基于神经网络的某导弹姿态控制系统故障诊断

介绍了多层前向神经网络及其算法 ,讨论了神经网络在故障诊断方面的应用 ,并对某导弹姿态控制系统的典型故障进行了神经网络建模 ,经测试取得了良好的效果。     

非线性系统鲁棒自适应设计与计算机仿真

首先,针对BTT导弹的非线性模型,给出了其适合用backstepping没计方法的控制模型.充分利用系统的结构特点,结合backstepping没计方法、鲁棒控制和自适应控制方法,提出了一种鲁棒自适应控制器的设计方法.设计过程中将不确定性对系统的影响合成为一项,有效地解决了控制系数矩阵未知时控制器设计问题,同时放松了现有文献中对控制系数矩阵不确定性的要求.最后给出的仿真结果显示该法的有效性.     

多坐标系下目标跟踪的联合滤波

针对雷达目标观测和处理在不同的坐标系下完成，本文提出了联合滤波算法来跟踪机动目标。该算法以卡尔曼滤波器为基础，直角坐标系下和极坐标系下的算法相联合，不仅克服了两种坐标系下滤波算法的不足，而且对机动目标有很好的跟踪效果。仿真实验结果表明了该算法的有效性。     

基于小波分析的飞控传感器故障诊断

小波分析具有局部时频分析能力，适宜于对突变信号的检测，针对飞控系统传感器故障的特点，提出了基于小波分析的飞控传感器故障诊断法。仿真结果表明，应用小波分析，可以非常精确定位传感器信号的故障点。     

多体运动理论与齿轮测量中心的几何误差建模

本文阐述了多体系统的拓扑结构和低序体阵列,其特征矩阵的基本概念和构建方法,分析了多体系统误差运动的基本规律,结合891E型齿轮测量中心研究了根据特征矩阵得到其空间几何误差的算法,为齿轮测量中心精度分析和几何误差提供了一种理想的建模方法.     

基于adaboost算法的车牌检测

车牌识别技术（LPR）是智能交通（ITS）领域的重要研究课题之一。车牌的自动识别分为车牌检测、字符分割、字符识别三个主要部分。车牌检测是LPR中的关键技术。车牌图像由于受到噪声、车牌倾斜、光照不均、运动模糊等的影响，检测存在着很大的困难。因此，在总结前人检测算法的优点和缺点的基础上，提出了基于adaboost算法的检测算法，其优点是检测率高，检测时间少，适应性特别强。     

自适应直角切割网格民机增升装置绕流数值模拟

提出并介绍了基于直角切割网格的分区面搭接技术,采用变长宽比网格方法,成功地进行了存在外形间断(剪刀叉)的民机增升装置的网格生成和绕流Euler方程数值模拟.根据外形的特点,运用"根"网格分区算法,降低了整个网格的生成难度;通过基于外形的自适应网格加密技术,详细地描述了外形上的大量缝道和凹槽,提高了网格质量;在分区交界面上,利用重叠面积切割和面搭接算法实现了两侧网格间的流场信息传递,并保证了通量守恒;采用中心有限体积方法,结合双时间推进算法,完成流场的Euler方程数值模拟,计算结果与实验数据吻合良好,说明所述方法的正确性.     

基于BP人工神经网络的GPS／SINS组合导航算法

基于扩展Kalman滤波的GPS／SINS组合导航算法，需要对原始的非线性连续系统模型进行线性化和离散化处理，要求系统噪声和测量噪声为零均值的高斯白噪声，且易于出现滤波器发散。BP人工神经网络毋需对所求解的问题建模，能够很好地逼近系统非线性特性，获得较高精度的导航定位信息；还具有计算过程稳定，不涉及矩阵求逆，不需要迭代逼近，以及容易实现并行处理等优点。本文设计适用于GPS／SINS组合导航系统的BP网络模型，并在标准的BP算法基础上，采用共轭梯度法改进网络训练速度及精度。最后，通过仿真算例说明BP网络方法用于GPS／SINS组合导航计算的可行性。     

三维Euler方程的自适应非结构网络计算

介绍一种三维自适应非结构网格的Euler方程求解技术。采用有限体积中心差分的格点格式对Euler方程进行空间离散,多步龙格-库塔时间推进,并采用当地时间步长、焓阻尼修正等加速收敛。采用Delaunay三角剖分技术生成三维流场的四面体网格。网格自适应技术中的网格局部加密也采用Delaunay三角剖分技术。最后用ONERAM6机翼的跨音速绕流计算说明本文方法的有效性。     

三轴稳定卫星无陀螺姿态确定算法研究

针对三轴稳定卫星进行了正常飞行模式下无陀螺姿态确定算法研究，采用磁强计、地球敏感器和太阳敏感器组合获得姿态数据，利用四元数法和高斯－马尔可夫过程建立了姿态确定估计器算法模型。通过数学仿真证明，此姿态确定算法能够对星体姿态进行较精确的估计或校正，满足卫星控制精度要求。