基于二代曲线波变换的红外弱小目标背景抑制

在分析几种常用背景抑制方法的基础上,利用二代曲线波变换具有的优良特性,提出一种基于二代曲线波变换的红外弱小目标背景抑制方法.首先利用曲线渡变换对图像进行分解提取图像的多尺度细节特征;然后对分解后的低、高频子带分别采用变分和模糊非线性变换进行处理来调整目标特征的强度,重构子带获得预测的背景图像;最终将其与原图相减得到背景抑制后的图像.实验结果表明,与几种经典方法相比,该方法在主现视觉和客观评价指标两方面均表现出良好的效果.     

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     

星敏感器误差分析与补偿方法

星敏感器是目前航天器精度最高的姿态测量部件,其误差是影响姿态确定系统精度的关键要素.依据误差频率特性,系统地对星敏感器误差进行分析,主要阐述星敏感器低频误差和高频误差产生的原因以及当前的抑制与补偿方法.在此基础上,根据星敏感器误差的特点,展望星敏感器低频误差以及高频误差抑制与补偿方法的发展趋势.     

基于标定及补偿提高串联机器人定位精度方法

在使用串联机器人进行定位操作前,首先需要对机器人基坐标系与测量坐标系进行位姿关系的标定,针对具有隐藏机器人基坐标系以及机器人法兰坐标系的串联机构,本文提出一种等价变换思想并结合应用激光跟踪仪测得机器人末端靶标点的坐标数据建立标定矩阵方程,应用罗德里格矩阵变换将标定方程转化为三元二次矩阵方程形式,采用最小二乘法和牛顿迭代法求出数值解进而完成机器人基坐标系与测量坐标系标定的方法。然后应用这种方法进行标定试验得到了20组标定结果,通过比较标定结果偏差进而验证了这种方法的正确性。最后,本文验证了应用这种标定方法的标定结果并结合一种新的位姿补偿算法后,能极大地提高机器人末端的定位精度。     

飞机穿越微下击暴流风切变的智能控制

在应用模糊逻辑建模与辨识方法建立微下击暴流风切变模型的基础上，根据恒定俯仰姿态改出微下击暴流的飞行引导策略，提出了一种改出微下击暴流风切变的模糊反馈控制系统，并将遗传算法应用于该模糊逻辑控制器的设计。结果表明，本文提出的建模方法能够更真实地反映出飞机穿越微下击暴流风场的动态特性；采用模糊逻辑控制器，可使得飞机在穿越微下击暴流风场时具有较好的改出性能；另外，遗传算法的应用对已设计的模糊逻辑控制器进行了优化，进一步改善了飞机穿越微下击暴流的性能。     

称重传感器的一种新的滞后补偿方法

通过对电阻应变式称重传感器在各种加载卸载情况下的滞后特性的分析,建立了其相应的数学模型,并初步探讨了一种可以通过程序在仪表中对传感器的重要指标-滞后进行补偿从而提高整个传感器的精度的方法.最后,对以上方法进行了验证性试验,证明了补偿方法的可行性.     

管制员素质模糊优劣判别模型

利用模糊数学中的Blin法的基本原理,建立了一种管制员素质优劣判别模型。将多因素不同权重的管制员素质优选问题简化为单指标的得分比较问题,为管制单位招聘、人事调整等提供一个科学、客观、综合的衡量参数。同时,该模型具有很好的推广价值。     

基于置换群的可逆逻辑门网络级联

n输入n输出可逆逻辑门的级联构成一个群,它与对称群Sτ同构。本文研究了生成Toffoli门集合的可逆逻辑门数的特点,证明了任意置换Sn可以由n-轮换δ和一个置换τ=（ij,ik）生成,同时证明了相邻2一轮换可由至多两个NOT门在不增加额外信息位的情况下生成。最后提出了一个基于上述理论的可逆逻辑门网络级联算法,并通过实例验证了该算法的正确性。     

基于光纤智能夹层和模糊RBF神经网络的飞行器载荷识别

为了更好地保障航空飞行器的安全,提高飞行器的可靠性,提出了一种通过性能参数稳定的光纤智能夹层采集数据,并且结合模糊RBF神经网络对机翼盒段载荷进行识别实验的方法.该方法融合了模糊理论和神经网络各自的优点,通过改进的模糊C均值聚类(FCM)聚类算法删除冗余的规则以进行规则的优化,能自适应地从学习样本数据中提取相应信息,实时地进行载荷辨识.从仿真结果可以看出:该网络模型具有学习时间较短、学习速率较快和精度较高等优点.     

基于T-S模糊系统的空天飞行器鲁棒自适应轨迹线性化控制

 基于T-S模糊系统提出了鲁棒自适应轨迹线性化控制(RATLC)方法。利用T-S模糊系统逼近未知干扰和不确定性因素,并采用Lyapunov方法设计了鲁棒自适应控制律。不论系统状态的维数和用于逼近不确定的模糊系统规则数为多少,整个系统仅有两个参数在线调整。理论分析证明了闭环系统所有信号一致最终有界。应用提出的控制方案设计了空天飞行器(ASV)飞行控制系统,并在高超声速飞行条件下进行了仿真验证,仿真结果表明了控制方案的有效性和鲁棒性。