DENDRITE ARM SPACING OF DIRECTIONAL SOLIDIFICATION STRUCTURE OF HIGHLY UNDERCOOLED MELTS

Ｔｈｅｃｏｎｖｅｎｔｉｏｎａｌｄｉｒｅｃｔｉｏｎａｌｓｏｌｉｄｉｆｉｃａｔｉｏｎｉｓｃｏｎｄｕｃｔｅｄａｔａｐｏｓｉｔｉｖｅｉｎｔｅｒｆａｃｉａｌｔｅｍｐｅｒａｔｕｒｅｇｒａｄｉｅｎｔ,ａｎｄｓｅｖｅｒａｌｋｉｎｄｓｏｆｃｈａｒａｃｔｅｒｉｓｔｉｃｓ...     

ROBUST ADAPTIVE BANK-TO-TURN MISSILE AUTOPILOT DESIGN USING FUZZY CMAC NEURAL NETWORKS

ＲＯＢＵＳＴＡＤＡＰＴＩＶＥＢＡＮＫ┐ＴＯ┐ＴＵＲＮＭＩＳＳＩＬＥＡＵＴＯＰＩＬＯＴＤＥＳＩＧＮＵＳＩＮＧＦＵＺＺＹＣＭＡＣＮＥＵＲＡＬＮＥＴＷＯＲＫＳＺｈａｎｇＹｏｕａｎ（张友安）,ＣｕｉＰｉｎｇｙｕａｎ（崔平远）,ＷａｎｇＳｈｏｕｂｉｎｇ（王守斌...     

自寻的导弹攻击机动目标的最优制导规律的研究及实现

提出一种适用于红外和雷达自寻的制导导弹的适应性强、制导精度高、易实现的最优制导规律。为解决工程实现的关键问题,提出了目标机动加速度模型。根据该模型并利用导弹导引头的AGC信号或雷达测距信号,给出了目标机动加速度、导弹与目标相对距离和距离变化率的估计算法。     

基于随机子空间方法的模态参数识别研究

随机子空间识别 (StochasticSubspaceIdentification ,以下简称SSI)方法是一种新的时域识别方法 ,该方法仅用自然响应数据 ,通过QR分解和SVD分解等一套正交投影算法识别系统模型。研究了SSI方法在模态参数识别领域的应用。采用NASAmini mast模型 ,仿真分析了SSI算法控制参数选择技巧 ,论证了其参数识别精度。通过处理日本CFT大楼实测数据 ,研究了SSI方法识别真实结构模态参数的问题。应用Kalman滤波器 ,测量响应可以分解为模态空间响应 ,将信号功率谱分解成多条单自由度系统功率谱。     

基于数字滤波器的伺服系统谐振抑制方法

针对飞行仿真伺服系统(转台)中存在的机械谐振问题,在分析传统陷波器及二阶低通滤波器谐振抑制原理的基础上,提出了一种双二次谐振抑制数字滤波器.该双二次型数字滤波器结合了传统陷波器和二阶低通滤波器的特点,能够将谐振点和反谐振点同时抑制.通过理论分析与仿真验证相结合的方式,阐述了该双二次型数字滤波器能够同时抑制正反谐振点的原理,并将该滤波器加入到了转台系统中进行实验.实验结果表明,所设计的滤波器在提高跟踪精度的同时有效拓宽了系统的带宽.      

二元机翼颤振的指令滤波反推自适应约束控制

为有效抑制二元机翼颤振现象,设计了一个指令滤波反推自适应约束控制器。考虑二元机翼气动弹性系统存在多项式结构非线性特性以及系统不确定的情况,针对二元机翼控制面偏转角度限制以及系统外部阵风扰动等问题,将前/后缘双控制面布局的二元机翼动态方程以状态空间形式描述,采用反推控制技术进行控制律整体设计,通过指令滤波环节对虚拟/实际控制信号进行幅值限制,并将滤波前后的信号差引入到自适应约束控制律设计过程中。仿真结果表明,在一定来流速度下,开环系统出现极限环颤振现象,闭环控制系统能快速达到稳定状态,二元机翼颤振现象得到有效抑制。     

基于PHD未知杂波密度多机动目标跟踪

基于随机有限集（RFS）的跳变马尔可夫系统（JMS）是多机动目标跟踪的有效方法。但现有的方法假设杂波密度是先验已知的,而实际中杂波密度是未知且可能随着环境的改变而变化。针对这一问题,提出了一种适用于线性高斯模型的未知杂波密度下多机动目标跟踪算法。该算法以未知杂波密度高斯混合概率假设密度（λ-GMPHD）滤波为基础建模杂波和真实目标,采用线性高斯JMS模型描述目标机动,推导了未知杂波密度下多机动目标跟踪的GMPHD迭代解析表达式。仿真结果表明,所提算法可实现对于杂波密度以及目标数和目标状态的准确估计。      

数字锁相解调器的优化设计

数字锁相解调器是电磁无损检测中弱信号处理的重要方法,针对其性能优化,设计一种引入卡尔曼滤波器的数字锁相解调器,该解调器兼具了强抗噪能力及良好的动态跟踪响应特性。利用卡尔曼低通滤波器截止频率随迭代次数下降的特性,结合零点频率,设计了数字锁相解调器中的低通滤波环节,实现了非常窄的锁相带通,进而提高了抗击强噪声干扰能力。此外,利用卡尔曼滤波器的迭代预测-更新特点,实现了数字锁相解调器较小的响应时间,进而改善了数字锁相解调器的动态跟踪响应特性。仿真和检测实验证明所设计数字锁相解调器具有较高的抗噪能力和良好的动态跟踪响应特性,在电磁无损检测中能够精确、快速捕捉检测信号中包含的缺陷信息。      

基于并行模型自适应滤波的空间目标相对位姿估计

摘要： 扩展卡尔曼滤波(EKF)的估计精度受限于测量噪声统计特性的准确程度,如果敏感器测量噪声方差偏离其标称值,将会对滤波性能产生不利影响.尽管自适应扩展卡尔曼滤波(AEKF)能够对测量噪声方差进行估计,但是,噪声特性准确的情况下,AEKF的性能往往不及传统EKF.针对上述问题,本文提出一种并行模型自适应滤波(PMAF),基于特定的自适应率将EKF和AEKF结合起来,使得在先验信息准确的情况下,EKF在状态估计中起主导作用;相反,在实际噪声方差偏离标称值时,令AEKF起主导作用.这样,即能有效削弱测量噪声统计特性不确定性对滤波性能的影响,又能确保正常情况下的估计精度.以空间目标相对位姿估计为例,通过数学仿真对EKF、AEKF和PMAF进行了对比研究,表明所提算法的综合性能优于传统方法.