最小二乘支持向量机的在线学习算法研究

针对最小二乘支持向量机在线逼近过程中求解矩阵维数逐渐扩大的问题,提出了一种最小二乘支持向量机的在线学习算法。借助滚动窗口的思想,建立一个随时间滑动的建模数据区间,在线逼近中通过接受新数据删除旧数据来保持数据区间长度不变,同时数据不断更新,从而实现模型的在线学习。仿真结果表明了这种学习算法的有效性。     

刚体姿态估计的类Rodrigues参数算法研究

针对Rodrigues参数描述刚体姿态运动时的缺陷,提出了一种类Rodrigues参数的姿态估计算法,从定义上避免了Rodrigues参数和修正Rodrigues参数在π-,-π,2π,-2π时的奇异。推导了类Rodrigues参数描述的姿态运动学微分方程,给出了坐标变换的类Rodrigues参数描述,讨论了类Rodr...     

基于混沌搜索的三级倒立摆LQ控制器设计

研究利用混沌优化的LQ控制方法对三级倒立摆系统进行闭环控制.首先将混沌变量引入LQ控制器的权矩阵参数域,并进行全局范围内直接寻优,当获得全局近似最优解后,再缩小寻优区间,在次优解附近继续寻优,得到全局最优权矩阵参数.仿真结果表明了该方法的有效性和具有良好的抗干扰能力.     

基于参数化CAD模型的飞行器气动／隐身一体化设计

提出一种将CAD软件与气动／隐身多学科设计优化相结合的方法。该方法的流程为：(1) 建立外形参数化数学模型;(2) 应用CATIA二次开发技术,自动生成三维CAD模型;(3) 从该模型上提取气动和隐身计算所需的外形数据;(4) 应用多目标优化算法进行气动／隐身一体化设计。以一个翼身融合体飞行器气动／隐身一体化设计为例,详细阐述流程的具体实现过程。结果表明这种方法具有如下优点：(1) 充分利用了CAD软件精确的参数化建模功能;(2) 为气动分析和雷达散射截面（RCS）计算提供了一个统一的外形模型;(3) 能从CAD模型中获取容积、表面面积等几何特征信息;(4) 优化结果直接反映为三维CAD模型。这些优点使得该方法具有实用意义。
     

分层模糊广义预测控制及其在挠性航天器振动抑制中的应用

针对广义预测控制计算量大的缺陷,将自适应分层模糊逻辑系统(HFLS)引入广义预测控制,对参数未知线性系统提出一种直接自适应分层模糊广义预测控制方法.该方法直接利用HFLs设计广义预测控制器,并基于广义误差估计值对控制器参数和广义误差估计值中的未知向量进行自适应调整.文中证明了该方法可使广义误差收敛到原点的一个小领域内.由于控制结构中使用了HFLS,避免了模糊控制器中规则数目随系统变量个数呈指数增长问题.仿真结果表明:该方法能快速抑制挠性航天器的低频振动且稳态精度高.     

基于低成本MEMS传感器的皮卫星融合定姿算法研究

基于低成本低精度的MEMS陀螺、太阳敏感器、磁强计组合,设计了Unscented Kalman融合滤波算法.同时考虑到可能的故障模式,提出了仅依赖磁强计的备份滤波算法.在姿态参数选取上,采用修正罗德师里德参数来描述卫星姿态,降低了滤波器的维数,避免了采用四元数时解算状态误差协方差参数的奇异.利用MEMS陀螺采集的随机噪声数据进行半物理仿真,仿真结果表明:该融合算法能有效对卫星姿态进行实时估计,在个别敏感器失效的情况下,同样能实现较高的精度,满足普通任务的要求.该算法具有工程实现意义,是对低精度MEMS敏感器在低成本皮卫星上应用的有益探索.     

基于LS-SVM的恒定应力ALT非参数统计方法

针对某些产品寿命分布未知,无法采用参数方法对其加速寿命试验进行统计分析的问题,建立了基于LS-SVM的恒定应力ALT非参统计方法,实现了对产品可靠度的预测及相关可靠性特征量的统计.仿真对比和应用实例结果表明,该方法统计精度高,且易于编程实现,适用于寿命分布未知及截尾试验情况F的恒定应力ALT统计分析.     

光纤应变传感器在大型可展开天线中的应用研究

随着外界应力的变化,光纤应变传感器中干涉光发生相应移动。利用此特性,通过对干涉光光程移动量(Δs)的解调,就可以测出应变的大小。实验结果与理论分析证明,该测试系统具有结构简单、测量范围大、稳定性好、灵敏度和信噪比高等特点,其测试精度达0.1με。可满足大型可展开天线在轨应变实时监测的要求,为大型可展开天线的应变监测提供了新方法。     

GTD散射模型参数解耦估计技术

在步进频率雷达体制下,利用最大似然方法估计GTD模型参数存在着几个问题,对此文章提出了一种新的GTD模型参数解耦估计方法。此算法将模型中的距离参数、幅度参数和几何类型参数分三步独立求解,然后再用最大似然方法对估计结果做进一步修正。最后通过仿真实验验证了该方法的有效性。     

一种基于模拟退火的支持向量机超参数优化算法

基于统计学习理论的支持向量机技术以探求小样本情况下如何获得更好的机器学习规律而见长,与基于经验风险最小化原则的机器学习方法相比能够获得更佳的泛化能力,相关超参数的选择对其分类或回归性能有较大影响.针对径向基核支持向量机超参数优化问题,提出了一种改进的基于模拟退火算法的高效多目标优化算法,并详细讨论了优化寻优过程中搜索空间、初始可行解、初温和最优目标函数的设计方法.通过在多个标准数据集上的测试验证,证实了本文所提算法的可行性和有效性.