主动磁悬浮轴承系统实时不平衡力补偿控制

针对主动磁悬浮轴承(AMB)系统中与转速同频的周期性不平衡激励对系统稳定性以及其他性能的影响,提出一种基于变步长最小均方算法作为前馈补偿控制器的新的实时前馈自动平衡策略.此控制器能够提供适当的正弦信号用来补偿转子反馈位移信号中的与转速同频的不平衡响应,从而降低控制电流的波动以及减弱AMB系统的主动控制作用.通过分析标准LMS算法原理以及其在AMB系统实时滤波补偿应用中的不足,得到新的与转速成比例的LMS算法步长因子.实验结果表明,该算法能够在一个宽频带内实现实时不平衡力补偿控制,有效降低不平衡激励对系统基础的影响,为转子速度的进一步提高提供便利.     

基于自适应逆最优控制的卫星容错控制

针对卫星在轨飞行过程中存在的一类执行机构故障,提出一种基于自适应逆最优控制原理的卫星姿态容错控制设计方法。考虑卫星执行机构出现故障的情况,将系统的不确定性参数作为估计的自适应参数,基于逆最优原理采用积分反推方法求解辅助系统的自适应控制Lyapunov函数,设计了能够确保原系统鲁棒稳定的自适应逆最优控制器。同时基于Lyapunov方法,从理论上推导了所设计出的控制律的稳定性,并通过仿真进行了控制算法验证。仿真结果表明,所设计的基于自适应逆最优控制的卫星容错控制方法能够保证执行机构出现故障时姿态控制系统稳定。     

一类非线性空间分布系统自适应容错控制

研究了一类由偏微分方程组(Partial differential equations,PDE)描述的非线性空间分布系统的自适应容错控制(Fault-tolerant control,FTC)问题。首先,采用模态分解方法将PDE系统表示为一个有限维慢子系统与一个无限维快子系统相耦合的型式;然后,基于慢子系统模型及小增益定理设计了自适应FTC律,使闭环系统在所有容许的未知非线性动态以及执行器卡死故障的影响下都能渐近稳定。     

不同节流装置测量气液两相流的动态特性研究

为了研究文丘里管、多孔孔板和V型内锥3种功能节流式流量计测量得到的气液两相流动态特性,采用高频差压传感器获取不同流型下的动态差压信号,利用AOK时频谱对差压信号进行分析,通过时频谱图研究不同流型下信号的时变特征.通过对典型的泡状流、弹状流、塞状流信号的实验分析表明:文丘里管在塞泡流存在较强的噪声信号,V型内锥在泡状流存在较强的噪声信号.多孔孔板具有很好的降噪效果,且多孔孔板能均衡信号的能量,信号能量分布较均衡.3种节流仪表均能很好地描述两相流定态特性,能够用于两相流流型识别及其它参数测量.     

不确定伺服系统的模糊自适应 NTSM控制

针对永磁同步电机伺服系统内因结构参数变化和末端负载变化带来的控制问题,提出了 1种结合模糊控制理论的新型自适应非奇异终端滑模控制策略。首先,在传统滑模控制理论基础上设计结构参数自适应律,消除系统结构参数变化的影响;然后,利用模糊控制理论估计负载扰动的上界,减小了滑模控制的抖动问题,进而通过构造非奇异终端滑模面,提高了伺服系统的响应能力;最后,为了缩小系统的跟踪误差,设计了基于误差积分的非奇异终端滑模面。离散化仿真结果表明,所提出控制算法对系统结构参数变化和负载变化具有良好的鲁棒性。     

基于改进CLAHE的航空发动机导向叶片DR图像增强

为了解决航空发动机导向叶片数字射线（DR）检测图像信息动态范围大、对比度低、细节信息不明显,缺陷区域难以识别的问题,提出一种改进型限制对比度自适应直方图均衡化（CLAHE）算法。采用CLAHE增强导向叶片DR图像对比度,同时引入基于空间均值滤波器的Gaussian掩模处理,进行DR图像降噪,提取DR图像的低频信息;采用CLAHE增强的图像与提取的DR图像低频信息线性做差,突出DR图像的高频细节信息;与CLAHE增强的图像线性叠加,进一步提高了DR图像的对比度,实现导向叶片DR图像增强。依据图像基本空间分辨率（SRB）、信噪比（SNR）、灰度平均值对DR图像增强效果进行评价。结果表明: 改进的CLAHE算法,可以同时将表征SRB的D13双丝线对应的调制深度值从49.17%提高到了56.08%,整体灰度平均值从32 400.66增加到了38 684.43,02号微小裂纹缺陷的SNR从14.10提升到了15.16。结果显示优化的CLAHE算法,相比自适应直方图均衡化（AHE）等4种经典的航空发动机导向叶片DR图像增强算法,不仅提高了平坦区域对比度,突显了边缘细节信息,而且有效提升了微小缺陷的视觉效果。     

网络攻击下无人机信息物理系统的自适应状态估计

针对网络攻击下无人机信息物理系统(CPS)的安全状态估计问题,提出了一种基于自适应方差极小化的递推状态估计器(AVMRE)。通过将针对控制输入和传感器数据的恶意攻击分别建模为状态和量测方程中的未知干扰项,建立了未知干扰解耦状态递推估计器,实现滤波误差中的量测未知干扰解耦,利用滤波残差设计自适应调整因子对估计误差上界进行极小化,应用最小方差估计准则求解出算法中的量测增益反馈矩阵。同时引入事件触发机制,使得系统在保持一定估计精度的情况下节省通信资源。此外,给出了滤波误差指数有界性的充分条件。无人机飞行模型仿真验证了本文算法相比传统算法的有效性和优越性。     

基于全线程树数据结构的笛卡尔网格高效生成技术

笛卡尔网格方法具有易于自适应、自动化程度高、网格质量好等优势。由于其非贴体特性,在处理复杂构型或者复杂流动问题时候往往存在网格量过大的问题,不容忽视。笛卡尔网格生成的效率直接影响了整个计算周期的长短,有必要发展高效的生成技术。对于笛卡尔网格而言,决定网格生成效率的关键在于网格数据结构,其直接影响计算量和存储量。针对三维构型进行笛卡尔网格生成,发展了邻居查询更快捷、内存利用率更高的全线程树数据结构,并在本文的方法框架下进行了适应性应用和改进。同时,为了高效地判断网格单元类型,构建了物面单元的快速检索方式,并引入了染色方法,进一步提高网格生成效率。还提出了一种鲁棒的奇异性检测算法,保证网格单元类型判断的鲁棒性。在流场解自适应方面,采用的是速度散度和旋度相结合的三维判据,以保证对于多种流动特征的捕捉能力。通过圆球、导弹、翼身组合体、机翼-副翼等算例进行了考核验证,经对比,网格自适应位置与理论解吻合较好,且网格单元生成耗时短、平均耗时受物面网格分布影响小,证明了方法的可靠和高效性。     

基于增量式孤立森林的液体火箭发动机异常检测方法

为解决液体火箭发动机故障标签缺失条件下流数据无监督检测问题,以及满足不同发动机台次和不同工况的自适应检测需求,基于增量学习思想,提出了基于增量式孤立森林的异常检测算法。设计了多工况流数据检测条件下的在线更新策略、异常分数表达式,并通过更新停止策略避免故障数据对模型的污染。利用多台次试车数据对该模型进行验证,并与传统方法进行比较,结果表明,该算法能够对样本异常程度进行量化评价,能够有效检测早期缓变故障,其F₁指标较原始孤立森林算法提高了43%,检测及时性优于红线算法和自适应阈值算法。     

二值图像的自适应窗口边缘检测技术

英国Aleksander等人用RAM网络实现的自适应模式识别系统可以认为是一种逻辑神经网络,本文详细描述了利用这种模型实现的自适应窗口边缘2检测技术,包括模型的理论分析,边缘检测种种的各种实现方法和实验结果。基于这种模型的边缘检测技术的基本思想是:首先对窗口边缘检测技术,包括模型的理论分析,边缘检测的各种实现方法和实验结果。训练一个或多个对目标物体边缘敏感的模式,然后对图像逐点扫描和测试,根据窗口对特定扫描区域的响应实现对边缘的检测。其过程和模式识别中的训练—识别过程相似。文中讨论了“中心块”和“边缘训练”窗口的响应行为以及窗口大小的选择、响应阀值的确定和N元的选用等具体方法。并给出了相应的实验结果。研究表明,这种方法对边缘检测和噪音滤除都具有较好的效果,且硬件容易并行实现。