基于轨迹线性化方法的导弹动态逆控制系统设计

基于动态逆控制及轨迹线性化方法,研究了一种新的导弹鲁棒自适应控制系统设计方法.首先,基于导弹的非线性模型设计快、较慢回路的动态逆控制器,以实现其非线性解耦;然后,在较慢回路中设计鲁棒自适应轨迹线性化控制器,以补偿整个控制系统的不确定性及干扰,即在轨迹线性化控制的基础上,通过设计RBF神经网络在线估计系统中存在的不确定性...     

低树代价的低轨卫星网络组播算法

为了解决低轨卫星网络中现有典型源组播算法的信道资源浪费问题,提出了一套单核共享树组播算法,即核心群合并共享树(CCST)和加权核心群合并共享树(w-CCST)算法.CCST算法包括动态近似中心(DAC)选核方法和核心群合并组播路径构建方法.在核心群合并方法中,以核节点作为初始核心群,通过核心群和剩余组成员的最短路径方法逐步扩展直至整棵组播树构建完成,从而大大提高了网络带宽利用率.在w-CCST算法中,通过调整加权因子可以适度增大树代价、降低端到端传播时延,以支持某些时延性能要求严格的实时业务.仿真结果说明,CCST算法的树代价性能比其它算法有显著改善,w-CCST算法的端到端传播时延性能好于CCST算法.      

神经网络理论在微分对策中的应用

阐述了微分对策理论在实际应用中存在的问题,并从动态冲突的实际过程出发,将神经网络理论与分层式智能控制理论相结合,来模型化微分对策问题.将微分对策的双向优化问题转化成基于神经网络理论的目标机动性辨识和单向优化控制问题,将微分对策的定性与定量结合起来,为有效加入人的经验提供了一种技术途径.并采用自适应分布式学习速率,大大提高了神经网络的学习速度和精度.     

基于网络的大型民用飞机飞行仿真系统

 结合北京航空航天大学仿真研究所开发的大型民机通用飞行仿真系统,首先介绍它的硬件系统组成、基于总线型的实时网络拓扑结构、模拟座舱的布局以及各分系统的功能和在网络节点上的分布,然后介绍了模型及主控计算机的管理方式和软件编程,最后讨论了网络通信中的几个问题,以及保证系统实时性所采取的措施.     

NET-RAM的设计与实现

对SNOW机群系统的分布式共享存储管理机制进行适当的简化,就可实现网络虚拟存储环境.它以本地节点的主存作为cache,以网络上其它节点机的主存作为本地节点机主存的后援存储,取代本地节点机的硬盘或其它介质的存储设备.充分利用网络上节点的物理存储空间,使一些在单机上由于内存限制而无法完成的计算成为可能.这对于时间敏感性不高但需使用大内存的计算程序尤其适合.本文在介绍了网络虚存的概念之后,详细阐述了一个网络虚拟环境NET-RAM总体结构,软cache的实现方法,并对该网络虚存环境进行了测试,分析了测试结果.最后对今后的工作进行了探讨.      

LTPB网络带宽分配策略的实时性能研究

研究LTPB(线性令牌传递总线)在通信网络中保证消息实时传输的带宽分配问题.LTPB网络带宽的分配是以保证网络消息的实时传输为目标的,网络中关键参数(一定时间内发送消息的最小量)的准确与否将关系到网络带宽分配的合理性和有效性.通过对带宽分配方法实时特性的分析,发现了当前分析方法中的不足,提出了"最差情形"的概念,并以此建立了合理的推导模型,得出了有关LTPB网络实时性分析的关键性结果,并为下一步寻求更优的带宽分配方法提供了可靠的分析基础.      

航电系统SCI互连的可靠性模型研究

研究未来航电系统关键协议——SCI(可扩展的一致性接口)的可靠性建模问题.从SCI互连的基本模型出发,提出了基于任务的系统可靠性分析方法,建立了系统的可靠性模型,并针对航电系统中SCI的蝶型互连进行了可靠性分析,指明该方法在航电系统设计阶段对于任务划分和拓扑选择都将起到指导作用.      

一种基于混沌神经网络的拟人智能控制方法

提出一种基于混沌神经网络(CNN)的拟人智能控制方法.首先利用拟人智能控制理论得到定性控制律(线性或非线性),然后利用CNN实现控制律的定量化.Hopfield神经网络具有快速的优化能力,但容易陷入局部极小,将遍历性的渐变混沌噪声引入其中,形成具有快速全局优化能力的CNN.对二级倒立摆控制的仿真和实验结果均表明该方法有效.      

带BP神经网络的卡尔曼滤波算法在GPS/SINS组合导航系统中的应用

针对带权值调整的Kalman滤波器,运用L-M的BP算法,将BP神经网络嵌入该滤波器中,与BP神经网络滤波器相比,减小了层数,提高了网络训练速度及精度。以GPS/SINS组合导航系统为例进行了仿真,结果既能抑制滤波发散,又能提高滤波精度。     

Event-triggered cooperative target tracking in wireless sensor networks

Since the issues of low communication bandwidth supply and limited battery capacity are very crucial for wireless sensor networks, this paper focuses on the problem of event-triggered cooperative target tracking based on set-membership information filtering. We study some fundamental properties of the set-membership information filter with multiple sensor measure-ments. First, a sufficient condition is derived for the set-membership information filter, under which the boundedness of the outer ellipsoidal approximation set of the estimation means is guaranteed. Second, the equivalence property between the parallel and sequential versions of the set-membership information filter is presented. Finally, the results are applied to a 1D event-triggered target tracking scenario in which the negative information is exploited in the sense that the measurements that do not satisfy the triggering conditions are modelled as set-membership mea-surements. The tracking performance of the proposed method is validated with extensive Monte Carlo simulations.