微分代数问题的实时控制计算

本文对微分代数问题提出一种实时控制计算方法,进行误差估计,给出采样间隔与控制误差的关系.对于一个模型问题进行了稳定性分析,画出稳定区域,给出保证控制稳定的采样间隔的取值范围.     

基于逆仿真的直升机机动飞行科目数学模型及其应用

逆仿真可以驱动直升机仿真模型完成预定的机动科目,给出完成该机动的操纵输入规律和飞行状态变量的时间历程,因此建立机动科目数学模型是逆仿真的前提。本文提出了一个较通用的直升机机动科目分段函数描述方法,该方法可以对ADS－33E－PRF规定的大部分任务科目建立逆仿真所需的数学模型。以UH－60A“黑鹰”直升机为例,将以该方法所建立的机动科目“转向目标”、“障碍滑雪”数学模型应用于逆仿真,并依照ADS－33E－PRF的有关指标,根据仿真结果对“黑鹰”直升机驾驶品质的某些方面作出了评价,结果表明,该方法建立的数学模型能够真实有效地描述机动科目。     

基于PD算子的InSAR干涉图滤波研究

讨论了InSAR干涉图的滤波问题，提出了基于PD算子的干涉图滤波算法。算法首先对干涉图作分块处理，并假定其中各数据块上的相位值符合多项式模型，通过PD算子分别估计各数据块的模型系数，由此重构出近似干涉图。然后根据近似干涉图对原始干涉图进行‘解调’，降低原始干涉图的条纹密度，并使用滑窗作低通滤波处理。最后将滑窗处理后的干涉图与近似干涉图相乘得到滤波后的干涉图。为避免因分块处理而产生干涉相位图的马赛克效应，算法通过处理两组错位的干涉图分块数据，并对滤波后的两幅干涉相位图作加权处理，有效地降低相邻数据块间相位值的不连续性。对X＿SAR重复轨道数据产生的干涉图的处理结果表明，该算法能够对干涉图作很好的滤波处理，特别是在低信噪比区域，算法具有较突出的滤波性能。     

一种新颖的滞环电流型双降压式半桥逆变器

研究了一种新颖的双降压式半桥逆变电路（BBI），该电路有无直通，效率高等特点。提出了一种滞环电流型双降压式半桥逆变电路（HCBBI），消除了采用载波交截SPWM控制BBI正常工作所必需的偏置电流，进一步提高了效率。对HCBBI和传统半桥逆变器（CHBI）进行了理论上的损耗计算分析和实验验证，证明了HCBBI可大大降低开关损耗。为实现逆变器的高频化提供了一种简洁的方法和新的途径。     

全桥变换器中寄生参数对传导干扰的影响

以全桥变换器为例，对其主要元器件的寄生参数进行测试，运用CADENCE软件提取印刷电路板上主要印制线的寄生参数。本文分析了全桥变换器主要寄生参数对电路噪声的影响，为开关型变换器的电磁兼容性研究打下了良好的基础。在SABER仿真环境中对传导性电磁干扰的噪声进行了仿真，结果表明，寄生参数对噪声的影响明显。     

基于神经网络的非线性自适应输出反馈控制

针对能够采用仿射非线性表示的含有未建模动态的SISO非线性系统，讨论了一种基于神经网络的自适应控制方法，该方法对受控对象的已知部分，有用反馈线性化方法设计控制器，用神经网络在线补偿未建模动态及外部干扰等引起的误差，从而实现自适应控制。对具有未建模动态的双车倒立摆设计了输出反馈自适应控制系统，仿真表明该方法是有效的。     

自动着陆系统μ综合控制研究

采用μ综合控制的方法设计了自动着陆系统，在满足系统下滑轨迹跟踪及速度控制性能的同时能有效抑制风扰动及模型不确定性的影响，所设计的系统具有良好的稳定鲁棒性和性能鲁棒性。根据自动着陆的要求，提出了μ综合设计的系统结构并给出了权函数选择的准则。最后对BOEING747飞机的自动着陆系统进行了设计仿真。自动着陆波束导引及拉平轨迹仿真表明，所设计的系统具有良好的动态性能、鲁棒稳定性和鲁棒性能。     

基于神经网络非线性时滞系统的鲁棒可靠控制器设计

将一类非线性时滞控制系统中的非线性部分，用一个单隐层神经网络来近似代替，采用线性微分包含（LDI-linear differential inclusion）的方法来线性化该非线性环节，对于线性化所产生的近似误差、时滞和执行机构故障作为系统的一部分设计可靠鲁棒控制器，相关的定理也一并给出。高阶微分和偏微分方程一般是用来解决这类非线性系统的主要方法，文章中提出的可靠鲁棒控制器设计方法克服了以上这些方法求解困难的缺点，仿真示例用设计好的可靠鲁棒控制器与常规极点配置法进行了比较，从而表明了这种方法的有效性。     

冲击波压力传感器测试系统的动态标定

介绍压力场测试中所采用的压电压力传感器的标定方法。压力场测试中所采用的传感器是一种以压电晶体做敏感元件的压力传感器,它可以将压力讯号直接转换成电荷输出,其输出量与被测量压力成正比。该传感器具有较大的测压范围、较好的线性、快速的上升时间、高的压力-电荷灵敏度和较小的几何尺寸。给出了压电压力传感器的实验室标定方法和野外使用环境条件下的现场标定方法,并进行了对比研究。     

最小二乘支持向量回归机在可靠性分析中的应用(英文)

经典的响应面方法作为回归方法来模拟可靠性设计中的状态变量和基本变量之间的函数关系,用以解决直接数值模拟方法计算量大的问题。这类算法已经成功解决了一些隐式功能函数的可靠性分析问题,但它依据的"经验风险最小"原则影响了它的使用范围。基于"结构风险最小化"的支持向量回归机方法具有良好的小样本学习性能和泛化能立,比传统的回归方法具有优越性。但支持向量回归机方法对大样本的可靠性问题在时间和空间上开销巨大。为了克服这一不足,本文将最小二乘支持向量回归机引入到可靠性分析中。算例结果表明:基于最小二乘支持向量回归机的可靠性方法计算得到结果精度较高,在计算耗时上远小于支持向量回归机的可靠性方法,因此在工程应用上具有一定价值。