基于RBF神经网络的导弹鲁棒动态逆控制

讨论了一种基于神经网络的导弹鲁棒动态逆控制方法。导弹的基本控制律采用动态逆方设计,针对存在动态逆误差的慢回路设计神经网络鲁棒逆控制器。用RBF神经网络逼近导弹慢模态数学模型,并把逼近误差引入到网络权值的调节律以改善系统的动态性能;鲁棒控制器用于减弱模型不确定性及神经网络的逼近误差对跟踪精度的影响。所设计的控制器不仅保证了闭环系统的稳定性,而且使模型不确定性及神经网络的逼近误差对跟踪精度的影响减小到给定的性能指标。最后通过仿真分析,验证了该方法的有效性。
     

一种抗野值自适应滤波算法及在MEMS-SINS/GPS中应用

针对噪声统计特性不准确以及量测信号中出现的野值对滤波的不利影响,提出一种基于Kalman滤波的抗野值自适应滤波算法。该算法通过对估计误差的实时监测来调整渐消因子或进行抗野值计算,使滤波器在统计特性不准确或存在野值干扰的情况下仍为最优估计。将其应用到MEMS-SINS/GPS组合导航系统中,仿真结果表明该算法能有效降低统计特性不准确及野值给系统造成的不利影响。     

量子超球神经网络在振动故障检测中的应用

提出了一种基于量子超球神经网络的液体火箭发动机振动故障检测方法,采用可变量子超球代表发动机工作模式,自然地提供了反映故障程度的概率幅;网络的离线学习算法可以从训练样本中自动提取发动机振动知识,监测算法不仅能正确预报故障,还能在线学习新的振动信息。试验数据检验结果表明：量子超球神经网络可以成功用于液体火箭发动机振动故障检测。     

某多挠性体卫星姿态的模糊神经网络控制设计

为改善多挠性体卫星的姿态控制系统,研究了一种基于模糊神经网络的控制器设计.根据某卫星的姿态和挠性动力学模型,给出了模糊神经网络控制器(FNNC)结构及其简化的带动量学习算法.仿真结果表明:FNNC能较好地适应卫星本体参数变化,对外界干扰的抑制能力良好,可满足高精度、高稳定度卫星的姿控要求.     

基于Hopfield神经网络的最优滑模制导律研究

本文的研究目的在于使制导律既保留最优制导动态性能好、节省能量的优点,同时又对有界机动目标具有良好的鲁棒性。首先,在导弹-目标追逃问题的相对运动学关系的基础上,我们根据制导动态性能好、节省制导能量要求,构造了线性二次型性能指标,利用Hopfield神经网络在线实时求解该最优制导问题,克服了实际中的最优制导难于求解的问题;同时为了在拦截有界机动目标时,保证视线角速率趋于零,又将滑模控制理论引入到制导律的设计中,并利用Lyapunov稳定性理论对该新型导引律的稳定性进行了证明。仿真结果表明该导引律能够对有界机动目标具有较强的鲁棒性,保证了导弹在追逃过程中使视线角速率趋于零,导弹的指令加速度较小。
     

基于多尺度多参量的硅MEMS陀螺仪漂移预测

针对硅MEMS陀螺仪误差因素多,输出为非线性非平稳的特点,采用传统方法难以对其建立精确的误差模型.在对小波神经网络方法改进的基础上,提出了多尺度去噪的平稳化方法及多参量非线性预测方法并将其用于硅MEMS陀螺仪漂移预测.试验结果表明,采用多尺度多参量校准方法,硅MEMS陀螺仪精度由1°/s提高到0.02°/s.     

基于自适应软切换的多星座组合导航系统研究

多卫星组合导航系统星座结构复杂、卫星数量多,在某些特定场合、特殊时间内需要快速完成星座和卫星的选取和重组.采用一种快速选星算法和自组织网络相结合的策略,并应用于多卫星导航系统建模和多星座软切换领域,既避开了系统对象建模这一难点,同时又充分利用卫星星座间的相互关联性,极大的发掘多卫星系统本身的潜力.仿真结果表明,快速选星算法和自组织组网技术可以增强整个导航系统的抗干扰性和自愈能力,以牺牲较少的定位精度来有效减少导航运算量,提高导航定位的实时性.     

旋转倒立摆的神经网络控制

本文针对一种新型的倒立摆系统,设计了一个四输入单输出三层BP网络,并对一级旋转倒立摆控制器进行逼近.仿真结果表明,BP神经网络有很广阔的应用领域.     

基于BP神经网络的固体推进剂性能预示方法研究

简述了人工神经网络的原理,利用MATLAB的神经网络工具箱建立了有关固体推进剂性能参数的BP网络模型,并利用数据库的数据对网络模型进行训练和检验。具体实例表明,利用神经网络建模对固体推进剂的性能参数进行预示计算,简便易行,预示精度高。     

航天器铷钟的一种精密控温系统

研究了一种应用于航天器的高精度、高稳定度的温度控制系统：使用热敏电阻作为温度传感器;采用多级控温策略,核心级采用基于径向基函数（Radial Basis Function,RBF）神经网络比例、积分、微分（PID）控制算法,非核心级采用积分分离式PID算法;采用脉宽调制（PWM）控制作为控制方式。以航天器铷钟作为控制对...