固体捆绑火箭姿控系统建模与设计研究

针对固体捆绑火箭复杂空间模态对姿控系统的影响问题,推导建立了新的姿态动力学模型,分析了弹性振动对三通道姿态运动的影响并采用逆Nyquist阵列法进行了姿控系统设计。首先建立了新的固体捆绑火箭姿态动力学模型,模型中基于有限元法导出了弹性振动方程,这是与传统模型最主要的区别。然后针对弹性振动引起的三通道姿态运动间耦合问题,分析了耦合的强弱,采用逆Nyquist阵列法设计了控制器。最后通过时域仿真验证了方法的可行性。结果表明,虽然结构上捆绑火箭芯级和助推之间纵、横、扭耦合比较明显,但引起的三通道间耦合却比较弱,被控模型在设计频段内具有明显的对角优势性质。采用逆Nyquist阵列法设计的控制器是可行的,仿真结果满足工程要求。     

基于量子遗传算法的无人飞行器航迹规划

基于量子计算和量子理论,提出了一种基于量子遗传算法的无人机航迹规划方法 。该方法利用表征量子叠加态的量子比特对航迹进行编码,引入具有量子特性的量子交叉算 子和量子门变异调整策略,对航迹规划中代价函数进行优化,引导并实现航迹的规划选择。 仿真试验结果表明,该方法不仅具有良好的种群多样性,而且还可以有效地提高算法的空 间搜索和收敛能力。
     

完全样本时,(对数)正态分布未来样本顺序统计量的Bayesian与Fiducial预测下限

在过去样本为完全样本时,本文给出了共轭型先验与群不变先验下,（对数）正态分布的双样Bayes预测下限与Fiducial预测下限,并指出可信水平为γ时,群不变先验下的Bayes预测下限与Fiducial水平为γ时的Fiducial预测下限,与Fertig＆Mann（1977）给出的置信水平为γ时的Frequentist预测下限在数值上相等。     

多分辨率重采样压缩算法硬件系统体系结构研究

主要介绍基于多分辨率重采样算法的图像实时压缩系统体系结构设计。文章首先简要描述多分辨率重采样图像压缩算法 ,然后探讨以硬件系统实现该算法所可能采取的多种不同体系结构。在分析比较各种体系结构特点基础上 ,重点阐述以大规模专用集成电路作为系统核心的体系结构 ;为完成多分辨率重采样图像压缩专用集成电路设计 ,对压缩算法进行了并行化、模块化、层次化处理 ,提出实现多分辨率重采样图像压缩算法的超大规模集成电路结构 ,并且以可编程序门阵列实现。实验结果表明 ,以该结构实现的硬件压缩系统 ,在保证恢复图像质量前提下 ,体积小、质量轻、功耗低、数据处理速度快 ,在原理上 ,满足星载环境对图像压缩系统的质量与处理速度要求     

一种直升机进气道电磁散射减缩方案实验研究

对一种与发动机舱融合设计的直升机进气道在垂直极化方式、水平极化方式下进行了电磁散射特性减缩方案研究。通过对比不同减缩方案与全金属模型RCS性能参数,研究了各种减缩方案的减缩效果,结果表明,该类进气道在采用电磁散射减缩方案时,RCS较全金属模型而言,均有不同程度的降低,其中采用在前唇口、上下唇口、前输出轴、动力舱粘贴吸波材料缩减方案的减缩效果是最佳的,可以获得8dB左右的RCS减缩效果。另外,垂直极化方式下采用减缩方案的减缩效果要比水平极化方式效果好。      

条件均值对可靠性测度Bayes估计的应用(Ⅱ)

本文讨论了条件均值对Weibull分布及幂律过程参数与可靠性测度Bayes估计的应用。     

多传感器组合导航系统的多尺度异步信息融合算法

首先,将状态方程采用数据块变换的方式得到新的状态块方程,并将量测方程表达为数据块的形式;然后,将量测向量进行多层小波变换以得到新的量测向量,结合状态块方程进行卡尔曼滤波;最后,利用异步贯序滤波的方法,建立了基于全局的最优估计值。将上述算法应用于GPS/SST/高度表/SINS多组合导航系统,仿真结果表明:相对于单一尺度的异步滤波算法,该算法可明显地提高系统的滤波精度。     

机床主轴径向回转误差的测试与研究

给出了一种主轴回转误差动态测量的误差分离方法,提出了一套主轴回转精度的动态测试系统。该系统由位移测试单元、采样时钟单元、数据采集卡、通用计算机及数据处理软件组成。     

Legendre-Gauss拟谱法求解最优控制问题

 提出一种新的求解基于常微分方程(ODE)和微分代数方程(DAE)的最优控制问题的数值方法。本方法基于直接配置法,通过Legendre-Gauss拟谱法同时离散化状态变量和控制变量把最优控制问题转化为一个非线性规划问题。与传统的直接转换法相比,本方法具有精度高、计算量小、结构简单的特点,而且可以求解最优控制“多相”问题。数值结果表明,本方法是一种通用的精度较高的最优控制直接数值求解法,可用于求解ODE/DAE最优控制问题。     

基于组合不变矩与神经网络的卫星目标识别

首先介绍了Hu提出的不变矩和Jan Flusser提出的仿射不变矩,在不增加特征向量维数的前提下,将不变矩的部分分量与仿射不变矩组合成新的特征向量——组合不变矩。利用组合不变矩提取图像中的不变特征向量,并结合基于人工神经网络的分类器,较好的实现了对卫星目标的分类识别。