双臂空间机器人关节运动的一种增广自适应控制方法

讨论了载体位置、姿态均不受控制情况下,具有未知参数的自由漂浮双臂空间机器人系统的自适应控制问题.由于此类机器人系统具有结合系统动量及动量矩守恒关系得到完全能控形式的系统动力学方程,以及系统惯性参数不符合惯常的线性函数关系的特点,因而地面机器人的控制方法在此难以直接推广应用.为了克服上述难点,仅将系统动量守恒关系耦合到系统动力学方程当中,而不耦合系统动量矩守恒关系,结果得到一组欠驱动形式的系统动力学方程.该系统动力学方程的优点是关于一组组合惯性参数能保持惯常的线性函数关系.以此为基础,并借助增广变量法,针对双臂空间机器人末端爪手所持载荷参数未知的情况,设计了关节空间轨迹跟踪的自适应控制方案.该控制方案的显著优点为,不需要测量、反馈双臂空间机器人漂浮基的位置、移动速度和移动加速度.系统的数值仿真,证实了方法的有效性.      

指数分布可靠性增长分析的Bayesian整体推断方法

本文引入服从广义逆Gamma分布的折合因子,得到一种指数可靠性增长下失效率的Bayes整体推断技术,并采用Laguerre-Gauss积分方法得到了折合因子分布参数的精确数值解,通过典型示例与其它确定分布参数的方法进行比较,可知这种方法更加接近工程实际。     

R/S方法求解网络流量自相似参数的实现与应用

基于网络流量具有统计自相似性的理论,通过计算自相似参数Hurst值来检验流量的自相似程度。采用R/S方法对流量数据进行分析,给出了R/S方法详细的实现算法,通过实验的分析与比较,验证了自相似性的存在。自相似性是正常网络流量具备的特征,当流量发生异常时,Hurst值会出现明显的变化,本文将这一变化应用于DDoS攻击检测做了初步的探讨。基于自相似理论的网络流量异常检测技术与传统的基于统计异常技术和数据包特征匹配等方法相比,具有更高的准确性和可靠性。     

空气动力二阶核函数辨识方法

采用截断三阶Volterra级数模型来研究空气动力二阶核函数的辨识问题,选取一簇正交化的切比雪夫多项式对二阶核函数进行参数化处理,并将非参数辨识问题转化成参数辨识问题。相比于其他方法,本文模型能有效降低对激励信号幅值的敏感程度,保证辨识出的核函数具有较好的保真度;只针对三阶Volterra降阶模型中的一阶、二阶核函数进行辨识,即可提升原系统一阶、二阶核函数的辨识精度,却不会显著增加辨识过程的工作量;参数化辨识方法属于整体性辨识,根据已有的部分数据对(输入、输出数据)就能完成系统辨识,且能达到较好的辨识精度,从而有效地减少了执行计算流体力学(CFD)代码程序的总次数,节约了大量的时间成本。算例表明,与目前流行的非参数化方法相比,本文提出的切比雪夫函数辨识方法,精度上达到预期要求,辨识过程消耗的CFD总时间量至少可降低一个数量级。     

教学新摸式在专项课教学中的运用

本文主要阐明了新的教学模式在专项课教学中的运用,并对新模式的结构及运用作了分析。通过讨论讲述了新模式的优势,并提出运用新模式的具体要求。     

三阶段法与活动周期图

对二种离散系统仿真建模方法，三阶段法和活动周期图进行系统的介绍，分析与讨论，指出它们的特点，应用情况及最新发展，三阶段法是分析研究仿真问题的一种世界观，具体反映在仿真软件及模型的程序结构，活动周期图往往与三阶段法一道使用，用于描述系统内实体的逻辑流程，这两种方法的特点使它们成为欧洲，尤其是英国最重要的离散系统仿真建模方法。     

变容量限制多阶段存储问题及其求解算法

本文给出了求变容量限制多阶段存储问题的最优存储方案的一个数值算法，证明了它的理论依据，并举例说明了算法的应用。该算法具有概念清楚、步骤明确、收敛性好、易于编程实现等优点，在存贮管理中有推广应用价值。     

基于Lyapunov方法的空间飞行器大角度姿态机动控制

本文研究空间飞行器大角度资态机动的控制问题，为了克服大角度机动时使用欧拉角可能产生的奇异问题，文中使用四元参形式的微分方程来描述飞行器的运动，飞行器的动力学方程具有不确定性和非线性。本文应用Lyapunov方法设计在大角度姿态机动控制器，这个控制器具有按指数规律变化的增益，它大大减小了对初始力矩的要求，最后，本文给出一个例子来说明所导出的控制器的优点。     

卫星远距离伴飞的变结构控制

主要研究卫星远距离稳态伴飞的控制问题。首先,根据线性相对运动方程(C-W方程)设计了能实现稳态伴飞的变结构控制律,并证明了其在有干扰情况下的有效性。然后,推导了适用于远距离相对运动的非线性方程解析解,并在此基础上对伴飞控制律进行了改进,以实现远距离的稳态伴飞。通过仿真,比较了上述控制律的效果,证明了基于非线性相对运动的变结构控制能有效地实现远距离稳态伴飞。     

Bayesian approach to retrieval of vertical ozone profile from radiometry data

A technique for retrieving vertical distributions (profiles) of atmospheric gas constituents from data of passive remote sensing of the atmosphere is proposed. The goal of the technique based on the statistical (Bayesian) approach to solution of inverse problems is construction of probability distribution for a sought quantity throughout the interval of the studied heights. It is assumed that initial data contain measurement noise, and a priori information about properties of the profile is used. It is proposed to approximate the sought profile by a function in the form of an artificial neural network. This approximation allows optimal inclusion of a priori information into retrieval procedure, thus ensuring the most effective regularization of the problem. Efficiency of the proposed technique is demonstrated on an example of retrieval of vertical ozone profile from data of ground-based sounding of the atmosphere in the millimeter wavelength range. Results of profile retrieval from model data and from spectra of radiation temperature of the atmosphere measured in the Apatity (67° N, 33° E) in the winter of 2002–2003 are presented.