基于马鞍形磁场的永磁直线电机位置解算方法

针对直线电机转子位置检测低成本和较高精度的要求,提出了一种基于马鞍形磁场来获得位置信息的方法及实现过程。分析了永磁体表面的磁场分布特征,指出了利用马鞍形磁场分布曲线来解算位置信息的优点,提出了根据马鞍形磁场推算位置信息的算法流程:先测得错开相位的2条马鞍形曲线数据,划分为4个象限后建立数据库；位置检测时,运用区间搜索算法寻得实际角度所在区间；再根据精度要求,采用合适的插值算法计算得到待解算的角度。仿真结果表明:基于马鞍形磁场的位置解算,能较好地得到直线电机转子的位置信息。     

基于改进的卷积神经网络的步态识别

为了提高惯性传感器采集到的序列数据中步态识别的准确率,建立了一个激励层改进的卷积神经网络(CNN)模型。针对三轴加速度传感器对运动太过敏感导致步态周期划分不准确的问题,采用加速度传感器与弯曲度传感器组合获取人体运动信息。将CNN模型中激励层的线性整流函数(ReLU)改进为带泄露线性整流函数(Leaky ReLU),以解决遇到卷积输出数据小于0时神经元被抑制的问题,进而达到提高步态识别准确率的目的。实验结果表明激励层优化的CNN模型在行走、上下楼和上下坡五种步态模式下识别率达到了95.79%,与未采用弯曲度传感器的改进CNN模型和未进行激励层改进的CNN模型相比,步态识别率有所提高。     

改性双基推进剂老化燃烧性能实验研究

用Ｘ射线实时荧屏分析系统对人工加速老化的改性双基推进剂的燃烧性能进行试验研究,结果表明,人工加速老化对双基推进剂的燃速影响不大,但对推进剂的装药结构性能有较大影响。试验发现在７０°Ｃ的老化温度下２４天后,推进剂的结构破坏导致异常燃烧现象明显,辅助试验表明,６０°Ｃ９０天可以认为是该种推进剂的安全界限     

改性双基推进剂催化特征燃烧现象的实验研究

采用П形微热偶、铜台熄火、扫描电镜、单幅火焰照相等技术, 研究了改性双基推进剂催化燃烧特征,用以催化剂为中心的气泡理论,解释了催化剂产生超速燃烧的机理。发现催化燃烧推进剂燃烧表面不均匀,高压下泡沫区比低压下细密而长,泡沫区的物质为未燃烧推进剂;更高压力下泡沫区的消失导致平台燃烧区的出现等现象。还提出了均质推进剂固相多反应机理, 并指出压力不同固相反应机理基本相同, 但固相放热程度不同     

基于VSC的线性控制参数化及在飞行控制中的应用

对一类非线性系统进行平衡工作点参数化,得到调度（ＳＣＨＥＤＵＬＩＮＧ） 参数线性化方程。在此基础上,利用线性ＶＳＣ 理论设计调度参数化的局部线性控制器。为了减少某一状态下控制器对调度参数实际值的影响,在控制器中引入调度变量修整项。将所得结果用于飞行控制系统,设计出飞机纵向通道的调度参数化控制器,数字仿真验证了控制器的控制性能,结果良好。     

磁浮支承系统的神经网络建模与控制

简述了磁悬浮支承系统的原理和简化的线性化模型,以及基于该简化模型和线性控制理论的控制系统原理、主要组成,并阐述了这种基于简化模型和线性控制理论的磁悬浮支承系统性能极限性.在此基础上,采用非线性递归神经网络对磁悬浮支承系统进行建模与控制,并针对实际应用中神经网络的学习问题进行了讨论.避免了磁悬浮系统的非线性和不确定性等因素对系统性能影响,并具有较强鲁棒性,大大提高了磁悬浮系统的性能.      

带有附加扰动的系统族的鲁棒镇定

考虑线性不确定系统的鲁棒镇定问题,系统的不确定性由参数摄动和附加扰动组成。系统的参数摄动采用凸边界系统族的方法描述,给出了该系统可鲁棒δ－镇定的一个充分条件,基于这个结果将不确定系统的鲁棒δ－镇定问题转化为一个优化问题,并且进一步证明了该优化问题是凸的,因此其任何一个局部最优点也是全局最优点。算例说明了该方法的有效性。     

空军武器装备系统作战效能评估方法探讨

空军武器装备系统,一般认为由飞机装备,雷达装备和防空武器装备三大部分组成,对于单一武器装备的作战效能的分析方法,已有很多相关理论,对于上述三个部分构成的武器装备（总）系统的作战效能的评估方法,采用什么样的数字模型,进行哪些方面的判断决策,如何根据蓝方现有（或假想）武器装备对应求解红方现有（或假想）武器装备的最优配置方案等等,是本文所要讨论的问题。     

均值检验方法及其在冗余惯性导航系统中的应用

采用了非线性滤波的方法对影响故障检测及分离（FDI）性能的传感器误差进行了补偿,同时提出了故障检测与分离的均值检验方法（MVT）,该方法可以对2个传感器同时出现故障的情况进行检测与隔离。5个陀螺冗余惯性导航系统仿真结果验证了本文算法的有效性。     

用TH神经网络方法外推数据的超分辨雷达成象

研究用Ｔａｎｋ－Ｈｏｐｆｉｅｌｄ神经网络（ＴＨＮＮ）求解ＡＲ模型参数作数据外推的超分辨雷达成象,并用微波暗室实测数据对ＴＨＮＮ方法和Ｂｕｒｇ方法作了验证,结果表明,两种方法均能在较低的信噪比条件下实现超分辨成象,且随着ＶＬＳＩ技术的发展,神经网络方法将是一种很有希望的超分辨成象方法。