校准实验室质量体系综合评判方法

采用模糊集合理论来处理校准实验室质量体系的综合评判问题.描述了建立模糊评价模型的方法,并给出了实际的应用计算.     

两种自适应方向图峰值副瓣控制方法比较

自适应阵列（或称自适应波束形成）目前已广泛应用到雷达、声纳和通信领域中用来抑制各种干扰（有意的干扰，杂波干扰和多用户干扰等）。在雷达应用中，为了减轻脉冲欺骗式干扰或旁瓣目标并利用单脉冲雷达来准确测量目标波达方向．要求自适应方向图具有低副瓣和稳定的主瓣形状。在实际应用中，各种失配误差将降低自适应阵列的性能．这些误差包括由于目标的波达方向不精确引起的信号指向误差，由通道失配和位置扰动引起的阵列校准误差和由小样本教引起的协方差矩阵估计误差。在此情况下，自适应波束形成的性能大大下降（干扰抑制性能变差。主瓣失真和高的副瓣）。已提出了一种基于二次约束的集成峰值副瓣控制（integrated peak sidelobe control，简称IPSC）方法。该方法可以精确地控制峰值副瓣电平并产生具有稳定的主瓣形状的自适应方向图。研究IPSC中目标信号的影响和信号消除方案以进一步提高IPSC的性能。并将IPSC方法和最新提出的基于二阶锥规划（second-order cone programming，简称SOCP）的分布式峰值副瓣控制（distfibuted peak sidelobe control，简称为DPSC）新方法在性能上进行了比较。仿真结果表明。在干扰抑制性能和方向图控制质量方面IPSC比DPSC性能优越。此外IPSC比DPSC计算高效。     

基于自适应提升小波收缩阈值图像去噪算法

提出了一种自适应提升小波收缩阈值去噪方法，改进了提升算法中预测算子的计算方法，在更新算子中引入了自适应，最后在阈值处理方面使用了实践证明效果比较好的收缩阂值，仿真证明，经去噪后，图像在性能指标上有一定的提高，图像的细节能够很好地保持。     

变结构自适应控制在BTT导弹中的应用

 提出了ＢＴＴ导弹自动驾驶仪的变结构自适应设计方法。该方法完全基于对象参数变化和随机扰动的上下界,无需对系统进行参数辩识和对随机扰动进行在线估计,增强了控制系统的适应性和鲁棒性。在考虑了各种非理想因素的情况下,得到了令人满意的仿真结果。     

激波加速的密度分层流体交界面的演化

采用了自适应的非结构网格和基于有限体积法的二阶Godunov格式，数值模拟了在不同强度的激波作用下两种不同密度流体交界面的演化过程，详细给出了交界面上由于斜压效应产生的涡列的演化过程。     

鲁棒低阶自适应控制器的设计

本文提出了一种自适应控制系统设计的新方法,利用该方法设计的自适应控制器具有低阶的控制结构和良好的控制性能,数字仿真结果证明了其有效性。     

自适应切削技术概述

研究了自适应切削的概念,针对学术界现存的一些认识上的误区,阐述了自适应切削与自适应控制的联系与区别。按照不同的分类方法(优化对象、采用的控制量、控制目标、采用的控制类型),对自适应切削进行了分类。研究了自适应切削所特有的关键技术,并对自适应切削的发展策略进行了探讨。     

空间制冷机压缩机自适应主动振动控制方法

空间制冷机压缩机的振动是制约其应用于敏感仪器的一项关键因素,压缩机的振动会导致成像模糊,降低探测目标的分辨率和定位精度,甚至引起平台的机械共振。为了降低压缩机振动对空间有效载荷敏感器件的影响,采用基于自适应窄带陷波滤波器的自适应主动减振算法,此算法与振动传递函数模型无关,不受应用环境的限制,通过不断调整驱动信号的幅度和相位来实现自适应减振。搭建了由DSP控制软件、硬件电路、振动传感器组成的自适应主动减振系统,将此算法首次用于压缩机减振,并试验验证了算法的有效性。将压缩机的基频振动由0.166m/s²降低为0.014m/s²,下降了21.2dB。     

自适应空间机动目标跟踪算法

在空间目标跟踪问题中,目标机动导致的模型不匹配问题会导致滤波算法出现滞后现象。为了对空间机动目标进行快速跟踪,在平方根容积卡尔曼滤波〖（Square rootCubatureKalmanFilter,SCKF）的基础上,引入强跟踪滤波（StrongTrackingFilter,STF）的思想,推导得到了次优渐消因子在SCKF中的等价描述。并通过建立以矩匹配方法为基础的自适应机制,设计了兼顾滤波精确性和鲁棒性的自适应强跟踪平方根容积卡尔曼滤波（AdaptiveStrongTrackingSquare rootCubatureKalmanFilter,AST SCKF）算法。仿真结果表明,在目标机动前,AST-SCKF算法和SCKF算法的位置收敛精度相差不足1%;在目标机动后,AST-SCKF算法的位置和速度的收敛精度相对SCKF算法分别提高了95.19%和30.50%,同时,其收敛速度相对SCKF算法分别提高了57.20%和24.68%。     

基于AVSIMM算法的高超声速再入滑翔目标跟踪

针对跟踪高超声速目标的交互式多模型（IMM）算法中存在模型数量过多,模型之间竞争导致滤波精度降低的问题,在自适应网格交互式多模型（AGIMM）算法的基础上,提出了一种自适应变结构交互式多模型（AVSIMM）算法跟踪高超声速再入滑翔目标。根据高超声速无动力再入滑翔目标当前机动状态的角速度参数,在自适应调整当前时刻模型集中参数的同时,针对AGIMM算法运动学模型的单一性,设计了具有多种跟踪滤波运动学模型的AVSIMM算法,通过模型集参数与算法结构的双重自适应调整实现了对目标高精度的跟踪。仿真结果表明,与AGIMM算法相比,所设计的AVSIMM算法不仅对结构和参数都具有更强的自适应性,同时提高了高超目标的跟踪精度和跟踪效率。