应用遗传算法优化低/零相关区序列偶

介绍遗传算法的特点和低/零相关区序列偶的概念。讨论用遗传算法优化两个字节长度内(63长以内)的低/零相关区序列偶。通过实验发现,所搜到的序列偶具有比较理想的低/零相关区和很高的主峰值。     

基于序列凸规划的运载火箭轨迹在线规划方法

针对大气层内气动力对轨迹规划求解实时性与收敛性的影响,提出一种基于模型补偿序列凸规划的大气层内火箭轨迹规划方法.该方法的核心思想是通过设计一种序列补偿的方式,将火箭动力学中非线性项(气动力加速度与重力加速度)与过程约束项(动压、过载约束等)进行凸化,从而将轨迹规划问题转化为序列凸规划问题而得到快速求解.在此基础上,本文...     

敏捷卫星一般轨迹主动推扫成像模式设计

相比于传统对地观测卫星,敏捷卫星可沿滚动、俯仰、偏航三轴进行快速机动,理论上可以实现对地面任意走向条带目标的成像。针对该成像需求,文章设计了敏捷卫星一般轨迹主动推扫成像模式。在一般轨迹主动推扫过程中,卫星三轴姿态均连续变化,文章给出了适用于主动推扫成像过程的姿态规划算法。对于一轨内多个条带目标的成像时序规划问题,建立成像开始时刻规划模型,采用序列二次规划算法对该模型进行求解。针对典型应用场景的仿真算例表明,成像过程规划算法是合理的。从成像质量保障的角度出发,分析了主动推扫成像过程的卫星姿态控制精度、姿态稳定度等影响因素的影响链路,并提出了工程控制要求,可为卫星工作模式设计提供参考。     

小型无人机在简化传感器配置下的自主回收控制系统设计

在具备多传感器条件下,借助多传感器信息融合算法可以实现小型无人机的自主回收任务,如何采用少量传感器完成任务是一个重要的研究方向.本文给出一种仅利用单GPS辅以高度表的组合方式来完成小型无人机的自主回收任务.文中以该传感器组合为基础,设计了回收过程中各阶段的控制器结构,并利用序列二次规划(SQP)算法选择了控制律参数,最后利用在Simulink环境下建立的系统数字仿真模型对所设计的控制器结构和控制律参数进行了仿真验 证.仿真结果表明可以完成小型无人机的自主回收任务.     

基于区实序列变换的航迹关联算法

针对时变系统条件下的航迹关联问题,提出一种基于区实序列变换的关联算法。首先,利用线性最优化的方法,将上报航迹的不确定性描述为区间灰色序列;再在区实序列变换的基础上,利用实数序列间的灰关联度加权融合描述不同雷达上报航迹的关联相似度,通过判决给出关联结论。仿真结果显示了算法的有效性以及良好的抗差性能。     

基于RVM回归误差补偿的航空发动机分布式控制系统多步预测控制

针对具有随机有界双侧时延的航空发动机分布式控制系统,提出了一种基于多步预测和关联向量机(RVM)回归误差补偿的控制方案.首先建立航空发动机分布式控制系统(DCS)的神经网络非线性自回归滑动平均(NARMA)模型,利用当前的系统输出和控制量对N步之后的系统输出进行预测;其次用改进的RVM回归多步预测算法估计NARMA模型的的预测误差,并对预测结果进行误差补偿;最后利用补偿之后的预测值和设定值对控制参数进行滚动优化,设计系统的神经网络逆控制器实现系统的自适应控制.仿真结果证明该控制策略能够避免随机有界双侧时延对控制系统的影响,实现对设定值的稳定跟踪,且控制器具有较好的实时性和鲁棒性.低压转子转速阶跃响应的稳态绝对误差小于0.04%,响应时间小于0.3s.      

空射弹道导弹助推段弹道设计与优化

在弹道优化设计研究中,针对空射弹道导弹弹道优化两点边值问题解析求解困难且对参数敏感的问题,基于将过程优化问题转化为参数优化问题的思想,采用了飞行程序角设计的参数优化方法。根据空射弹道导弹亚声速水平发射的特点,首先基于动力特性设计了其助推段飞行程序角模型,确定了恰当的控制变量参数化结构,在满足飞行过程的多种约束条件下,建立了弹道优化模型,引入序列二次规划法对其进行优化计算,从而实现了对确定优化目标的轨迹快速生成。仿真结果表明,弹道优化计算时间缩短,收敛速度明显提高,可在原有设计基础上,提升优化指标16%,验证了该方法的有效性。     

移动通信系统中扩频码的优选

本文通过对时分多址直接序列扩频移动通信系统中的扩频调制单元的研究,运用计算机模拟分析技术,对优选扩频码方案进行了论证,并重点讨论了选码过程中的部分相关性问题。最终获得了一组实用性较强的优选码组。     

基于CATIA二次开发的数模信息提取及组织技术研究

基于CATIA的三维数字化设计已逐步成为飞机产品设计的主流方式,其产品数模中包含大量存放于数模结构树中的非几何信息,人工查看时存在工作量大、耗时长且容易遗漏的问题.本文提出了一种基于CATIA二次开发的数模非几何信息自动提取和组织方法,能自动、快速、准确地进行数模结构树中非几何信息的批量提取、再组织和统计报表生成,极大地提高审图和工艺准备的工作效率和质量.     

基于DRNN网络的航空发动机多变量解耦控制

通过分析对角递归神经网络（DRNN）及带动量项的梯度学习方法（GDM）,针对某型涡扇发动机的性能控制,研究了基于对角递归神经网络的多变量自学习解耦控制算法及其在航空发动机控制中的应用.阐明了该方法的结构和原理.并在设计点处进行了发动机多变量解耦控制系统设计.在偏离设计点时,大量的仿真结果表明,系统具有较好解耦和自适应能力.