化控制方法

采用T-H方程作为椭圆轨道编队的动力学描述，推导了常值推力作用下的椭圆轨道编队的构形变化控制方法。通过合理的选择控制量的作用时刻，可达到大量节约燃料的目的。结合该构形控制方法给出了燃料均衡与燃料最优的解决方案；最后，给出的仿真算例说明了本文设计方法的有效性。     

三焦点张量的最小代数误差非迭代算法研究

通过普通数码相机获得的3幅未标定图像,采用RANSAC算法进行两两匹配获得3幅图像的一组兴趣点对,利用最小代数误差非迭代算法在MATLAB中计算出三焦点张量,提出一种最小代数误差非迭代算法。实验结果表明,该方法是一种有效的三焦点张量计算方法,计算复杂度小、实现效率高。能够得到较准确的三焦点张量,为下一步相机自动标定以及三维场景的自动重建和量测奠定了基础。     

基于支持向量机回归的电力负荷预测研究

不同于传统的基于经验风险最小化的回归方法,支持向量机回归方法基于结构风险最小化准则.与神经网络相比,该方法在解决学习精度和推广性之间的矛盾方面有明显的优势.本文以城市电力负荷预测为应用背景,对比研究了基于统计学习理论的支持向量机回归方法和神经网络方法.预测结果显示支持向量机可能是一种非常有前景的预测工具,其预测精度明显好于神经网络.     

联合优化的BP神经网络模型的应用研究

BP算法因收敛速度慢、易于陷入局部极小值等缺点，使得对于较大的搜索空间、多峰值和不可微函数常常不能搜索到全局极小点，这些制约了BP网络在各个领域中的应用。本文通过对学习系数、神经元的激励函数及误差函数的联合优化，在一定程度上避免了学习中的局部极小问题，提高了学习效率，改进了网络的性能。     

发动机故障诊断主状态量模型的数学模型

发动机故障诊断的一种主要方法是根据故障方程和发动机性能参数的测量值确定故障的类别和故障程度,故障方程组通常是亚定的。主状态量模型是求解亚定的故障方程的有效方法。主状态量模型的主要内容是根据最少故障原理,利用最优化方法求解然后根据合理性准则选择合理最优解。本文详细地讨论了主状态量模型可能采用的数学模型,并且指出:(1)主状态量模型可以采用不同的数学模型求解;(2)并非所有的数学模型都能给出合理的结果。本文的研究结果表明,约束或无约束超定最小二乘法和单个优选的散度法是发动机故障诊断主状态量模型的理想算法,而本文中所讨论的其他算法都或多或少存在一定的问题。     

基于最小熵的多通道SAR系统相位误差估计与补偿

采用多通道合成的方法来增加信号带宽,是提高合成孔径雷达(SAR)系统距离分辨率的一种有效技术手段。针对多通道间相位失配的问题,建立了通道相位误差的频域多项式模型,提出了一种基于最小熵的通道相位误差估计与补偿方法。以距离向压缩脉冲图像的信息熵作为目标函数,误差多项式系数为估计变量,基于最小熵准则建立了相位误差的最优化估计模型。该方法能有效弥补内定标或外定标方法的不足,且不依赖于成像场景的地物类型,只需抽取少量回波数据作为误差估计的样本,具有耗费存储空间少、收敛速度快、不损失信噪比的优点。对不同场景的八通道实测数据进行了处理,实验结果验证了本文方法的有效性和稳健性。     

全局最优化问题的一种确定性算法

提出了一种求解全局最优化问题的确定性算法,它属于求解带有给定精度的全局最优解的覆盖法.原理是排除区域,即检查出不包含全局最优解的子区域,并从深入研究中排除出去.对某些特殊类型函数,将区域作一致网格覆盖,通过计算结点处的函数值逐次去除函数值较大的区域,保留函数值较小的区域,最终得到达到要求精度的全局极小值.算法要求函数的Hesse矩阵特征值的界可估计,并利用该界确定算法的终止条件.最后给出了数值例子.