MoM法分析目标面-线-面结构的散射特性研究

在准确分析目标隐身性能的基础上,对于目标面-线-面结构中导线与导体的连接问题,采用矩量法(MoM)进行分析.通过将结构中的导体与导线离散化,结合Costa基函数,很好地解决了目标面-线-面结构连接域中电流不连续的关键问题,获得了目标结构的矩量解和散射场.最后,通过Matlab编程与HFSS仿真进行比对,计算结果基本吻合,证明了结构中导线的引入使得隐身目标的电磁散射特性发生明显变化,并且验证了MoM法及Costa基函数在面-线-面结构散射场计算中的有效性和准确性,为隐身目标复杂结构散射特性研究提供了一种新的计算方法.     

补偿函数观测器及其在飞行器姿态控制中的应用

风扰、气流扰动和模型未知部分的估计精度直接影响着无人机（UAV）的稳定性和控制品质,扩张观测器（ESO）能估计这些部分,但存在型别低,收敛性差,估计精度低等问题。补偿函数观测器（CFO）采用纯积分、补偿和传递函数型别的思想,改变了ESO结构,使得CFO较ESO高2个型别,精度高,收敛性强。然而,CFO是利用线性滤波器补偿系统的未知函数或扰动,对快速变化的高次非线性函数补偿能力不足。本文用径向基（RBF）神经网络替代了线性滤波器或积分器,提出了带有RBF神经网络的CFO,进一步提高了估计精度。应用带有RBF神经网络的CFO得到的非线性未知函数和扰动以及微分信息,设计了主动模型函数补偿控制算法,应用Lyapunov稳定性理论证明了闭环系统的稳定性。将该模型补偿控制算法成功地应用于四旋翼飞行器姿态系统的控制。仿真对比了所提出的基于CFO的模型补偿控制,PID控制和自抗扰控制算法,同时在基于Pixhawk的控制测试平台实验中,对比了这3种控制策略,测试四旋翼飞行器对不同参考姿态的跟踪性能。结果表明,所提出的控制方法,在暂态性能和稳态跟踪精度方面,优于其它控制器。     

基于DNN的飞机俯仰运动响应预测研究

针对人工智能的辨识方法在飞行器模型辨识应用中存在间接依赖数学模型以及泛化能力较低的局限性问题,基于深度学习思想,提出了一种新的数据处理方式,完成飞行器的系统模型辨识。首先,针对飞行器动态模型的特点,提出一种基于时序性的飞行数据处理方式;其次,采用交叉熵损失函数进一步优化深度神经网络;最后,针对飞行器纵向非线性模型进行仿真计算。仿真结果表明,训练好的模型成功提取了飞行器输入与输出之间的非线性映射关系,使得基于深度神经网络的飞行器模型能够对未知输入进行状态预测,克服了目前基于神经网络辨识算法的局限性。     

采样定理公式的δ－ILPF推导方法得不出正确公式

在许多文献中采用的推导采样定理公式的方法──用δ函数对连续时间信号采样，再用理想低通滤波器（ＩＬＰＦ）进行内插以恢复原连续时间信号的方法（简记为δ－ＩＬＰＦ方法，或简称为Ｗｏｏｄｗａｒｄ方法），实际上推导不出正确的采样定理公式。本文证明了这个结论，并指出了文献中采用这种方法进行推导时的错误。     

B-样条小波的构造

本文利用B-样条的函数和多尺度分析构造出了一类新的样条小波.首先,这种构造方法是非常简单而又易于操作的;其次,构造出的这些小波集许多优良性质于一身,如短文集,高阶的消失矩,对称性和反对称性、半正交性及正则性等.     

基于独立函数的通用逻辑模块

本文提出一种新型的通用逻辑模块(ULM),它以独立函数为核心(细胞),细胞之间以相同的方式——“异或”——相联结,可以生成全部2~(2n)个逻辑函数。它具有算法简单、使用灵活的特点。在伪随机信号的产生及自动控制中有着广阔的应用前景。     

先移位后复制桥函数的性质

文[3],在研究沃尔什函数复制理论的基础上,提出了先移位后复制的第一类桥函数。本文进一步研究桥函数的数学表达式,递推关系式,乘积特性和正交性。     

由函数元构成系统的概率描述的两种方法及相互关系

研究由函数元构成系统的可靠性时，广泛应用着两种对系统的概率描述方法，本文给出了这中方法的明确定义，研究了它们之间的相互转换关系，并证明了涉及转换的两个定理。定理１阐明了从第一种方法向第二种方法转换的唯一性，而了而了从第二种方法向第一种方法转换的非唯一性，本文的结果为这两种方法在今后研究工作中的运用建立了一定的理论基础。     

盘形凸轮轮廓线的测量及数据处理方法研究

采用等分度测量方法进行凸轮实际轮廓线的测量,通过三次样条函数对测量数据点进行曲线拟合,最终利用平面等距线对拟合的曲线进行测头误差修正。实际证明该数据处理方法切实可行,具有较合理的精度。