序列凸优化的小天体附着轨迹优化

针对小天体附着多约束轨迹优化问题,提出一种基于序列凸优化的轨迹优化方法。首先采用内球谐引力场模型对目标小天体附近的不规则引力场进行精确建模,内球谐引力场模型是对经典球谐系数法的改进,形式简单,计算量小,并且克服了经典球谐系数模型在形状不规则的小天体附近不收敛的问题。对于小天体附着多约束轨迹优化问题,通过约束松弛、线性化、离散化过程,转化为一个可以迭代求解的二阶锥规划问题（SOCP）,进而采用内点法进行解算。数学仿真结果显示,优化结果符合各项约束条件,以零速度到达了目标着陆点,且符合燃耗最优的优化目标。利用序列凸优化算法进行小天体附着燃耗最优轨迹设计,推导简便,计算速度快,精度高,具有应用价值。     

基于模糊在线调整权重因子的三相六开关容错逆变器驱动异步电机FCSMPTC

为了进一步提高异步电机的控制性能,减小磁链和电流脉动,针对传统异步电机有限控制集模型预测转矩控制(FCSMPTC)中目标代价函数权重因子的配置问题,提出一种模糊在线调整权重因子的异步电机FCSMPTC方法。通过判断转矩和磁链误差,采用TakagiSugeno模糊控制方法实现对权重因子的动态调整,并给出了模糊论域和相应的模糊规则设计。同时考虑到三相异步电机驱动系统中逆变器开关故障给控制系统带来的影响,采用三相六开关容错控制策略对系统进行容错控制。仿真结果表明:该控制方法能够平滑磁链和电流输出,减小电流谐波。     

冗余惯组故障检测与隔离的广义似然比解耦矩阵构造新方法

冗余惯组可提高运载火箭制导系统的可靠性,惯性器件发生故障会污染导航信息,需要进行在线故障检测和隔离。面对安装矩阵一定的成套冗余捷联惯组,使用Potter算法构造解耦矩阵的广义似然比故障检测方法,无法检测并隔离特定轴故障,提出选择正交投影矩阵的极大无关组来构造解耦矩阵,采用全数字仿真对改进方法进行验证。结果表明,新方法克服了成套惯组同轴共基座安装时某个轴向无法故障检测的问题,且故障检测性能没有降低。该方法为运载火箭制导系统在线故障检测技术提供了一种新思路。     

基于随机有限集的空间碎片群运动状态估计

传统的空间目标监测是建立在单目标状态估计基础之上,在面对突发产生的大量空间碎片时,由于碎片尺寸小,且密集分布以"群"的方式出现,传统单目标处理方法很难奏效。以"群"整体作为处理对象,基于随机有限集(RFS)技术,对"群"的状态特征进行估计。为了解决漏检目标密度分配问题和轨迹关联问题,提出一种面向量测的改进集势概率假设密度(CPHD)滤波器,并结合滤波后的信息处理过程,完成了对低轨空间碎片群的目标密度分布、群内目标数以及群内显著目标的状态估计。在仿真实验中,提出的滤波器表现明显优于传统滤波器和标准CPHD滤波器,且在某些传统滤波器和标准CPHD滤波器已失效的情况下,所提技术仍能有效工作。     

基于群决策层次分析法的 潜射反舰导弹武器系统作战效能评估

文章着眼于潜射反舰导弹武器系统组成和作战过程,构建了较为全面的武器系统作战效能评估指标体系,应用群决策方法对层次分析法进行改进,采用Hadamard乘法凸组合对不同专家的判断矩阵进行集结来确定指标权重,克服了传统层次分析法易受个人偏好影响、评价结果不够客观的弊端。同时,针对效能指标的模糊、不确定性,运用灰色系统理论进行定量化处理,实现了定性与定量评估的转换,建立了集中群决策层次分析法和灰色理论两者优点的效能评估方法。实例表明,该方法切实可行,能够提高评估的准确性。     

基于序列凸规划的运载火箭轨迹在线规划方法

针对大气层内气动力对轨迹规划求解实时性与收敛性的影响,提出一种基于模型补偿序列凸规划的大气层内火箭轨迹规划方法.该方法的核心思想是通过设计一种序列补偿的方式,将火箭动力学中非线性项(气动力加速度与重力加速度)与过程约束项(动压、过载约束等)进行凸化,从而将轨迹规划问题转化为序列凸规划问题而得到快速求解.在此基础上,本文...     

基于粗糙集的雷达辐射源信号识别

雷达信号识别是侦察系统信号处理的目的,是整个雷达对抗信号处理中的关键性环节,为解决雷达辐射源信号模式识别困难的问题,在深入研究粗糙集理论的基础上,将其同辐射源信号识别问题相结合,给出了基于粗糙集的辐射源信号识别模型。同时介绍了连续属性离散化、知识约简和规则提取的概念,给出工基于粗糙集的识别过程。实验表明该方法减少了识别的主观因素,能有效处理辐射源识别中的模糊性和不确定性,具有广阔的应用前景。     

涡轮静叶叶型与气膜孔优化对气动与冷却性能影响

为研究气膜冷却涡轮叶片中叶型与气膜孔参数变化对涡轮静叶性能的影响,利用气膜冷却涡轮多目标优化平台对存在多列气膜孔的静叶进行多目标优化.获得在优化变量允许范围内针对气动效率与传热效果以及高温目标函数的Pareto前沿解集,整体性能得到了提高,不同方案中气动效率最高提升0.35%,叶片表面温度最大下降0.74%,高温函数降低的最大幅值为45.71%.结果表明:气动效率提升的主要原因是后弯角的提升使得叶型和二次流损失下降;接近驻点处前缘气膜孔方向的改变导致的冷气分流是叶片根部和前缘附近压力侧的冷却情况得到改善的主要原因.     

Aero-engine fault diagnosis applying new fast support vector algorithm

A new fast learning algorithm was presented to solve the large-scale support vector machine ( SVM ) training problem of aero-engine fault diagnosis.The relative boundary vectors ( RBVs ) instead of all the original training samples were used for the training of the binary SVM fault classifiers.This pruning strategy decreased the number of final training sample significantly and can keep classification accuracy almost invariable.Accordingly , the training time was shortened to 1 / 20compared with basic SVM classifier.Meanwhile , owing to the reduction of support vector number , the classification time was also reduced.When sample aliasing existed , the aliasing sample points which were not of the same class were eliminated before the relative boundary vectors were computed.Besides , the samples near the relative boundary vectors were selected for SVM training in order to prevent the loss of some key sample points resulted from aliasing.This can improve classification accuracy effectively.A simulation example to classify 5classes of combination fault of aero-engine gas path components was finished and the total fault classification accuracy reached 96.1%.Simulation results show that this fast learning algorithm is effective , reliable and easy to be implemented for engineering application.     

改进的MMPHD机动目标跟踪方法

基于序列蒙特卡罗方法的经典多模概率假设密度滤波方法及其各种衍生方法,在预测过程中依据多个并行的状态转移模型,通过将大量粒子散布到下一时刻目标所有可能出现的状态空间实现目标状态的捕获,造成计算量大、目标跟踪精度差。为此,提出一种改进的多模粒子概率假设密度机动目标跟踪方法。该方法利用最新量测信息估计目标运动模型概率及模型参数,并将估计得到的目标模型应用到粒子概率假设密度滤波方法的预测过程中生成预测粒子,从而将大部分粒子聚合在目标最可能出现的状态空间邻域中,实现粒子的有效利用。数值仿真表明,所提方法不仅显著地减少了目标丢失个数,而且提高了目标跟踪精度。