基于递归神经网络的控制力矩陀螺操纵律设计

利用递归神经网络对单框架控制力矩陀螺(SGCMG)系统操纵律进行动态求解,设计了一 种基于递归神经网络的SGCMG系统操纵律。通过选择适当参数可以使该网络渐近收敛到稳定 状态,从而使操纵律具有较小的操纵误差。该操纵律不用计算Jacobi矩阵的伪逆,因此避免 了Jacobi矩阵求逆所带来的一系列问题。对某SGCMG系统的仿真结果表明,上述操纵律是可 行的。     

控制系统故障诊断的模糊神经网络方法研究

控制系统的不确定故障诊断是目前尚未解决的问题。传统的神经网络方法和模糊推理方法为解决这一类故障诊断问题提出了一些算法。然而上述两种方法难以提高不确定故障诊断的性能。为此本文结合模糊理论的推理能力和神经网络学习的能力提出模糊神经网络故障检测方法。该算法同时具备模糊理论的处理不确定和不准确信息的能力和神经网络的自学习能力。本文结果应用到某运载火箭控制系统的故障诊断,仿真结果表明,本算法有效,较好地解决了控制系统不确定故障诊断问题。     

S7-300液位控制系统下位机的实现

利用以太网,结合西门子现场总线搭建了过程控制平台,完成了对温度、压力、流量和液位这些典型过程参数的采集、存储和分析,并利用PID算法通过对变频器、电控阀门的控制,实现恒压供水任务,进而完成对于水箱液位稳定的控制.     

角加速度反馈在再入段控制中的应用

针对再入飞行器滚动通道产生较大的滚动角及滚动角速率,给出了一种能够有效地减小滚动角和滚动角速率的方法。该方法引入滚动角加速度信号反馈,并采用逆系统方法设计控制器。数学仿真结果表明,引入角加速度信号后,通过对干扰力矩的补偿,可以很大程度上减小再入飞行器的滚动角和滚动角速率,滚动角可以稳定在±5°范围以内。该方法将有利于减弱通道之间的耦合,提高再入飞行器再入段控制的精度。     

电位器质量与产品部件颤抖的关系分析

分析讨论电位器的质量与产品部件发生颤抖的关系,为排除产品故障提供依据。由产品故障的再现试验和对电位器结构及工作环境的分析,认为电阻元件表面粗糙是引起产品部件发生颤抖的主要因素,当电刷在粗糙的电阻元件表面上快速运动时,触点发生弹跳和接触不良,电位器的输出电压发生掉电,导致控制电路发出不正常的控制信号,产品部件随之发生颤抖故障。通过对电位器的质量、工作过程及产品部件运动特点的分析,为排除产品故障提供了理论依据。     

基于自适应滑模的变质心再入飞行器控制律设计

建立了有纵向单滑块的变质心再入飞行器系统控制模型。对该有输入非线性的快时变多体系统,考虑系统存在参数不确定等因素的影响并将完整的活动质量体动力学环节置入姿态控制,基于滑模控制理论设计了俯仰姿态跟踪鲁棒控制系统。在参数不确定性条件下对飞行控制系统进行了仿真。结果表明：设计的控制律可实现对指令角度和指令位置有效、快速、稳定...     

基于双光纤检测技术的激光点火控制系统设计

基于双光纤检测技术,对激光点火控制系统进行分析,给出了激光器输出功率和检测合格判据的设计方法,分析了影响激光器最低输出功率设计的各相关因素,为激光点火控制系统设计提供了理论依据.     

基于鲁棒自适应反步法的航天器姿态跟踪控制

针对存在未知惯量矩阵和外干扰的刚体航天器姿态跟踪,提出了一种鲁棒自适应控制方法。综合自适应反步法和非线性L2增益干扰抑制方法,用自适应反步法构造系统的Lyapunov函数,获得了具L2增益的鲁棒自适应控制器,以保证姿态跟踪误差系统为一致最终有界稳定,确保估计的航天器惯量参数的有界性,并使从外干扰输入到评价输出的L2增益不大于给定值。仿真结果验证了方法的有效性和可行性。     

低副瓣有源相控阵天线测试方法研究

利用平面近场测试系统的口面场全息反演功能,摸索出一种低副瓣有源相控阵天线的优化测试方法。实测天线副瓣电平低于-30dB,达到设计指标要求,证明了方法的有效性和适用性,为更快更好完成有源相控阵天线的研制提供了技术手段。     

Bayesian network-based extraction of lunar impact craters from optical images and DEM data

Impact craters are among the most noticeable geomorphological features on the planetary surface and yield significant information about terrain evolution and the history of the solar system. Thus, the recognition of impact craters is an important branch of modern planetary studies. Aiming at addressing problems associated with the insufficient and inaccurate detection of lunar impact craters, a decision fusion method within the Bayesian network (BN) framework is developed in this paper to handle multi-source information from both optical images and associated digital elevation model (DEM) data. First, we implement the edge-based method for efficiently searching crater candidates which are the image patches that can potentially contain impact craters. Secondly, the multi-source representations of an impact crater derived from both optical images and DEM data are proposed and constructed to quantitatively describe the two-dimensional (2D) and three-dimensional (3D) morphology, consisting of Histogram of Oriented Gradient (HOG), Histogram of Multi-scale Slope (HMS) and Histogram of Multi-scale Aspect (HMA). Finally, a BN-based framework integrates the multi-source representations of impact craters, which can provide reductant and complementary information, for distinguishing craters from non-craters. To evaluate the effectiveness and robustness of the proposed method, experiments were conducted on three lunar scenes using both orthoimages from the Lunar Reconnaissance Orbiter (LRO) and DEM data acquired by the Lunar Orbiter Laser Altimeter (LOLA). Experimental results demonstrate that integrating optical images with DEM data significantly decreases the number of false positives compared with using optical images alone, with F₁-score of 84.8% on average. Moreover, compared with other existing fusion methods, our proposed method was quite advantageous especially for the detection of small-scale craters with diameters less than 1000 m.