一种位并行近似串匹配的星图识别算法

提出了一种基于位并行法近似串匹配的星图识别新方法。 首先为选取的导航星建立相应的模式串,然后利用改进的并行化动态规划矩阵算法（BPM）为观测星图中的星体寻找匹配的导航模式,并验证匹配结果的正确性,完成星图识别。仿真试验结果表明,本方法算法简便、导航星库存储容量小,抗干扰能力强,有很好的鲁棒性。     

一种基于稀疏表示的DOA估计新方法

提出了一种基于空间频率稀疏表示的宽带波达方向DOA估计方法。首先利用空间频率构建过完备字典,以代替传统的频率和角度的二维字典,大大缩小了字典长度。然后对接收到的数据进行傅里叶变换,建立稀疏模型进行DOA估计,提高了算法在低信噪比下的性能。经验证,该算法可对宽带范围内的多个窄带信号及宽带信号进行高精度DOA估计,且适用于非相干信号和相干信号。     

应用旋转矩阵的卫星姿态输出反馈机动控制

针对卫星姿态机动控制问题,提出一种只利用向量测量信息的无角速度反馈的输出反馈控制方法。卫星姿态的指向直接通过旋转矩阵进行描述,而不是先进行参数化过程,避免了由欧拉角、修正的罗德里格参数（MRPs）与四元数等姿态描述方式产生的奇异问题与退绕问题。首先,通过向量测量信息与一组期望姿态向量,引入一个新的姿态指向误差向量,并对其性质进行分析。其次,进一步结合主导滤波器的思想,设计了无需角速度信息的卫星姿态机动控制器,并应用Lyapunov理论,对闭环系统的全局稳定性进行了严格的证明。最后,对所提出的控制算法进行了数值仿真,其结果验证了所设计的输出反馈控制算法的可行性和有效性。     

完全解耦3T2R并联机器人构型综合方法

针对并联机构内部耦合性带来运动学和动力学分析困难的问题,基于G_F集理论提出一种简单而有效的三移动两转动(3T2R)完全解耦构型综合方法。首先,阐述G_F集并联机器人构型理论;其次,根据G_F集的求和运算和转动轴线迁移定理,给出了机构输入运动副选择原则以及解耦支链设计准则;按照完全解耦并联机构设计步骤,列举出了3T2R并联机构各解耦分支运动链,综合出了含有单、双驱动支链的3T2R五自由度完全解耦并联机构,得到了大量新构型;通过所综合出的一种新型并联机构,运用约束螺旋法对机构的自由度数目和运动特性进行分析,根据机构输入与输出参数间关系式,求解得到机构雅可比矩阵,验证了机构的解耦特性,进一步证明了该构型方法的有效性。研究对解耦并联机构的构型设计具有理论指导意义。     

基于动态贝叶斯网络和模糊灰度理论的飞行训练评估

针对战斗机飞行训练中的评估问题,提出了一种基于动态贝叶斯网络和模糊灰度理论的评估方法。首先,分析了训练过程中典型飞行参数与机动动作的因果关系,根据专家经验与先验知识构建基于动态贝叶斯网络的机动动作识别模型,推理得到战斗机机动动作识别结果。然后,建立战斗机飞行训练评估指标体系,根据战斗机机动识别结果选择飞行训练评估指标,并采用综合赋权法确定了指标权重。最后,建立灰度模糊评估矩阵,结合飞行训练过程中各评估指标的飞行数据得到评估结果。实验结果表明该评估方法能够根据飞行过程中的参数信息进行机动动作识别及飞行训练评估,提高了飞行训练评估的效率。     

精密定轨中三类经验加速度的有效建模方法

根据瞬时速度脉冲、逐段常量经验加速度和周期性摄动加速度模型的特点,分别给出敏感矩阵的有效计算方法,以及最小二乘批处理的设计矩阵和法方程矩阵的分块结构。该建模方法将灵敏度矩阵数值积分规模和存储规模降为O(n),而传统方法为O(n 2)。应用GRACE-A星载GPS观测数据对法方程的计算效率测试,结果表明：对于瞬时速度脉冲和逐段常量经验加速度模型,当采用伪距观测量时,法方程构建效率提高1倍;当采用伪距加载波相位观测量时,效率提高3.5倍。对于周期性摄动加速度模型,效率没有明显提高,主要原因在于模型参数较少,矩阵分块建模方法的优越性尚未体现。     

滚动轴承故障诊断的品质因子可调小波重构方法

针对轴承早期故障诊断困难的问题,提出了基于信号共振稀疏分解与品质因子可调小波重构的滚动轴承故障诊断方法.该诊断方法首先对轴承故障信号进行共振稀疏分解获得高共振分量和低共振分量;然后对低共振分量进行品质因子可调小波重构,并结合峭度分析,筛选出最佳分析信号;最后对最佳分析信号进行希尔伯特解调分析,从而提取滚动轴承故障特征信息.通过对仿真信号和实际故障信号进行分析,该方法能有效提取轴承故障信号中的冲击成分,凸显故障特征.      

基于稀疏核增量超限学习机的机载设备在线状态预测

为实现对机载设备工作状态的在线状态预测,提出了一种稀疏核增量超限学习机(ELM)算法。针对核在线学习中核矩阵膨胀问题,基于瞬时信息测量提出了一个融合构造与修剪策略的两步稀疏化方法。通过在构造阶段最小化字典冗余,在修剪阶段最大化字典元素的瞬时条件自信息量,选择一个具有固定记忆规模的稀疏字典。针对基于核的增量超限学习机核权重更新问题,提出改进的减样学习算法,其可以实现字典中任一个核函数删除后剩余核函数Gram矩阵的逆矩阵的前向递推更新。通过对某型飞机发动机的状态预测,在预测数据长度等于20的条件下,本文提出的算法将预测的整体平均误差率下降到2.18%,相比于3种流形的核超限学习机在线算法,预测精度分别提升了0.72%、0.14%和0.13%。