基于神经网络的自适应状态观测器

利用ＢＰ神经网络动态系统对一类非线性时变系统的状态进行了估计。利用神经网络的“学习－遗忘”特性,提出了非线性时变系统的自适应状态观测器,对其结构及特性进行了讨论。仿真结果表明这种自适应状态观测器能跟踪系统参数及状态的变化。     

雷达目标跟踪中的非线性滤波技术

对雷达目标跟踪中的9种非线性滤波技术进行了综述,介绍了其基本思想,分析了各方法的优缺点并进行了比较。     

空间大挠度梁的有限元动力学响应分析

从弹性梁的非线性应变位移关系出发,结合Hamilton变分原理推导出了作大挠度振动的空间梁的动力学有限元方程。方程中考虑了与变形相耦合的非线性惯性项。计算表明,作大挠度振动的悬臂梁的响应是由不同的谐波成分组成;在相同结构阻尼影响下,大挠度梁的稳态振幅比线性情况下的稳态振幅要低;非线性惯性项与弯扭耦合项对系统的动力学特性有比较明显的影响。     

基于非线性规划的室内TOA测距值优化方法

在室内环境中,无线信道中的非视距和多径传输等效应严重影响了到达时间（TOA）定位系统的测距值精度,从而导致较大的测量误差和定位误差。将测距值优化抽象为非线性规划问题,在实现视距/非视距（LOS/NLOS）场景识别的基础上,利用TOA测距误差模型和“目标-基站”间的几何约束为序列二阶非线性规划方法设置合理的初始值,建立了目标函数和约束条件,对定位测距值进行了有效校正。利用典型的TOA测距误差模型进行了仿真验证,利用具有TOA测距功能的无线定位节点在办公环境中进行了实测验证。结果表明,该方法优化后的测距值精度明显优于原始测距值和传统的测距值修正方法,从而验证了该方法的有效性。      

抗扰动复合非线性伺服控制器的设计与应用

针对典型的电机伺服系统,提出了一种鲁棒复合非线性伺服控制器的离散域设计方案。把系统的扰动和不确定性归结为一个斜坡信号(其变化率恒定),设计一个降维线性扩展状态观测器,对系统未测量状态和未知扰动加以估计。把设计的控制律应用于永磁同步伺服电机,先在MATLAB上进行仿真分析,随后基于TMS320F28335DSC进行试验测试。结果表明系统在各种类型扰动作用下,对目标位置都能实现快速、平稳和准确的跟踪,具有较好的鲁棒性。     

基于NUIO的无人机作动器故障检测

针对受未知气流干扰与随机噪声影响的无人机纵向系统进行作动器故障检测研究.在建立固定翼式无人机非线性系统纵向模型的基础上,设计了基于容积卡尔曼滤波(CKF)的非线性未知输入观测器(NUIO).通过构造未知输入观测器结构来解耦未知气流干扰对残差的影响,同时,CKF被算法用于求解观测器增益矩阵,实现了在未知气流干扰解耦情况下残差对随机噪声的鲁棒性.最后,利用残差χ2检验方法判断故障是否发生.仿真结果表明:此方法能有效解耦未知干扰对残差的影响,并快速、准确地检测出了无人机作动器故障.      

基于传递函数特征的机械结构故障诊断方法新进展

故障诊断对估计机械结构的健康状态非常重要,诊断方法一直以来也是研究的热点问题。与其他故障诊断方法相比,基于传递函数的故障诊断方法操作简单,提供的故障特征和指示因子也更加灵敏有效。根据所利用的线性传递函数或非线性传递函数的类型不同、基于传递函数的故障诊断方法目前大概有4类,即一般线性方法、一般非线性方法、基于广义频响函数（GFRF）方法和基于二阶输出频谱（SOOS）方法。本文旨在对各种基于传递函数的故障诊断方法研究进展进行梳理,通过带阻尼弹簧单元的多自由度模型解释各种方法的基本原理和操作流程,通过具体的仿卫星结构中螺栓松动故障实验比较各种方法的优缺点,探讨现有故障指示因子灵敏度的提高方式及现有方法在其他复杂机械结构中的运用前景。     

行星齿轮非线性振动系统参数稳定域的计算方法

研究了行星齿轮非线性传动系统参数稳定域计算的一般方法.该方法通过选取合理的失稳阀值,根据考查参数域内系统的运动状态选取合适的数值积分时间段,以循环套嵌的手段计算考查参数在各自范围内不同组合下的系统位移响应最大值,比较失稳阀值以判稳,参数稳定域的图形输出等5个步骤完成对行星轮系参数稳定域的计算.最后,以四自由度行星轮系纯扭转非线性振动模型为例,以行星轮输入转速、系统的齿侧间隙以及齿轮副的啮合阻尼系数为考查参数,分别计算得到了系统的单参数稳定域、双参数稳定域以及三参数稳定域,为行星轮系的设计取值提供了重要参考.      

考虑缓冲器非线性的桨毂中心动特性仿真分析

通过试验数据拟合建立缓冲器非线性动力学模型,采用仿真分析方法,仿真考虑缓冲器非线性动力学特性的桨毂中心动特性试验.仿真结果与试验结果进行比较表明,采用缓冲器非线性动力学模型能较准确地预计桨毂中心非线性动力学特性.分析了缓冲器非线性动力学特性对桨毂中心动特性的影响.     

基于BP神经网络的高精度陀螺恒流源补偿方法

为了提高陀螺恒流源精度,提出一种基于BP神经网络的陀螺恒流源补偿方法.采用BP神经网络训练恒流源控制指令与恒流源输出之间的非线性映射稳态模型,以实时估计恒流源输出偏差.设计恒流源控制指令补偿判据,当输出偏差超出设定裕度时,按比例对恒流源控制指令值进行实时补偿,使得恒流源输出更接近控制目标值,以实现更优的精度.通过实物在回路仿真验证了上述方案的有效性,并通过与传统对控制指令进行分段线性标定方法相比较,显示了上述方案的恒流控制优势.