BTT导弹神经网络自适应控制器设计

在导弹系统存在非匹配不确定性的情况下 ,提出了一种基于RBF神经网络和反演控制技术的神经网络自适应导弹控制系统的设计方法。首先应用RBF神经网络在线辨识系统中存在的不确定性 ,然后利用反演控制技术设计了导弹非线性自适应控制器 ,成功的处理了非匹配不确定性 ,并应用Lyapunov稳定性理论推导出RBF神经网络权重矩阵及中心点值的调节律 ,保证了系统的稳定性。证明了系统的所有信号均有界且全局指数收敛至原点的一个邻域。最后给出的BTT导弹非线性六自由度数字仿真结果显示了该设计方法的有效性。     

利用小波分析识别空间目标的轨道机动

空间目标的轨道机动是与机械能的变化联系在一起的。机械能无法直接测量，只能通过空间目标的位置与速度计算。通过地面雷达可以得到空间目标的测距与测角信息，可以将其转为位置信息。空间目标的速度也不易直接测量，需要根据位置信息，通过微分平滑处理获得。由于测量噪声的影响，机动引起的机械能的变化淹没在噪声中，不容易识别。小波分析可以在一定程度上将淹没在噪声中的机械能变化揭示出来，提高轨道机动的识别能力。利用二进小波在不同尺度下分析机械能随时间的变化，尺度由小至大时真实信号含量增加，噪声含量受到抑制。观察小波系数曲线随小波分析尺度的变化趋势就可以快速判定是否存在轨道机动。仿真结果验证了识别方法的可行性。     

光纤陀螺温度建模及补偿技术研究

研究了干涉式光纤陀螺的温度补偿问题。首先分析了光纤陀螺仪温度漂移的主要影响因素，并应用人工神经网络与数理统计方法建立了陀螺仪的温度补偿模型。最后对某型号陀螺进行了0～50℃环境温度下的大量恒温及变温实验，通过实验数据完善所建模型并完成了对该陀螺的温度补偿。实验结果表明：在特定温度环境下，该方法能够有效地改善光纤陀螺仪零偏稳定性。     

旋转倒立摆的神经网络控制

本文针对一种新型的倒立摆系统,设计了一个四输入单输出三层BP网络,并对一级旋转倒立摆控制器进行逼近。仿真结果表明,BP神经网络有很广阔的应用领域。     

基于模糊神经网络的涡结构识别方法研究

研究气动光学传输效应产生的机理是红外成像末制导的共性基础技术之一,基于涡结构对光学传输效应进行建模是一种非常有效的方法,而涡结构的识别是其必要前提。文中提出一种新的涡结构识别方法,把折射率场经小波变换后的系数矩阵等效为具有一定纹理结构的图像,计算图像的共生矩阵及其统计量,由于涡结构模式复杂,特征量较多,设计了等价结构的模糊神经网络进行涡结构识别。与小波分解后直接提取特征量的识别方法相比,本文的方法从空、频角度更加准确全面地表征湍流涡结构模式,计算机仿真结果表明该方法优于神经网络的识别效率。     

遥测数据压缩算法的设计与实现

介绍遥测数据在数据存贮过程中的特点 ,分析对遥测数据进行压缩的必要性 ,特别地还分析了数字信号处理方法在遥测数据压缩中的应用。设计了自适应的遥测数据压缩算法。系统中使用多种压缩算法 ,包括预测编码、Huffman编码、游程编码、1- 9编码等 ,通过使用快速傅里叶变换、离散余弦变换、小波理论 ,将遥测数据信号转换到频域 ,再通过一般压缩算法进行压缩 ,在符合数据处理精度要求的前提下 ,引进有损压缩算法 ,达到最高压缩比。实践证明 ,使用多种压缩算法相结合 ,能使数据压缩率提高十多倍 ,远远高于压缩软件的压缩比。     

基于主动磁轴承的高速飞轮转子系统的非线性控制研究

针对控制力矩陀螺——主动磁轴承飞轮转子系统的强非线性和由陀螺效应产生的进动和章动导致系统的失稳问题,提出了神经网络的控制方案,设计了RBF神经网络控制器,并给出了李亚普诺夫函数的稳定性证明。研究表明,该控制器解决了陀螺效应导致的主动磁轴承-飞轮转子的不稳定性问题,且抑制了噪声对磁轴承稳定性所造成的破坏。最后,数值算例证明了该方法消除噪声的可行性和有效性。     

基于小波神经网络的双足步行机器人步态规划控制器

对于传统的神经网络中神经元模型在结构和信息存储能力上存在的不足，本文提出了一种基于广义小波其函数网络的神经元集聚模型，这种小波神经网络不仅收敛速度快，非线性逼近能力更好，而且具有内部结构变尺度、自适应调整和广义信息存储等智能化特点，更符合生物原型的实际情况。静态学习和准动态学习仿真实验证明这种神经网络结构的有效性。     

基于小波的网络连接层流量模型

最近研究表明网络流量的统计特性在不同尺度上表现出很大的差异,由大量具有高斯性的网络流量和少量的突发性网络流量组成.为了更好地理解这种复杂的网络流量统计特性,引入多尺度分析工具小波,在多尺度分析的基础上提出一种新的基于小波的网络连接层流量模型,有机地结合了独立小波模型和多重分形小波模型的优点,即保持了独立小波模型在不同尺度对高斯性方差的拟合,同时保持了多重分形小波模型对突发性的拟合.真实网络流量的仿真结果表明这个模型能够灵活地适应网络流量在不同尺度下所表现出的高斯特性和突发行为.