无拖曳卫星推力器动态模型研究

无拖曳技术能够有效地抵消卫星的非保守力,适用于未来的空间探测任务.这种技术的实现对推力器提出很高的要求.在广泛调研的基础上,归纳无拖曳卫星中微推力器的工作原理及特点,并介绍其应用情况.根据中国无拖曳技术的发展要求,针对无拖曳冷气微推力器中比例阀的流量控制过程,建立其动态模型进行仿真,并在此基础上设计模糊自适应PID控制器,改善了系统的动态性能.     

基于多值决策图的温储备系统可靠性建模方法

温储备系统是冷储备与热储备系统的推广,在实际中有广泛应用。针对不可修温储备系统的可靠性建模问题,已有基于多值决策图(MDD)的系统可靠性建模方法。该方法以系统中的单元故障为建模对象,分别构建故障级MDD与系统级MDD,进而获得系统可靠度的解析表达式。然而,该表达式中不同维度积分相互混杂,计算给定时刻的系统可靠度需要首先梳理系统可靠度的表达式,以利用数值方法求解其中的积分。为实现系统可靠度的程序化计算,在已有研究基础上提出将系统级MDD按故障数分解为一系列子决策图,通过对MDD中边的概率重新赋值获得每一子决策图的发生概率,得到系统可靠度的规范形式,形成一套完整的系统可靠度计算方法。      

基于模糊逻辑的预测再入制导方法

在研究再入飞行器预测制导基础上,针对实时性要求,提出了一种基于模糊逻辑系统的模糊预测制导方法.首先研究分析了再入飞行器落点纵程与飞行高度、弹道倾角三者之间的联系;设计了以再入飞行器落点偏差和飞行高度为输入,弹道倾角角速度为输出的模糊逻辑系统;并在此基础上根据专家经验制定模糊规则,设计模糊预测制导算法.该方法避免了一般预测制导在形成弹道倾角修正指令时所需要的大量迭代运算,有效减小了预测制导指令的解算时间,为再入飞行器在再入过程中全程使用预测制导提供了可能.仿真结果表明:该方法实时性好,落点精度高,抗干扰能力强,且具有一定的工程实用价值.      

神经网络控制在综合火力／飞行系统中的应用

提出了两种基于模糊控制的神经网络控制器的设计方案，并将这两种控制器应用于综合火力／飞行系统的耦合控制。两种方法的主要差别在于获取样本的方式不同。方案１是通过对模糊控制方法得到的响应曲线采样获取样本，由Ｂａｃｋ－Ｐｒｏｐａｇａｔｉｏｎ学习算法训练神经网络，得到一组固定权值。神经网络控制器采用这组权值以“联想记忆”的方式工作。方案２则从用模糊控制算法得到的控制查询表中获取样本。因为模糊控制查询表比较大，采样时依据该表构成的相平面图的特点，对采样点数进行了压缩，使所设计的神经网络的规模可以接受，其余的设计步骤与方案１基本相同。仿真结果表明，采用这两种神经网络控制器的控制系统都具有良好控制性能     

基于加权鉴别函数的二进制偏移载波信号跟踪方法

在移除二进制偏移载波（Binary Offset Carrier,BOC）信号跟踪模糊的同时,为了保持BOC信号高的码跟踪精度,提出基于加权鉴别函数（Weighted Discriminator Function,WDF）的BOC信号无模糊跟踪方法。WDF使用非相干超前减滞后功率（Noncoherent Early Minus Late Power,NELP）鉴别器和子载波相位消除（Sub Carrier Phase Cancellation technique,SCPC）鉴别器,生成无误锁点的鉴别函数实现BOC信号跟踪。针对BOC(10,5)信号,仿真结果表明,相比于SCPC、基于伪相关函数的无模糊延迟锁定环（Pseudo correlation function based Unambiguous Delay Lock Loop,PUDLL）方法和对称脉冲模糊移除（Symmetrical Pulse Ambiguity Removing,SPAR）方法,所提WDF方法在码跟踪误差方面分别改善了2.5dB、5.5dB与8.3dB,多径误差分别降为60.4%、32.8%与38.0%。因此,WDF是一种有效的、高性能的BOC信号无模糊跟踪方法。     

基于模糊自适应Kalman滤波的MEMS惯导系统在线修正研究

MEMS惯性导航系统中,针对传感器零偏存在随机启动的不确定性误差,以及抗外界干扰能力低的实际问题.本文提出了一种基于模糊自适应Kalman滤波在线修正的方法,与常规Kalman滤波相比,该方法通过制定模糊规则,将残差的理论方差与实测方差迹的比值模糊化处理作为模糊推理的输入,量测方差的修正因子作为输出,实时评估系统的观测噪声,既抑制了滤波的发散又增强了估计修正过程中的稳定性.仿真结果表明:该方法能够准确的估计出系统的随机误差,并且在系统观测噪声的统计特性发生变化时,估计的精度和系统鲁棒性依然优于常规Kalman滤波.     

基于区间二型模糊终端滑模控制的飞行器姿态控制

针对四旋翼飞行器姿态控制问题,提出区间二型模糊控制与非奇异终端滑模控制结合的算法.首先,采用非奇异终端滑模控制方法,根据滑模控制的强鲁棒性及快速响应特性,令四旋翼飞行器系统实现在有限时间内收敛并对外界干扰具有较强抵抗力;同时,采用区间二型模糊控制,将滑模面作为模糊控制的输入,趋近律作为模糊控制的输出,实现对滑模面增益的动态调节,增强对外界随机扰动的适应能力并提高系统收敛速度、削弱抖振.基于Lyapunov函数证明系统的稳定性.仿真结果显示,本文设计的控制器具有更加平稳的输出,同时对四旋翼姿态角度的跟踪更加迅速、精确.     

应用约束条件快速解算整周模糊度

ＧＰＳ载波相位测量用于解算载体的航向和姿态时必需解决的问题之一就是整周模糊度的确定。近年来提出了多种模糊度的解算法方法,但对ＧＰＳ航姿系统来说,若能利用固有的约束条件则会使模糊度问题变得简单且快速有效。在详细分析了几种约束条件的基础上,文中探讨了如何合理 这些约束条件来减小模糊度的搜索范围,以加快模糊度的解算速度,并对检验方法作了改进。通过仿真结果对文中方法进行了检验。     

基于神经网络的智能刀具状态检测系统

可靠的在线刀具磨损状态检测是柔性制造系统、计算机集成制造系统以及自动化机床必不可少的一个环节。文中论述了用反传神经网络与一类模糊神经网络分析处理由力传感器和声发射传感器所测得的刀具状态信号,识别出刀具的磨损情况,从而进一步实现刀具磨损状态的在线检测,控制自动机床及时更换刀具。本研究对四种规格的钻头的磨损情况进行了全程检测,并比较分析了反传神经网络与模糊神经网络对这一问题的有效性。实验结果表明,这两种方法对处理刀具磨损状态检测均有显著的效果与很高的准确性。用一类模糊神经网络处理多传感器信息是实现刀具状态在线检测的一个极为有效的方法。     

基于模糊神经网络的某型直升机可靠度预测

为了实现某型直升机可靠度准确预测,建立了基于自适应模糊神经网络的可靠度预测模型。该模型以故障间隔时间为输入,以可靠度为输出,通过模糊神经网络自适应训练获得适合直升机可靠度预测的故障间隔时间隶属函数。对模型进行检验取得了较好的仿真结果,与应用RBF神经网络进行可靠度预测相比速度更快,同时预测精度提高了98.4%。