雷达和红外成像双传感器信息融合目标识别研究

提出了一种利用目标的雷达和红外成像２种独立的传感器信息的互补性来构造特征向量的信息融合方法——联合向量空间法,并用对应的自适应信息融合系统进行目标识别。仿真证实比用单传感器的效果明显优越,从而说明了本文方法的有效性。     

基于自适应神经网络的非线性飞行控制

结合反馈线性化和神经网络提出了一种新的飞行控制系统设计方法,通过反馈线性化将非线性耦合系统等效转换为线性解耦系统,利用具有在线学习能力的神经网络补偿反馈线性化的误差,建立了基于自适应神经网络的控制结构,并利用李亚普诺夫函数导出了网络权值的自适应调整规则。在巡航弹地形跟踪应用中的结果表明,该控制系统不仅具有精确的跟踪性能而且具有良好的鲁棒性。     

基于CMAC神经网络的BTT导弹模型跟踪控制

提出一种ＢＴＴ导弹模型跟踪控制系统的参考模型设计新方法。在此基础上,设计了一种非线性模型跟踪控制律,并将ＣＭＡＣ神经网络用于ＢＴＴ导弹系统的鲁棒自适应模型跟踪控制,使具有不确定性的实际系统获得要求的跟踪性能。该方法适合于控制导弹作全空域飞行。仿真结果进一步验证了该方法的正确与有效。     

幂指函数在非线性规划中的应用

给出一种自适应近似函数－幂指函数f^-(x)在非线性规划中的收敛算法。它采用minx∈Enf^-(x)的最优解序列｛x^-｝去逼近原问题minx∈Enf^-(x)的最优解x^*.与传统优化算法相比：该算法最优解｛x^-｝可以通过f^-x(x)=0直接解析得出；该算法不要求序列｛f(x)^k｝具有单调减特性，却能够保证算法的收敛性，该算法的计算量对变量的维数不敏感，从而具有广泛的应用前景，从方法论上，它是采用“特殊非线性”来研究“一般非线性”的一种新方法。     

PVM平台下通量守恒的嵌入自适应网格解激波和底部流

运用嵌入式自适应网格技术来提高结构网格求解复杂流场的分辨率。该方法根据流场的形成,将密集网格嵌入到物理量剧烈变化的区域,使求解精度得以提高的同时,避免较大的计算开销,从而达到求解效率和求解精度之间的平衡。 Ｐ Ｖ Ｍ 平台使得被嵌入的网格可以在网络中不同的机器上完成,大幅度降低了墙上时间。原始网格与被嵌入网格之间数值通量守恒的实现增强了该方法在捕捉间断时的有效性和可靠性。     

结构/直角切割网格下时域有限体积法在计算电磁中的应用研究

 采用有限体积法直接求解时域麦克斯韦方程组，研究了二维圆柱、翼型和三维球体、立方体、双球体等典型完全导电目标的电磁散射问题。空间离散使用近似黎曼解构建网格通量，并针对二维结构网格、三维自适应直角切割网格分别给出重构方法，时间方向采用二步龙格库塔法。计算与理论、实验或文献结果符合良好。     

基于自适应核主元分析的EHA系统传感器故障检测

针对核主元分析(KPCA)方法难以选择合适核函数的问题,提出了一种基于自适应核主元分析的传感器故障检测方法,根据训练数据对核函数进行自适应修正,使核函数适应给定的训练数据。对常规数据标准化处理方法进行了改进,提出了一种"均值化"的处理方法,使处理后的数据既能消除不同变量幅值和量纲的影响,又能反映训练数据的全部信息。将此方法应用于机载电动静液作动器(Electro-Hydrostatic Actuator,EHA)系统的传感器故障检测,结果表明,此方法比常规KPCA方法更为先进,具有更好的故障检测性能。     

目标函数误差估算及网格自适应处理

发展了一种基于目标函数误差估算的网格自适应准则,进而通过网格自适应处理提高目标函数计算的效率和准确性。首先描述了目标函数的误差估算及修正的方法,该方法通过伴随方程将原方程的残值误差与目标函数联系起来。然后,基于误差估算建立网格自适应准则,以减少目标函数修正后的剩余误差,提高目标函数计算结果的准确性,并将方法进一步发展至多目标问题。最后将该准则应用于Euler方程控制的NACA0012翼型无粘可压流动的网格自适应模拟。数值计算成功地捕获了与升力、阻力和力矩等目标函数相关的特征流动区域,计算出符合指定精度要求的目标函数值,验证了本文所发展的方法。     

Adaptive Gaussian sum squared-root cubature Kalman filter with split-merge scheme for state estimation

The paper deals with state estimation problem of nonlinear non-Gaussian discrete dynamic systems for improvement of accuracy and consistency. An efficient new algorithm called the adaptive Gaussian-sum square-root cubature Kalman filter（AGSSCKF） with a split-merge scheme is proposed. It is developed based on the squared-root extension of newly introduced cubature Kalman filter（SCKF） and is built within a Gaussian-sum framework. Based on the condition that the probability density functions of process noises and initial state are denoted by a Gaussian sum using optimization method, a bank of SCKF are used as the sub-filters to estimate state of system with the corresponding weights respectively, which is adaptively updated. The new algorithm consists of an adaptive splitting and merging procedure according to a proposed split-decision model based on the nonlinearity degree of measurement. The results of two simulation scenarios（one-dimensional state estimation and bearings-only tracking） show that the proposed filter demonstrates comparable performance to the particle filter with significantly reduced computational cost.     

民用涡扇发动机起动过程改进的分段组合控制计划研究与试验

针对某型民用涡扇发动机,将n-dot闭环控制算法应用于涡扇发动机起动过程,设计了涡扇发动机起动过程开环与闭环分段组合的控制计划,仿真表明:涡扇发动机起动过程采用n-dot闭环控制算法在初始阶段会出现参数摆动的情况.为此,基于油气比作控制变量进行消喘的原理,对n-dot闭环控制算法进行了改进,以消除起动初始阶段的参数摆动.试验结果表明:改进后的分段组合的控制计划能够有效抑制参数摆动现象;并且,对于不同大气条件的起动测试,起动过渡态过程高压转子转速的数值差距不大于1.0%,延时不超过0.9s;而对于不同飞行状态的起动测试,起动过渡态过程高压转子转速的数值差距不大于1.0%,延时不超过1.2s,具有良好的稳定性和重复性.