一种在线神经网络在补偿飞机模型不确定性误差中的应用

讨论了一种基于神经网络动态逆的直接自适应控制方法，并应用于超机动飞机的飞行控制中。基本控制律采用非线性动态逆方法进行设计，对由于模型不准确导致的逆误差采用单隐层神经网络进行在线补偿。仿真结果表明，神经网络通过补偿由于模型不准确引起的逆误差，弥补了非线性动态逆要求精确数学模型的缺点，提高了整个控制系统的鲁棒性，而且可以大大简化动态逆控制律的设计。     

转动旋翼模型动柔度的试验研究

介绍测定转动旋翼模型动柔度的试验方案、试验程序，综述以作者自行设计的旋翼模型进行试验所得到的结果及其与理论计算结果的比较。结果表明，试验方案与方法是可行的，理论计算公式是正确的。     

水上飞机自由飞模型起飞与降落性能的综合试验

本文综述了用4台发动机为动力的水上飞机自由飞模型起飞与降落性能的综合试验,这些性能包括稳定性、操纵性、飞溅、水阻力、着水撞击、起飞砰击、失速及耐波性等。模型与真实飞机保持几何、质量、运动状态、拉力、升降舵效率及其波浪谱的相似,故模型试验与真实飞机的试飞结果比较符合。同时着重介绍了模型试验的机载测试系统与地面测试系统。     

神经网络在未来超分辨雷达中的应用

最新的技术发展已为研制超分辨雷达创造了条件。它能够突破普通雷达基于匹配滤波原理的分辨能力,而实现超分辨。超分辨雷达的巨大计算量通常来自求解非线性最小二乘问题时的多维搜索。本文针对这一问题,研究了雷达信号处理中的两个典型例子:(1)利用阵列处理检测个数已知而方向未知的雷达目标;(2)对波音727飞机进行超分辨距离多普勒成像。说明Hop-field神经网络通过集体运算能够求解各种困难的最优化问题,因而在未来的超分辨雷达中有广阔的应用前景。     

空袭目标威胁评估模型研究

以航路捷径、目标类型、机动特性、到达发射区近界的剩余时间，以及电子干扰为主要影响因素，结合多通道防空武器系统的特点，建立了基于层次分析法和模糊综合决策法的空袭目标威胁评估模型。用层次分析法确定各因素权重，以分段函数的形式给出权重系数。针对一给定的中程防空武器系统，用模糊统计计算各影响因素的隶属函数，并给出了模型的计算流程。仿真结果表明，所设计的模型能较准确地评估来袭目标的危险性，且具有较高的灵敏度。     

空间目标可拦截区与可遭遇区的确定

给出了天基拦截器对空间在轨目标的可遭遇区、可拦截区和实际可遭遇区的定义,基于冲量变轨理论,并以真近点角表示这三个区域,给出了确定这三个区域的数值搜索算法。对于非机动轨道目标,训练好的BP神经网络可根据拦截器/目标的相对位置,快速给出目标轨道上的可拦截区和实际可遭遇区。     

控制系统故障诊断的模糊神经网络方法研究

控制系统的不确定故障诊断是目前尚未解决的问题。传统的神经网络方法和模糊推理方法为解决这一类故障诊断问题提出了一些算法。然而上述两种方法难以提高不确定故障诊断的性能。为此本文结合模糊理论的推理能力和神经网络学习的能力提出模糊神经网络故障检测方法。该算法同时具备模糊理论的处理不确定和不准确信息的能力和神经网络的自学习能力。本文结果应用到某运载火箭控制系统的故障诊断,仿真结果表明,本算法有效,较好地解决了控制系统不确定故障诊断问题。     

惯性制导系统误差补偿评估模型研究

对惯性制导系统误差补偿是提高导弹射击精度的简单有效途径，研究补偿效果的前提是系统误差模型和噪声模型的确定。通过研究飞行工作环境变化导致的系统模型差异，结合惯性制导实时补偿方法，提出了基于工程背景的误差补偿和补偿评估模型的选取方法，仿真分析表明此方法有利于验后误差系数的分离和补偿精度的评估。     

神经网络在雷达辐射源识别中的应用研究

由于现代战争中雷达信号环境日趋复杂 ,新体制和复杂体制雷达大量涌现 ,现有的雷达信号识别方法不能适应未来电子战环境 ,研究新的高效的雷达识别方法 ,已成为当前比较迫切的课题。研究了雷达辐射源识别的神经网络方法 ,分析了它的可行性及其优点 ,给出了用B -P网络来实现雷达辐射源识别的方法 ,并与ESTRR方法进行了比较。     

自由转子陀螺仪的伺服测试技术研究

自由转子陀螺仪是目前精度最高的一种陀螺仪,没有精密的力矩器,因此,只能采用双轴伺服法来辨识其漂移误差模型。介绍了双轴伺服测试法的基本原理,给出了双轴伺服转台的运动轨迹及重力矢量的变化规律。根据转台的运动特性,建立了自由转子陀螺仪的漂移误差模型,导出双轴伺服转台转角数据估计漂移误差模型系数的算法。从测试结果可以看出自由转子陀螺仪的长时间精度高,表明采用伺服测试法能够获得极高的测试精度,伺服转台可以作为测试自由转子陀螺仪精度的装置。