基于非等间距采样输出的旋转矢量姿态算法

基于实际系统中陀螺的输出为非等间隔的角增量信号，重点研究了采样时刻的变化对捷联姿态算法的影响，并推导出旋转矢量三子样算法和二子样算法的通用表达式及其误差方程。传统的Miller算法已被证明是本算法的特例。研究发现，算法误差与由采样时刻构成的误差系数阵密切相关，Miller算法中的等间距采样使得该矩阵奇异，而改变采样间距可使其满秩，从而降低算法误差。然而对角增量输出的二子样算法而言，等间隔采样比非等间距采样具有更小的箕法漂移。仿真及试验结果证明了本文的观点。     

基于蚂蚁算法的星上ATM交换结构

对于卫星ATM交换系统，星上ATM交换结构的设计是一个非常重要的部分。由于卫星通信具有带宽有限、时延受限、信道误码率高等特点，因而设计星上交换结构时必须尽可能降低交换时延，减少内部阻塞。为此，提出一种基于蚂蚁算法的星上ATM交换结构，并对此方案进行了分析和仿真。结果表明，该结构由于采用了蚂蚁算法和阻塞规避方案，有效改善了信元时延和信元丢失率等性能。     

基于快速终端滑模的模糊逼近系统及其应用

为改善模糊系统逼近的收敛速率,提出了一种基于快速终端滑模的反向传播(BP)学习算法。将快速终端滑模引入模糊逻系统的学习算法,综合终端吸引子有限时间收敛和线性系统指数收敛的性质,提高了对非线性连续函数的逼近能力。仿真结果表明:该算法能以较快速率逼近未知函数,且逼近过程稳定,较普通学习算法更为精确和有效。     

载人航天器高空应急救生控制变量与落点的快速预报算法

针对载人航天器高空应急救生的实时性要求,讨论了控制变量和与落点的快速预报算法。首先描述了逃逸飞行器的返回轨道特征,在此基础上推导了制动速度的解析解;然后利用大量的仿真数据建立了其它控制变量和返回特征参数的BP神经网络预测模型,计算结果显示起旋时刻、消旋时刻和航程的最大预报误差分别为10秒、2秒和30千米;最后对航程的预报算法进行了改进,预报精度提高了43.3%。分析表明,快速预报算法是一种高效可行的工程解决方案。     

液体火箭发动机地面试车过程的实时故障检测方法研究

为解决液体火箭发动机地面试车过程中故障检测的及时性、实时性、可靠性和稳健性等关键问题,研究建立了稳态和启动工作过程实时故障检测与报警的自适应相关算法和包络线算法,并进行了大量试车数据的验证和地面试车的实时考核。结果表明,算法能对发动机启动和稳态工作过程中的故障及时准确地检测,并在地面试车的实时和强干扰环境下具有良好的可靠性和稳健性。研究结果对研制工程实用的我国运载火箭健康监控系统具有重要的理论和应用价值。     

一种改进的BP网络系统辨识算法的研究

本文提出了一种降低网络灵敏度的BP网络改进算法,即在网络的误差反向传播信号线上增加一个协调器, 该协调器控制各层权值的修正,大大提高了网络的学习速率。通过对具体网络的仿真,证明了该算法的可行性。     

多通道电液伺服加载系统控制算法研究

介绍了多通道电液伺服加载系统的常用控制算法,在其基础上提出了改进的PID控制算法,并将其应用在高速飞行器热环境强度试验中,改进后系统具有加载精度高、稳定性好、工作可靠等优点。系统已投入使用,经实践检验运行效果良好。     

CORDIC算法研究与实现

提出一种基于CORDIC算法的数字鉴相方法。首先介绍CORDIC算法的基本鉴相原理,然后讨论算法的抗噪和抗正交两路失衡性能,对算法精度进行分析,最后给出算法在FPGA中的工程实现,仅使用移位和加法即可完成。为满足实时性要求,采用流水线结构。实验结果表明,相比于传统的查表方法,CORDIC算法实现了计算精度、运算速度和硬件资源利用等方面性能的兼顾。     

基于多项式插值的自由漂浮空间机器人轨迹规划粒子群优化算法

针对自由漂浮空间机器人轨迹规划问题,提出一种基于多项式插值与粒子群优化算法相结合的非完整运动规划方法。首先,通过对系统非完整约束条件进行分析,给出了以机械臂关节角耗散能为目标函数的轨迹最优控制算法;并采用高阶多项式插值方法逼近机械臂关节角轨迹,将插值多项式的系数作为优化参数,结合粒子群优化算法对关节角轨迹进行优化求解。最后,对本文提出的轨迹规划算法进行数值仿真。仿真结果表明关节角轨迹平滑连续,保证了关节角速度及关节角加速度在初始和终止状态均为零,从而验证了所提方法的有效性和可行性。     

一种基于SIFT和KLT相结合的特征点跟踪方法研究

在目标发生明显姿态和大小变化条件下,为了利用基于特征点的跟踪算法实现对目标可靠、稳定跟踪,提出了一种SIFT算法和KLT(Kanade-Lucas-Tomasi)匹配算法相结合的特征点跟踪方法。通过对SIFT算法进行优化,使得到特征点分布相对均匀,同时不存在聚集现象;通过对KLT匹配算法进行分层迭代设计,提高了目标作快速运动时的匹配精度;最后根据特征点匹配结果,结合Greedy算法得到目标的准确位置。实验结果表明：该算法能够很好地适应目标姿态和大小的变化,实现对结构复杂目标的稳定跟踪;比KLT跟踪算法具有更好的鲁棒性和稳定性,能得到更加准确的目标位置。