一种非线性系统集员辨识算法

针对带有未知有界噪声的非线性动态系统的鲁棒辨识问题,提出了一种新的非线性动态系统的集员辨识算法.利用径向基函数神经网络的逼近能力,根据系统的输入输出数据,选用径向基函数神经网络对未知非线性系统建模.径向基函数神经网络的中心被确定之后,考虑到建模误差与系统噪声有界,利用径向基函数神经网络为参数线性模型的特点,使用参数线性集员辨识算法辨识径向基函数神经网络的输出权值.由于集员辨识算法所得到的是网络输出权值的集合估计,在系统运行过程中,可以很方便地利用所建模型预测实际系统的输出范围.仿真表明,集员辨识算法辨识网络的输出权值比最小二乘法较少的受未知动态系统噪声分布的影响.     

无人机航路规划技术研究进展

无人机航路规划问题本质是多约束条件下,多目标函数求极值的优化问题.规划出满足任务要求、导航、安全性等约束的较优航路,对提高无人机的武器系统性能有重要意义.通过对无人机航路规划的研究,对无人机航路规划问题进行了概括和总结,阐述了无人机航路规划的框架结构以及静态全局规划和动态局部规划方法的研究现状.分析了近年来常用的几种规划算法,着重分析了启发式算法以及遗传算法.在此基础上,对今后的研究方向进行了展望.     

抗离群值的鲁棒正则化贯序超限学习机

针对离群值环境下的在线学习问题,提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine,RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习,并在学习过程中基于样本的先验误差进行逆向加权计算以降低学习模型对于离群值的敏感性;同时RR-OSELM通过融合使用Tikhonov正则化技术进一步增强了其在实际应用中的稳定性。实验结果表明,RR-OSELM具有较同类算法更好的鲁棒性和实用性,对于离群值环境下的在线建模与预测问题是积极有效的。     

基于STF和加权改进的群目标跟踪算法

为了进一步提高群目标交互多模型跟踪算法的估计性能,提出一种改进的群跟踪算法.首先,通过采用模型转换概率的自适应算法,优化模型与目标运动模式的实时匹配.并通过引入强跟踪滤波（STF,Strong Tracking Filter）中的渐消因子,提高机动阶段时的群质心的状态估计精度.其次,分别利用概率加权法和标量加权法完成群质心状态和扩展状态的融合估计.最后在变分贝叶斯滤波的基础上,建立完整的跟踪算法流程.仿真实验结果表明,该方法不仅能够提高群质心状态和扩展状态的估计精度,还能有效降低机动阶段时的峰值误差.     

强不规则天体引力场中的动力学研究进展

小行星探测与彗星探测是深空探测的重要方面。一般来说,小行星和彗星因质量都不足以使得万有引力克服应力达到流体静力学平衡,而具有强不规则的外形。研究强不规则天体引力场中的动力学行为及其内在机制,是探测器被不规则天体捕获并对其形成近距离探测轨道的基础。从引力场模型和动力学行为两个方面综述了强不规则天体引力场中动力学的研究进展,在引力场模型的研究方面介绍了强不规则天体引力场建模的球谐函数摄动展开模型、简单特殊体模型及多面体模型的研究现状,在动力学机制的研究方面介绍了强不规则天体引力场中的周期轨道和拟周期轨道、平衡点、流形、分岔与共振以及混沌运动的研究现状,指出了这些方面研究的重点与难点。分析了强不规则体引力场中动力学的研究趋势。     

空空导弹模型参考变结构飞控系统设计

应用模型参考变结构最终滑态控制方案设计了某型中距拦射空空导弹变结构自动驾驶仪。理论分析证明，该方案有效地改善了系统的动态品质，并且对系统的不确定性因素具有较强的鲁棒性，数字仿真结果表明，所设计的变结构自动驾驶仪具有良好的指令跟踪性能，对于系统参数的变化不敏感。     

弹性机器人的LQG／LTR控制

ＬＱＧ／ＬＴＲ设计方法仅适合于最小相位系统，本文对单臂弹性机器人系统，进行适当的处理和对方法进行改进后，仍采用ＬＱＧ／ＬＴＲ方法设计控制器，得到的闭环系统有较强的鲁棒性。     

一阶滞后对象广义预测控制下的闭环稳定性分析

 利用参数模型和非参数模型相结合的方法,给出了一阶滞后对象在广义预测控制下闭环稳定的充要条件。发现:(1)对开环稳定的一阶滞后对象,总存在一组控制器参数,使得在该控制器控制下,无论对象的开环增益K与时间常数T如何变化,闭环系统都保持稳定;(2)对于开环不稳定的一阶滞后对象,无论控制器参数如何选取,当K和T的变化超出一定范围时,闭环系统就会失去稳定性。     

基于视线角序列的机动目标视线角速率计算

 依据拦截弹与机动目标间的相对位置关系,采用导引头球面模型,基于当前统计模型,实现了强跟踪状态自适应滤波,计算出了可用于制导的视线角速率。该算法利用导引头球面模型,将测角信息转换成距离信息,进行方差自适应调整和卡尔曼滤波。在只给出视线角序列信息的情况下,根据相对状态滤波结果求出所需的视线角速率。