智能磁航向传感器的研制及误差补偿算法分析

介绍了微型智能磁传感器的设计,分析了影响磁航向精度的误差来源.在此基础上提出了基于BP神经元网络、最小二乘及最佳椭圆拟合等3种不同的磁航向误差补偿算法,详细分析了每种算法的工作原理,并立足于算法的具体实现,通过现场试验,从精度、速度、效率等3个方面对算法的有效性加以分析验证,并得出结论.      

宽带LFM信号的线性度测量

介绍了一种采用微波延迟线鉴相的方法对宽带LFM信号的线性度进行测量的装置。在该装置中,使用光纤、电缆实现微波延时,在小波变换的基础上采用相位建模以提高瞬时频率的测频准确度,根据线性调频信号的调频形式建立数学模型,得出了线性度的数学表达式。     

高灵敏GPS接收机抗干扰特性研究

采用圆环阵列天线,利用最小规范算法和线性约束最小方差算法对弱GPS信号的干扰信号进行了抑制,并分别针对固定和可变天线阵元数目以及固定和可变干扰信号等多种情况进行了仿真和分析.GPS信号的功率电平假设为-175dBW,干扰信号的功率值在-100dBW～-140dBW范围内可变.仿真结果表明,圆环天线阵列能精确地判定干扰信号的来波方向,该方法能很好地改善对来波干扰信号的赋零深度.     

基于灰度直方图拟合曲线的数字图像多阈值分割技术研究

在对数字图像灰度直方图进行高次样条函数曲线拟合之后,通过求取若干个局部最小值作为图像的分割阈值,通过对图像像素进行多阈值分割,最后采用区域背景像素点增长合并法进行背景区域合并,从而获得完整清晰反映图像各个组成部分的分割结果。     

基于WENO-分段线性格式的旋翼流场数值模拟

为了降低二阶JST(Jameson-schmidt-turkel)格式导致的数值耗散,发展了一套适合于格心格式的基于加权本质无振荡(Weighted essentially non-oscillatory,WENO)-分段线性格式的旋翼流场数值模拟方法。采用运动嵌套网格方法生成围绕旋翼的网格系统,主控方程选择Navier-Stokes(N-S)方程。为了更加有效地对桨尖涡等流动细节进行捕捉,在笛卡尔背景网格上采用七阶Roe-WENO格式计算对流通量;在桨叶贴体非结构网格上采用二阶精度的Roe-分段线性格式计算对流通量。时间离散采用了高效的双时间隐式LU-SGS(Lower upper symmetric Gauss-Seidel)方法进行时间推进。最后,应用上述方法对悬停状态的C-T(Caradonna-tung)旋翼和Helishape 7A旋翼进行了数值模拟,将数值计算结果与实验数据进行了对比,计算值与实验值吻合较好;并将桨尖涡模拟效果与二阶JST格式的模拟效果进行了对比。对比结果表明:本文方法能有效对旋翼流场进行计算,且在相同计算条件下,WENO-分段线性格式能够更有效地捕捉旋翼涡流场的流动特性,表明在计算旋翼涡流场时WENO-分段线性格式相比传统二阶JST格式具有更低的数值耗散。     

限带白噪声随机过程的雨流幅值概率密度函数模型

对17种不同带宽系数的限带白噪声随机过程进行了雨流循环计数统计,提出了一个限带白噪声随机过程的雨流幅值概率密度函数(Probability density function,PDF)模型。该模型是Rayleigh分布和Weibull分布的线性组合,其中待定系数均为随机过程谱参数的函数。采用该模型对这17种随机过程的雨流幅值概率密度函数进行了公式拟合,探究了模型中待定参数与随机过程谱参数之间的关系,确定了模型表达式。对照随机过程的雨流计数统计结果,将该模型与Dirlik模型的预测精度进行了比较,结果表明该模型的预测效果优于Dirlik模型。     

大椭圆轨道卫星编队T-S模糊控制

针对椭圆轨道卫星编队的相对运动模型参数大范围变化的情况,设计了基于T-S模糊模型的渐近跟踪控制器。该方法对非线性系统在一些选定工作点进行线性化,针对每一个线性模型采用LQR方法设计了局部渐近跟踪控制器。在此基础上,以卫星轨道角速度为前件,局部线性模型为后件,构造T-S模糊控制系统。然后采用线性矩阵不等式(LMI)方法分析系统的稳定性,保证系统的大范围渐近稳定。仿真结果验证了该控制系统能在大范围参数变化下工作良好。     

防空导弹直接力／气动力复合控制系统设计

直接力和气动力复合控制技术是先进防空导弹对付高速机动目标、兼有反导能力以 及发 展成为动能拦截弹最现实有效的技术途径。针对力矩式复合控制方法,为减小由于弹体滚动 所引起的耦合影响,建立了俯仰－偏航通道短周期运动模型;在弹体慢旋条件下给出了参考 信号状态空间模型,利用线性二次型最优跟踪控制方法设计了复合控制姿态稳定系统,并基 于分离原理设计了参考信号状态观测器。仿真结果表明系统对制导指令的响应时间小于0.1 秒,对螺旋机动弹道目标的拦截脱靶量为0.34米,说明该复合控制方法具备直接碰撞目标的 能力。〖JP〗     

LPV模型的动态压缩测量辨识算法

在解决线性参变（LPV）模型的辨识问题上,最小二乘算法以结构简单、计算复杂度低等优点被大量使用。但最小二乘算法辨识结果受制于计算精度和模型近似精度,而这两者在同一个系统中是互斥的。因此,该算法的辨识结果与真值总是存在一定的误差。另外,在高阶LPV模型辨识或采样成本高的情况下,一般模型参数要多于辨识数据,而此时最小二乘算法很难得到稳定的辨识结果。本文提出的动态压缩测量辨识（DCMI）算法从两个方面提高在该情况下的系统辨识精度。其一,利用“匀速变化”及“非匀速变化”模型表示参变函数,以提高模型近似精度。其二,利用压缩感知理论的欠采样能力,在同等数据量的情况下提高参数的计算精度、扩大模型的计算规模。仿真结果表明,基于“匀速变化”模型DCMI算法可以准确地辨识出LPV函数,而且该算法在辨识数据不足的情况下仍然能够获得稳定的辨识结果。      

时间序列三角极值点线性分段算法

文章在时间序列逐段线性描述方法基础上提出三角极值点分段算法.通过考察时间序列相邻极值点之间幅度变化大小来确定关键点序列.该算法较好地处理了时间序列局部噪声和数据压缩问题.并通过实验说明了算法的有效性.