自由漂浮空间机器人神经网络自适应补偿控制

针对更具工程价值的任务空间内的自由漂浮状态空间机器人模型不确定性末端控制问题,提出了一种自适应神经网络控制策略用于机器人末端控制.通过神经网络在线建模来逼近系统中的非线性模型,神经网络的逼近误差及外界有界扰动通过鲁棒控制器来消除,采用引入GL矩阵及其乘法算子"·"来直接辨识的各部分系统参数.该控制策略既不需要逆动态模型的估计值,同时也避免了求雅克比矩阵的逆,降低了计算量.基于李亚普诺夫理论证明了整个闭环系统全局渐近稳定.仿真结果表明了这种神经网络控制器对于任务空间的空间机器人末端控制在达到较高的精度的同时,能够满足实时性要求,具有重要的工程应用价值.     

LEO/MEO双层空间信息网中基于身份的群组密钥管理方案

由于空间信息网中结点的移动性,在空间信息网中实现传统的群组密钥管理面临许多困难.根据空间信息网的特点,分析了空间信息网中群组密钥管理方案的需求,设计了一个适用于LEO/MEO双层空间信息网络的群组密钥管理方案,采用基于身份的思想,消除了对证书系统的依赖,能在空间信息网中灵活高效地实现.将空间信息网中的结点根据其逻辑位置划分为簇,其中簇头为MEO卫星,在密钥交换阶段中共享密钥仅由所有簇头结点决定,这种机制大大减少了通信量.方案能有效抵抗外部攻击者,并且具有前向保密性和后向保密性.仿真实验表明,方案具有很高的通信效率.     

发展性教学理论与网络环境下教学改革探讨

本文对赞科夫发展性教学理论的基本观点进行了分析,对发展性教学理论对我国教学改革的影响进行了概括,对发展性教学理论与网络环境下教学改革进行了探讨。     

LEO卫星网络中无缝切换管理技术研究

针对低地球轨道(LEO)卫星网络中采用移动IPv6(MIPv6)协议带来切换延时长,丢包率高的缺点,本文提出了一种基于MIPv6协议的简单卫星代理本地转发策略。通过解除MIPv6协议中切换过程与位置注册消息交换过程的耦合关系,显著降低了切换延时和切换丢包率。仿真结果表明,新策略与MIPv6协议相比,丢包率降低达75%以上。     

一种基于遗传RBF神经网络的智能容错滤波算法

针对组合导航中标准卡尔曼滤波容错性能不足的问题,提出一种基于遗传RBF神经网络的智能容错滤波算法,其基本思想是通过RBF网络自动调节滤波增益来控制不确定性噪声的影响,进而提高滤波容错性。在RBF神经网络中,隐层单元与核函数宽度的选取对网络的性能具有重要影响,进而利用自适应遗传算法对其隐层单元数及核函数宽度进行了优化,隐层单元中心和输出层连接权值分别由K-均值聚类和最小二乘算法确定,最后得到精度较高且结构优化的RBF网络。为检验方法的应用效果,以SINS/GPS组合导航系统为例进行了仿真验证,实验结果表明遗传RBF网络容错滤波算法能在满足导航精度和计算量增加较小的前提下,比标准卡尔曼滤波具有更强的容错能力,由此也说明了方法的有效性。     

某自动测试系统神经网络故障诊断模块设计与实现

阐述了自动测试系统中故障诊断的重要性,详述了诊断的流程.以某型防空导弹自动驾驶仪为例,首先利用LabVIEW中的MATLAB脚本节点,分别以BP和RBF神经网络为算法编写故障诊断函数;然后用LabVIEW开发故障诊断模块界面,最后将TabVIEW和神经网络两者的优势结合实现自动驾驶仪的故障诊断.实验仿真结果表明:模块设...     

基于分层神经网络的航天器故障诊断技术

为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。     

立方体星的技术发展和应用前景

系统论述了立方体星技术发展的三个阶段;从2010-2013年已成功发射的立方体星与纳卫星中挑选了10颗典型卫星,研究分析其技术水平、应用价值和特点优势;并重点论述了立方体纳卫星的应用;最后预测了立方体纳卫星的未来应用前景。     

FADS压力传感器延迟补偿

嵌入式大气数据传感器系统通过在飞行器各部位的压力传感器阵进行工作,当大气密度较低时,压力传感器延迟时间过长,致使FADS测量精度减低,甚至无法正常工作.通过对压力传感器延迟产生的机理进行分析,提出相位超前校正网络延迟补偿的方法,合理选取超前校正网络参数,并适当减小连接压力传感器与机体表面的细管长度,可以有效减小传感器延迟,使FADS的可使用空域由35km增大到60km.相位超前校正网络延迟补偿方法具有效果明显且易于工程实现的优点.     

基于进化神经网络的组合导航系统滤波算法研究

组合导航系统中,卡尔曼滤波算法的估计特性依赖于精确的系统模型和准确的外观测数据.任何一个条件不满足将导致滤波精度下降甚至发散.为此,本文引入进化神经网络和自适应卡尔曼滤波技术.仿真结果证明,文中所提算法能够有效克服常规卡尔曼滤波的缺点,并保持较高的精度.