空间机器人的智能控制器设计

自由漂浮空间机器人动力学方程不能被参数线性化并且存在模型不确定性，使得基于数学模型的控制问题变得十分复杂。本文研究了自由漂浮空间机器人的智能控制方法，提出了一个鲁棒的模糊神经网络控制器。首先利用模糊神经网络控制器来逼近理想控制器，然后利用鲁棒控制器对逼近误差进行估计和抑制。根据Lyapunov函数建立的新的网络学习算法保证了系统的稳定性。最后利用该控制器对平面二连杆空间机器人进行了研究。仿真结果表明该智能控制方案是有效的。     

基于Adaptive Sigma-Point滤波的智能导弹对目标协同定位方法研究

在对智能导弹协同作战过程详细描述的基础上,提出了一种利用多枚智能导弹协同对目标定位的方法。考虑目标运动模型为静止模型和运动模型两种情况,将Sigma-Point滤波方法与过程噪声的自适应估计方法相结合,融合目标运动状态和目标到达角信息,克服了常规Sigma-Point滤波性能依赖于目标运动模型的先验统计信息的缺点。通过比较目标可能存在区域面积的大小,确定了参与协同定位的智能导弹数目和编队构型。仿真研究表明,多枚智能导弹协同对目标定位可以显著提高定位精度和速度。     

一种用于GPS集群车辆监控系统的纠错编码

GPS集群车辆监控系统是 GPS技术、集群移动通信技术和 GIS(地理信息系统 )技术的有机结合体。它利用集群无线移动通信系统进行数据传输 ,误码率较高。本文介绍了一种 (2 ,1 ,9)扩展卷积码 ,能在译码约束长度 2 0个码元内 ,纠正 2个码元的随机错误和 4个码元的突发错误     

航天器智能控制的研究和设计

本文介绍智能控制的产生和发展,探讨智能控制的基本概念,详细说明智能控制三个层次的具体含义及其与传统控制理论的主要区别。针对未来航天器控制中的特点,展望智能控制在航天器控制中的应用前景,深入分析了在未来航天器控制中应用智能控制的必要性和可行性。文章最后介绍了航天器变结构变系数智能控制的特点及总体结构,给出了一个主从型智能控制系统的实例。     

采用力外环的机器人运动和力控制

本文给出了采用力外环的机器人力控制的设计方案，利用高精度的六维腕力传感器在工业机器人Ｍｏｖｅｍａｓｔｅｒ－ＥＸ和ＰＵＭＡ５６２上进行该控制方案的实验研究。实验结果表明，采用力外环的机器人力控制方案其结构简单，通用性好，适合于各种不同用途的机器人力控制器投计。     

CPS技术及在航空工业中的应用

从系统的视角分析CPS的演进和发展,提出CPS呈现出系统之系统的架构新趋势;对CPS的5C架构进行了逐层分析,剖析CPS的内涵和特征;从系统要素和业务分层两个维度分析航空CPS的架构,指出提炼业务智能和制造智能是实施航空CPS的核心;提出架构方法和系统工程方法是实施航空CPS的核心方法;基于对航空CPS应用现状的分析,对航空工业CPS云的架构和规划进行了展望.     

基于RBF神经网络的导弹智能控制系统设计

为智能化导弹所设计的导弹智能控制系统应能够充分利用战场信息,自主而准确地生成控制指令完成目标打击。首先建立导弹控制系统模型,并在特征点处设计符合性能要求的PID控制器。在深入分析径向基函数(RBF)网络的结构与训练方法的基础上,通过大量仿真数据对RBF网络进行离线训练,将其训练结果直接作为俯仰与偏航通道的控制器。而滚转通道为典型的2阶系统,可采用滑模控制律,并利用RBF网络实时逼近外界非线性干扰项以提高滑模控制器的性能。通过某型倾斜转弯导弹六自由度仿真说明了本文所设计的智能控制系统的有效性。     

航天器自主控制与智能信息处理技术

首先从系统的体系结构出发 ,将自主控制系统划分为分层递阶型、包容型、混合型三种基本形式和多智能代理结构的复杂形式 ,然后分别讨论对一般轨道飞行航天器、多个航天器所组成的空间网络、星球表面探测系统和空间机器人等几类不同对象进行自主控制的特点 ,最后论述自主控制对智能信息处理技术的基本需求并提出有关的关键技术     

Intrinsic component filtering for fault diagnosis of rotating machinery

Fault diagnosis of rotating machinery has always drawn wide attention. In this paper, Intrinsic Component Filtering (ICF), which achieves population sparsity and lifetime consistency using two constraints: $l_{1/2}$ norm of column features and $l_{3/2}$ -norm of row features, is proposed for the machinery fault diagnosis. ICF can be used as a feature learning algorithm, and the learned features can be fed into the classification to achieve the automatic fault classification. ICF can also be used as a filter training method to extract and separate weak fault components from the noise signals without any prior experience. Simulated and experimental signals of bearing fault are used to validate the performance of ICF. The results confirm that ICF performs superior in three fault diagnosis fields including intelligent fault diagnosis, weak signature detection and compound fault separation.     

遥感影像弱小目标智能解译算法研究

随着遥感技术的快速发展,光学遥感影像弱小目标智能解译成为遥感信息处理的研究热点之一。遥感影像的地物目标常具有尺度小、种类多、数量大、部分重点小目标移动速度快的特点,易受到复杂背景环境及噪声影响,使得提取遥感影像弱小目标的信息面临着巨大的挑战。早期智能解译算法中的弱小目标分割、检测及跟踪等算法研究,多依赖模板匹配及先验知识,此类算法需耗费大量资源、算力及专家知识成本,存在着计算量大、泛化能力差的问题。近年来,随着深度学习等人工智能技术的快速发展,在海量遥感数据中准确获取弱小目标的信息,通过结合深度学习算法可对弱小目标的特征进行快速提取,以提供高效、准确的解译信息。本文综述了遥感影像弱小目标智能解译算法研究进展,包括基于传统图像处理方法的弱小目标分割、检测和跟踪算法,以及基于深度学习等典型相关算法。通过分析这些方法的优点与局限性,对于提高相关目标的信息获取能力、提升观测的态势感知水平以及未来应用等方面具有重要意义。