智能仪器监控程序的设计方法

本文介绍一种采用状态转移思想设计智能仪器监控程序的方法，采用该方法设计的监控程序具有程序结构清晰、检索快、抗干扰能力强以及调试方便等特点，尤其适合按键数量多、一键多义的系统程序设计。     

实物标准电阻器智能输出系统的研究

针对实物电阻器输出阻值的改变只能通过手动方式实施的问题,设计了一套智能控制系统,实现实物电阻器阻值的数字化输出。将多只四端标准电阻器以一定的排列顺序串联连接,利用四端标准电阻器的原理特点,所有串联电阻共用一对电位端,在每只电阻器的左右分别都有一个电流输出端,电流输出端线路中接入继电器控制开关,以控制继电器的开通闭合,来实现电阻器的不同组合输出。本系统经试用,性能稳定、准确度高、实时性好、适用范围广、试运行情况良好。     

基于软件定义的航天器分布式电源系统设计

针对电源系统架构灵活性的需求,提出了一种基于软件定义智能功率单元的可重构航天器分布式电源系统设计。给出了系统的分布式架构,采用了一种可软件定义的标准功率单元实现所有发电单元、储能单元的分布式接入。智能功率单元可以通过星载计算机软件定义工作模式,满足不同单元的接入需求。通过搭建分布式电源系统仿真模型,对不同故障情况进行了验证,结果表明:分布式电源系统的可重构控制策略,实现了电源系统高可靠运行。最后,对提出电源系统设计的优势进行了总结。     

遥感卫星智能操控技术发展研究

随着遥感卫星信息获取能力的快速提升,传统卫星操控模式已无法满足用户快速、准确、灵活的遥感数据获取和信息产品生产需求,亟需发展智能操控技术来降低卫星操控难度和复杂度,有效提升卫星的应用效能。文章论述了遥感卫星智能操控技术的发展现状,分析了智能星地操控的关键技术,提出基于"智能卫星+一体化地面系统+智能操控平台"架构的天地一体化智能星地操控模式,从任务指控、任务进程监控、任务结果处理与多维度呈现、在轨维护以及在轨健康监测与处置等5个维度优化星地操控接口和操控流程,改善人机交互效果,可为遥感卫星操控模式设计和系统实现提供参考。     

在保障过程中的某型导弹故障诊断专家系统

经验保障模式已不能满足现代战争的需要,本文依托故障信息库将多智能体和推理机有机结合,建立了“某型导弹在保障过程中的浅层故障诊断系统”,使导弹在保障过程中遇到的“浅层故障”得到快速诊断,提高了导弹保障的效率,信息资料库的建立有利于新员的系统培训.     

空间遥感智能载荷及其关键技术

针对空间对地遥感观测任务对遥感器高分辨率和灵活性的需求,文章提出并介绍了智能空间光学载荷技术。所研制的新型载荷系统的设计思想是将微型高精度星敏感器、MEMS陀螺仪、高分辨率光学相机进行一体化设计,全面提高在轨成像时相机姿态实时性测量精度及各组件数据深耦合性。应用实时定姿定位、动态像速匹配及像差追踪校正,图像非盲反卷积等自主研究开发的最新理论和技术成果,实现遥感器在轨智能化高分辨率成像。根据智能载荷的技术特点开展了相关原理样机标定和测试技术的研究。     

无人机集群路径规划算法研究综述

无人机集群路径规划算法是无人机集群控制的重要研究方向之一.多无人机路径规划相较于单无人机路径规划,会考虑空间协同和时间协同约束、飞行安全等问题.首先对无人机集群路径规划算法进行分类,分为传统路径规划算法、智能优化算法和深度强化学习算法.其次对各类算法进行简要分析和总结,针对缺陷,给出相应的改进思路及例子.再着重对深度强...     

基于多智能体系统的多航天器编队分布式姿态协同控制

多航天器编队飞行在深空探测及协同对地观测等领域有着重要应用,而多航天器的姿态跟踪及协同控制技术作为其关键技术之一也引起了极大的关注。近年来,随着分布式人工智能技术的发展,多智能体系统(MASs)受到了航天器控制领域学者的关注并将其应用到多航天器编队控制中。本文回顾了多智能体系统协同控制及其在多航天器编队姿态协同控制中应用的研究进展。首先,从多航天器编队不同控制需求出发,分别从一致性跟踪控制、有限时间控制、事件驱动控制方面,回顾了多智能体系统协同控制问题的进展;其次,回顾了多航天器姿态协同控制在上述需求方面的研究进展,并基于多智能体系统的协同控制理论,提出了相应的分布式姿态协同控制策略。     

防空导弹武器系统故障诊断技术探究

对主要的故障诊断技术进行了系统地归纳和分类,并重点讨论了基于知识处理的智能故障诊断方法,对专家系统故障诊断方法、故障树故障诊断方法、模糊故障诊断方法、神经网络故障诊断方法以及基于支持向量机的故障诊断方法进行了详细介绍。     

一种基于遗传RBF神经网络的智能容错滤波算法

针对组合导航中标准卡尔曼滤波容错性能不足的问题,提出一种基于遗传RBF神经网络的智能容错滤波算法,其基本思想是通过RBF网络自动调节滤波增益来控制不确定性噪声的影响,进而提高滤波容错性。在RBF神经网络中,隐层单元与核函数宽度的选取对网络的性能具有重要影响,进而利用自适应遗传算法对其隐层单元数及核函数宽度进行了优化,隐层单元中心和输出层连接权值分别由K-均值聚类和最小二乘算法确定,最后得到精度较高且结构优化的RBF网络。为检验方法的应用效果,以SINS/GPS组合导航系统为例进行了仿真验证,实验结果表明遗传RBF网络容错滤波算法能在满足导航精度和计算量增加较小的前提下,比标准卡尔曼滤波具有更强的容错能力,由此也说明了方法的有效性。