大航向角误差情况下飞行中对准研究

为了解决飞行器在大航向角误差的情况下进行飞行中对准的难题,将一种线性大航向角误差模型应用于飞行器飞行中对准的过程.详细推导了线性大航向角误差模型,设计了飞行器在大航向角误差情况下进行飞行中对准的卡尔曼滤波模型,并进行了数字仿真.仿真结果表明,线性大航向角误差模型应用于飞行器飞行中对准,能够很好地解决飞行器在大航向角误差情况下进行对准的难点,并给出了适合于大航向角误差模型的机动方式.最后,提出了线性大航向角误差模型在工程应用中的几点建议     

单轴旋转惯导纬度误差和航向误差关联性分析

为实现舰船单轴旋转惯导航向误差海上动态评估,考虑单轴旋转惯导纬度误差和航向误差都是在相同误差源作用下的惯性导航解算输出结果,通过研究引起单轴旋转激光陀螺惯导航向误差和纬度误差的机理,建立了单轴旋转惯导纬度误差与航向误差之间的关联性模型。仿真分析验证了单轴旋转惯导纬度误差与航向误差之间关联性分析的正确性。基于二者之间的关联性,在无外界参考航向信息情况下,可实现海上舰船单轴旋转惯导航向误差实时动态评估与补偿,对提升舰船武器系统作战效能具有重要的实用价值。     

在铣削加工中通过神经网络融合多路传感器监测刀具破损

讨论在立铣加工中，用多层前馈反向误差传播神经网络融合由多路传感器信息中选取的多维特征来监测刀具破损情况。对融合不同传感器特征对神经网络性能的影响以及如何选取训练样本等也进行了分析。研究结果表明，神经网络对提高识别精度是很有效的。     

一种车载组合导航系统航向修正方法研究

针对车载组合导航系统航向误差难以修正的问题,对航向角误差可观测性进行分析,并提出一种基于加速度变化的航向误差可观测性分析的误差修正方法。首先利用分段线性定常系统(PWCS)可观测性分析法和奇异值(SVD)分析法对不同加速度变化情况下的组合导航系统航向角误差进行可观测性分析,得出航向角误差的可观测度与加速度变化的剧烈程度正相关的结论。在不同加速度变化情况下,对航向角误差的滤波估计进行仿真,总结出加速度变化过程中的收敛规律,从而提出根据加速度变化情况对航向误差进行修正的方法。最后实验结果表明,通过该方法能够有效地减小航向角误差导致的位置误差,提高导航精度。     

挠性陀螺寻北中的航向误差

陀螺两位置寻北中存在非线性航向误差,其测量航向角与真实的航向角差值的大小随真实航向角的变化而变化,呈现出近似为正（余）弦曲线的波动形式。本文分析了挠性陀螺寻北系统中航向效应产生机理。介绍了陀螺两位置寻北原理及误差模型,重点分析了挠性陀螺仪零次项漂移和一次项漂移对航向误差的影响,推导了误差公式,估计了两位置寻北中陀螺仪精度对测量精度的影响,寻北试验的结果验证了理论分析结论。     

捷联航姿传感器的误差补偿标定方法

磁航向传感器作为机载设备,它的工作情况与载体环境的影响有着密切的关系,测得的磁航向角存在着较大的误差,不能直接用来进行导航定位。所以,必须对其进行误差补偿,提高磁航向角的测量精度,才能用于导航定位。罗差是磁阻罗盘的主要误差源,文中介绍了罗差方程式,并重点推导了基于最小二乘法的七参数八位置误差标定方法。基于该方法的磁航向补偿算法的性能试验结果证明,磁航向误差基本维持在0.5°左右,满足了精度的要求。     

里程计初始标定及误差分析

介绍了里程计的初始标定计算方法,利用该方法计算出里程计刻度系数和 航向安装偏差角。在此基础上建立了里程计刻度系数的标定误差模型和航向安装偏差角 的标定误差模型,分析各因素对里程计刻度系数标定和航向安装偏差角标定的影响,并 对误差模型简化,得出影响里程计标定的主要因素是初始航向角误差和Z 轴陀螺漂移。 最后,进行数学仿真,仿真结果与分析结果一致。     

基于AVR32的小型磁航向系统设计

现有的磁航向测量系统体积、重量、功耗偏大,并且调试、误差补偿算法复杂、整体费用偏高,针对这些问题,设计了一个在小角度俯仰、滚转情况下的小型磁航向测量系统.该系统采用带DSP指令的32位高速处理芯片AVR32 UC3B0256、新型倾角传感器SCA100T以及磁阻传感器HMC 1022构成数字化解算平台,实现了误差补偿.实验数据显示,在水平状态下,磁航向测量值最大误差为±1.4;当俯仰角低于30°或滚转角低于35°时,随着角度的增加,磁航向输出误差变化不大,最大误差分别为3.7°和2.8°;当俯仰角超过30°或滚转角超过35°时,磁航向输出误差会急速增大.结果表明,该系统在小角度俯仰、滚转情况下具有较准确的磁航向角解算能力.     

姿态航向参考系统中磁罗盘安装误差补偿研究

在飞行状态下,姿态航向参考系统的航向由磁航姿计算机的姿态和磁罗盘的磁通量算得,由于磁罗盘和航姿计算机在机上有安装误差,使得算出的航向有一定偏差,针对这一问题,文章提出了一种补偿机上磁罗盘安装误差的方法。机上试验表明:该方法补偿了磁罗盘在机上的安装误差,可有效提高磁航向的精度。     

基于ALO-SOM神经网络的航迹稳定分析

为了快速准确地分析稳定敌方航向并判断其攻击目标,提出了基于蚁狮优化算法(ALO)的自组织竞争(SOM)神经网络的航迹稳定分析方法。首先探究了航迹稳定分析的具体流程;然后提出并采用ALO-SOM神经网络提取航迹特征;最后,为了提高复杂线段拟合的准确性,采用分段线性拟合对特征进行处理,进而获取稳定的航向。仿真结果表明,ALO-SOM神经网络可以快速准确地提取航迹特征,SOM神经网络训练正常,分段线性拟合方法准确地获得了目标的稳定航向。     

基于CMAC的伺服系统控制研究

针对高精度伺服系统中存在的非线性和各种不确定性因素,提出了基于小脑模型神经网络的复合控制方法,控制器由前馈控制器、比例微分控制器(PD)和小脑模型神经网络控制器(CMAC)构成,该方法在传统的PD+前馈控制方法上加入了CMAC神经网络算法的快速学习,精确逼近的优点,既保证了快速实时跟踪,又进一步提高了跟踪精度。实验结果证明,用CMAC控制方法后系统的跟踪精度比PD＋前馈控制方法提高近一个数量级,同时该方法对摩擦引起的波形畸变有很好的抑制作用,仿真和实验研究表明了该方法的可行性和有效性,并能满足实时性要求,对提高伺服系统的高精度动态跟踪性能有很好的工程参考价值。     

Improving performance in pulse radar detection using neuralnetworks

A new approach using a multilayered feed forward neural network for pulse compression is presented. The 13 element Barker code was used as the signal code. In training this network, the extended Kalman filtering (EKF)-based learning algorithm which has faster convergence speed than the conventional backpropagation (BP) algorithm was used. This approach has yielded output peak signal to sidelobe ratios which are much superior to those obtained with the BP algorithm. Further, for use of this neural network for real time processing, parallel implementation of the EKF-based learning algorithm is indispensable. Therefore, parallel implementation has also been developed     

基于RVM回归误差补偿的航空发动机分布式控制系统多步预测控制

针对具有随机有界双侧时延的航空发动机分布式控制系统,提出了一种基于多步预测和关联向量机(RVM)回归误差补偿的控制方案.首先建立航空发动机分布式控制系统(DCS)的神经网络非线性自回归滑动平均(NARMA)模型,利用当前的系统输出和控制量对N步之后的系统输出进行预测;其次用改进的RVM回归多步预测算法估计NARMA模型的的预测误差,并对预测结果进行误差补偿;最后利用补偿之后的预测值和设定值对控制参数进行滚动优化,设计系统的神经网络逆控制器实现系统的自适应控制.仿真结果证明该控制策略能够避免随机有界双侧时延对控制系统的影响,实现对设定值的稳定跟踪,且控制器具有较好的实时性和鲁棒性.低压转子转速阶跃响应的稳态绝对误差小于0.04%,响应时间小于0.3s.      

神经网络在无人机电控活塞发动机试验中应用

分析了无人机用电控活塞发动机试验特点以及试验中存在的难点,针对电控发动机高海拔标定试验中进气歧管压力(manifold air pressure,简称MAP)传感器数据的传统线性插值方法不能完全表述电控发动机非线性特性的缺陷,提出采用BP(back propagation)神经网络模型的解决方案.为避免目前应用神经网络方法中所存在的不足,通过采用原始数据分组方法进行网络训练误差的实时反馈和控制,较好地解决了神经网络训练过程中容易陷入"局部最优"和"过拟合"状态,并对BP神经网络预测结果给予了详细研究,训练误差和预测误差分析结果表明了该方法的可行性和计算结果的可信性.      

高空台特种调节阀建模方法对比研究

为了获得准确的轮盘式特种调节阀流量特性模型,提高高空舱进口流量预测精度,提出了基于BP神经网络和NARX网络的建模方法。在对调节阀与传感器测点位置分析的基础上,将调节阀和阀后容腔作为整体进行建模。对比研究了流量系数、静态BP神经网络以及基于Gamma Test的动态NARX网络建模方法,并给出了工程中选取建模方法的建议。以试验流量数据为基准,仿真对比了不同阀门开度变化时,各模型输出流量的稳态误差和动态误差。结果表明,BP神经网络方法和NARX网络方法建模精度要优于流量系数法。同时,BP神经网络模型最大稳态误差为0.52kg/s,优于NARX网络模型和流量系数模型。NARX网络模型的最大动态误差为2.04kg/s,相比于BP神经网络模型和流量系数模型,能够更准确地反映流量的动态特性。     

基于神经网络的无人直升机姿态控制系统设计

首先根据模型参考自适应控制理论,将模型逆与在线神经网络结合,设计了神经网络自适应姿态控制系统。接着叙述反馈线性化及模型逆理论,分析系统的模型跟踪误差动力特性,设计神经网络控制器及在线算法。然后以某无人直升机俯仰通道为例,对神经网络姿态控制系统进行仿真。结果表明该系统能够对未建模特性、参数不确定性等引起的模型逆误差进行自适应,而且在传感器输出中具有白噪声时仍然能够获得较好的响应特性。     

基于神经网络逆控制的发动机直接推力控制

首次将动态神经网络逆控制用于航空发动机直接推力控制。为了有效消除由于神经网络逆模型构造误差(即神经网络逆模型不可能完全逼近航空发动机的逆模型)而产生的稳态误差和解决航空发动机推力不易测量的困难,分别设计了积分补偿器和推力估计器,从而实现航空发动机直接推力控制。飞行包线内数字仿真结果表明,此控制方案具有良好的动静态性能、精度高、跟踪快。     

小波包变换和神经网络的某型导弹故障诊断方法研究

提出了一种基于小波包变换的残差能量方法,对导弹动态测试数据进行分析处理,提取导弹的故障特征,并在此基础上利用神经网络有效地实现了故障的诊断和定位。     

基于BP网络的光纤陀螺刻度因子建模研究

针对光纤陀螺(FOG)随温度呈非线性变化的特性,提出了采用BP神经网络对刻度因子的温度误差建模的方法,以减小光纤陀螺输出误差;用BP网络对其建模的结果和传统的建模结果进行了比较,结果表明采用BP神经网络对刻度因子的建模是非常有效的.     

基于神经网络的光纤陀螺温度漂移误差建模与补偿

光纤陀螺（FOG）温度漂移误差是影响其输出精度的主要误差源之一,在实际应用中必须对光纤陀螺温度漂移误差进行适当补偿。传统的最小二乘法等线性补偿方法很难满足补偿精度的要求且适用性较差,利用BP及RBF神经网络分别建立非线性光纤陀螺温度漂移误差模型,可以有效提高补偿精度,使用FOG温箱实测数据对最小二乘模型及神经网络补偿模型进行了测试对比,验证了基于神经网络的非线性补偿算法在FOG温度漂移补偿中的有效性。