液压能源管路系统振动主动控制的理论研究

对飞机液压能源管路系统的振动问题进行了探讨.提出一种基于振动主动控制(VAC)技术对飞机液压能源管路系统进行消振的方法,在手段上采用压电/压电致伸技术,以压电陶瓷(PZT)作为作动器,具有驱动力大、响应频率高和体积小等优点;控制方法上采用参数寻优的控制策略,它能始终能根据外界干扰因素的变化来调整控制参数.经过理论分析和仿真验证,证明其具有良好的自适应性和鲁棒性,在变转速和变负载情况下始终能保持最佳的消振效果.     

一种改进的数字式波束形成的快速自适应算法

提出了一种改进的数字式波束形成的快速自适应算法,即具有严格约束最小功率的抽样矩阵梯度算法(CSMG)。它综合了传统抽样矩阵梯度、算法和具有严格约束的最小功率自适应算法的优点。计算机模拟表明,此算法波束方向随约束角度而变,自适应调零能力较强,收敛速度也较快。     

地-空导弹自适应最优制导律初探

本文从自适应控制的基本思想出发,利用最优控制理论,在建立地-空导弹最优制导律的基础上,考虑导弹质心的动力学方程,建立了扩维的系统状态方程和测量方程。再利用最优控制理论和非线性系统扩维Kalman滤波理论,推导出地-空导弹自适应最优制导律,进行数字计算,得到了比较满意的结果,为进一步探讨地-空导弹的自适应最优制导律提供了有价值的参考。     

重现性地磁活动的数值预报

重现性地磁扰动作为地磁活动的重要部分，其特性在磁情预报中起着不可缺少的重要作用．本文利用地磁扰动在一定条件下具有２７天重现的特性和现代时序分析法中的自适应滤波方法，对北京地磁台Ｋ指数的预报方法进行了研究，并分别在太阳黑子活动低年和高年的两个时间段，进行了预报实验：低年时段预报结果精度为０．６６；在高年时段，预报精度为０．７９．进一步分析还表明，理论计算方法应当与多方面的物理分析相结合，这样才能为磁扰的定量分析和预报提供更充分与合理的计算条件和物理根据．     

无刷直流电动机的新型自适应模糊神经控制

 为无刷直流电动机提出了一种自适应模糊神经控制方法.这是一种建立在开关控制、模糊控制和自适应控制相结合基础上的控制方法,并用神经网络实现了模糊控制器和自适应机构.在无刷直流电动机的双闭环调速系统中,电流控制器是PI控制器;转速控制器是由1个开关控制器和1个包括自适应机构在内的模糊控制器相结合组成的,且用1个3层前向神经网络离线学习实现了模糊控制器,学习算法采用的是改进的BP算法.用1个单神经元通过在系统运行过程中的动态学习实现了自适应机构,学习算法选用了有监督的Hebb学习算法.由电机所处的运行阶段决定哪一个控制器工作.此控制算法的仿真结果说明,它使系统具有良好的动、静态特性和自适应性.     

自适应遗传算法解决战场频率指配问题研究

论文在分析我军通信电台在执行训练、演习任务过程中频率指配现状的基础上，提出了一种基于遗传算法的通信电台频率指配方法，并对算法进行了改进，仿真验证了此法解决战场通信电台频率指配问题的实时性和高效性。     

基于参数化模型和遗传算法的复合材料加筋壁板结构选型优化研究

针对复合材料加筋壁板的结构优化选型问题,采用辅助层压板和添加极小弹性模量材料的复合材料加筋壁板有限元建模方法,应用PATRAN/NASTRAN的参数化建模功能和遗传算法相结合的复合材料加筋壁板的优化方法,对5种复合材料结构形式进行了从2000N/mm到6000N/mm压缩载荷下的结构优化分析。结果表明,当载荷小于4500N/mm时,最有效的加筋壁板结构型式为J型;当压缩载荷大于4500N/mm时,最有效的加筋壁板结构型式为I型。     

快速响应卫星电子系统等寿命设计方法

与传统卫星不同,快速响应卫星的任务具有很强的时效性,采用传统的按重要程度分配部件可靠性的设计方式,难以在最大程度上降低成本。因此引入工业领域的等寿命设计理念,以预定寿命为基础进行星载电子系统的部件选择和集成,使系统的生命周期与成本成正比,达到"快、智、廉"的目标。进一步,提出了一种基于遗传算法的即插即用星载电子系统等寿命优化方法,通过建立系统的非线性混合整数规划模型,对部件可靠性均方差和价格成本进行优化。此外针对卫星总体方案分配的体积、重量和可靠性约束,为算法设计了归一化满意度函数和Pareto解共享函数。仿真结果表明,算法表现出较好的收敛性和稳定性,在预定寿命期间能够在部件级有效消除可靠性短板,并实现良好的成本控制。     

一种恒温箱快速自适应控制方法CSCD

随着测量技术的不断发展,恒温箱的应用越来越广泛,传统的温度控制方法多采用全模拟电路进行控制,在控制精度及实时控制方面不能满足需求,且无法进行功能设定,本文设计了一种恒温箱快速自适应控制方法,基于该方法设计的便携式控温箱,根据恒温箱内外温度差采用不同的控制策略,采用加热与制冷双态工作模式,实现对控温箱内部温度的高精度控制,满足更高的应用需求。     

一种改进的Manifold数据降维方法研究

Manifold学习算法已经被广泛应用到很多领域,如信息检索、模式识别、人工智能和数据挖掘等。已有的Manifold学习算法对局部临近区域选择很敏感,并且降维后的数据可分割性比较差。本文提出了一种自适应临近区域选择、具有良好信息可分割性的Manifold学习算法。这种方法在每一个数据点根据数据可估算的本质维度和局部正切方向选择临近区域。与此同时,在映射数据的时候使用聚类分析法聚集相似样本点集。这种方式能确保降维数据具有良好的可分割性,获得更好的降维效果。实验结果表明,新的方法在人工生成数据集上具有更好的嵌入效果。