刚柔空间机器人基于神经网络的协调运动控制及柔性振动抑制

探讨了本体姿态受控的刚柔耦合空间机器人关节运动控制及柔性振动抑制问题.基于拉格朗日方法及奇异摄动理论, 导出了系统的奇异摄动模型. 为确保系统在未知惯性参数影响下本体姿态、关节协调运动的精确跟踪控制, 针对慢变子系统, 提出了一种基于RBF神经网络的补偿控制策略; 同时针对快变子系统,采用惯常的线性二次型最优控制器以实现系统柔性振动的主动抑制. 仿真结果表明, 所提控制方案可有效补偿未知系统惯性参数的影响, 使系统能够准确跟踪所期望的运动轨迹, 并较好地抑制系统的柔性振动.      

基于时间的保证切换策略

文章提出了一种适合低轨卫星星座网络的接入和切换控制策略TGH（基于时间的保证切换）。该策略利用了星历信息的确定性来预计用户的位置。实验结果表明相对于GH（保证切换）策略,TGH降低了新呼叫的阻塞率、切换失败率,得到更好的服务质量。     

挠性卫星高精度智能控制及物理仿真实验研究

从工程角度出发,以具有挠性太阳翼的卫星为背景,着重研究了挠性卫星的智能控制方案。针对高精度控制这一要求,设计了双层小脑模型神经网络(CMAC)与变结构(VSC)复合智能控制器,并基于单轴气浮台全物理仿真系统进行了实验,取得了较高的姿态控制精度,表明了智能控制方法的有效性。     

基于动态逆的BTT导弹自动驾驶仪设计

针对BTT(Bank-To-Turn)导弹的复杂非线性特性和冲压发动机带来的飞行姿态限制,在其自动驾驶仪设计问题上,指出了直接应用动态逆方法存在非最小相位特性,提出了基于动态逆的双阶段设计方法:第一阶段采用动态逆方法设计内环控制器实现攻角、侧滑角和滚转角的跟踪;第二阶段分别基于神经网络和动态逆构造攻角和滚转角速度指令生成器,实现外环对法向加速度、侧滑角和滚转角的良好跟踪效果.六自由度数学仿真验证了该方法的三通道的解耦控制能力和鲁棒性,为BTT导弹自动驾驶仪设计提供了一个可行的方案.      

非线性自适应控制在无尾飞控系统中的应用

无尾飞机是新型飞机的研究方向,由于其没有尾翼甚至机身,导致横侧向模态自身以及横侧向模态与纵向模态之间存有强耦合非线性特性。将非线性自适应控制应用到无尾飞控系统中,结合MATLAB的仿真工具,对无尾飞机模型进行实时仿真,得到了相应的仿真曲线。通过对仿真曲线的分析,验证了该控制方法在无尾飞控系统应用中的可行性。     

基于积谱的雷达目标高分辨率距离像识别

针对飞机目标的识别问题,将一种用于语音识别中的积谱特征引入雷达目标一维距离像识别领域.积谱定义为功率谱与群延迟的乘积,该特征能够充分利用目标一维距离像的幅度谱与相位谱信息.在目标分类阶段,选择基于弹性传播(RPROP)算法的多层前馈神经网络作为分类器.利用4种飞机模型的重点散射源二维分布测试数据和频率步进法得到目标的一维纵向距离像,对距离像积谱的分类性能进行了测试,结果表明基于积谱的特征对于一维距离像具有较高的识别率,并具有较好的抗噪性能.      

一种光纤通道轻量IP上层协议

在光纤通道网络平台上选用一种可用于性能测试的上层协议是网络测试手段的关键.IP上层协议技术已经十分成熟,在IP上层协议的基础上提出了一种光纤通道轻量IP上层协议,详细地规定了轻量IP上层协议的通信模式和数据格式。利用光纤通道接口设备IP驱动程序,通过中间层驱动插入的方法实现了光纤通道轻量IP上层协议的数据通信,并通过FC分析仪检测到实现结果符合设计的要求.最后分析了轻量IP上层协议短消息传输效率高、通信模式灵活简便、节点标识易于实现的优点,所以轻量IP上层协议适用于光纤通道网络性能的测试.      

Forecasting space weather: Predicting interplanetary shocks using neural networks

We are developing a system to predict the arrival of interplanetary (IP) shocks at the Earth. These events are routinely detected by the Electron, Proton, and Alpha Monitor (EPAM) instrument aboard NASA’s ACE spacecraft, which is positioned at Lagrange Point 1 (L1). In this work, we use historical EPAM data to train an IP shock forecasting algorithm. Our approach centers on the observation that these shocks are often preceded by identifiable signatures in the energetic particle intensity data. Using EPAM data, we trained an artificial neural network to predict the time remaining until the shock arrival. After training this algorithm on 37 events, it was able to forecast the arrival time for 19 previously unseen events. The average uncertainty in the prediction 24 h in advance was 8.9 h, while the uncertainty improved to 4.6 h when the event was 12 h away. This system is accessible online, where it provides predictions of shock arrival times using real-time EPAM data.     

一种优化项目计划的模型与算法

根据费用与进度综合管理的思想，在给出了项目可调余度与计划余度的定义与量化表示的基础上，提出了应用香蕉曲线，考虑资金占用与计划余度两因素来制定与调整项目计划的优化模型及其启发式求解算法，该模型与算法适合于大中型项目初步制定后，在满足工期，资源，费用约束条件下的网络计划优化问题。     

对传感器失效具有完整性的神经网络控制器设计

本文研究了对一些传感器失效控制系统仍保持稳定性的问题，将多层前传神经网络用于这一问题，通过对神经网络的训练，使训练后的神经网络构成的控制器对传感器故障具有完整性。该方法对达到完整性设计的要求条件较低，且不受线性系统方法的限制。文末的仿真实例说明了所给方法的有效性。