对无控旋转目标逼近的自适应滑模控制

对追踪器逼近无控旋转目标器的轨迹和姿态六自由度控制问题进行了研究.基于适用于任意偏心率的航天器相对运动轨道和姿态动力学模型,对追踪器逼近无控旋转目标的参考轨迹和参考姿态进行了分析与设计,推导了一种用于六自由度逼近控制的自适应滑模控制器.通过仿真分析,证明了所设计的逼近参考轨迹和参考姿态的合理性,同时验证了自适应滑模控制器的有效性.     

再入机动飞行器自适应轨迹线性化控制

针对一类多输入多输出模型不确定系统,提出了一种基于广义模糊神经网络的自适应轨迹线性化控制方法(ATLC).针对再入机动飞行器(MRV)进行了控制器设计和分析.MRV气动参数存在较大的不确定,这会导致轨迹线性化控制器(TLC)鲁棒性能下降.利用广义模糊神经网络(G-FNN)在线补偿系统的非线性建模不确定,改善了控制器性能.基于Lyapunov稳定性理论,证明了ATLC闭环控制系统的稳定性.仿真结果表明自适应轨迹线性化控制系统在飞行器气动参数大范围摄动时仍具有鲁棒性和稳定性,验证了所提出的控制策略的有效性.     

基于多项式求根的欠采样频率估计方法

基于多项式求根算法,本文提出了一种新的欠采样宽频带信号频率的估计方法。根据直接欠采样信号及时延后的欠采样信号在不同整数倍抽取下形成的数据向量均满足Vandermonde结构,推导出了由欠采样引起的模糊频率值及由时延产生的延迟相位与模糊频率的联合估计值的快速估计算法,并结合一定的配对方法和解模糊算法就可实现无模糊的宽频带信号的频率估计。本算法无需作大量的矩阵运算,具有算法简单、易于实现等特点,仿真验证了上述结论的正确性及高精度特性。     

利用增量相位和星光仰角增强XNAV

针对X射线脉冲星导航系统(XNAV)中过程噪声统计特性难以准确获取,对其不当假设导致滤波器估计性能不佳的问题,提出基于自适应差分卡尔曼滤波器(ADDF)的多信息融合算法。为了降低导航误差,在传统脉冲星计时观测的基础上,增加恒星星光仰角及两个时刻间的相位增量观测量,共同增强XNAV。首先,分别建立计时观测模型、相位增量模型及星光仰角模型;然后将多信息测量模型集成到卫星轨道动力学方程中,以建立ADDF滤波模型;最后对所提方法进行仿真验证。实验结果表明,在相同的初始状态和初始噪声误差条件下,与传统X射线脉冲星导航算法相比,多信息融合算法能将导航位置估计精度提高70%以上,位置估计误差降低到 200 m 左右,速度估计精度提高40%以上,且ADDF性能优于无迹卡尔曼滤波器。     

工程意义上的高斯脉冲信号不失真采样分析

基于高斯脉冲信号的时频域特征,分析其采样条件。针对高斯脉冲信号这种非周期信号采样的特殊性,指出高斯脉冲信号采样还需满足峰值采样条件,并对不同采样点数下峰值误差能够达到最小值的概率进行建模。理论分析和仿真结果表明,按照所提出的采样条件进行采样,能够保证高斯脉冲信号采样的峰值误差最小,同时所提出的概率模型能够比较准确地估计出在不同采样点数下峰值误差能够达到最小值的概率。     

基于欠采样的零阶优化算法

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。     

基于事件的EMR遥操作自适应规划与控制方法

提出了基于事件的舱外自由移动机器人 (ExtravehicularMobileRobot,简称EMR)系统在任务空间内的自适应规划与控制方法 ,使系统具有处理突发事件和不确定事件的能力 ,同时提高了系统的自主性和适应能力 ,增强了遥操作的安全性 ,仿真证明了该方法的正确性和有效性。     

弹性体运载火箭建模及控制器设计

考虑运载火箭飞行过程中的弹性振动特性,对运载火箭进行全量动力学建模以及控制器设计。首先将运载火箭考虑为一维梁模型并建立全量动力学模型,分别引入自适应滤波姿态控制算法和H_2范数鲁棒增益调度控制算法设计控制器。仿真结果表明:在考虑舵机非线性情况下两种控制方法均能够满足精度要求,在具有较大外部扰动情况下,鲁棒增益调度控制算法相较于自适应滤波算法具有较强的鲁棒性。     

基于稀疏自动编码器的发动机机载模型建模方法研究

为解决分段线性化机载模型精度不足的问题,提出并设计了基于稀疏自动编码器的大包线、具有10输入11输出的发动机机载自适应模型,该模型由稳态、动态两部分组合而成。首先基于一种新的相似准则进行建模所需样本数据的压缩,在保留主要信息的同时,大大降低了数据量及采样时间。用BP算法对简化后的样本数据进行了机载模型稳态部分的建模。针对机载模型动态部分所需样本数据量巨大、BP算法难以训练的问题,建立了基于稀疏自动编码器的动态机载模型。引入准稳态判断逻辑,在动态过程使用稀疏自动编码器的动态机载模型,在稳态过程使用基于BP算法的稳态机载模型。仿真结果表明,所建立的发动机机载模型具有优良的动稳态精度,且实时性好、存储量小,其中动态精度小于1%,稳态精度小于0.6%,一次模型计算时间不大于1ms,模型存储量不大于100kB。     

变循环发动机对战斗机任务性能影响计算研究

为了研究战斗机任务性能模型的可行性,以战斗机为研究对象,假设其安装变循环发动机,以F-22战斗机机内燃油和带副油箱的任务性能为标准结果,考虑全部的飞行过程,对所建立的模型进行可行性验证。结果表明:计算得到的F-22战斗机内燃油和带副油箱任务性能与文献中的标准结果十分接近,误差分别为0.76%和0.24%;假设的变循环发动机使得加速及超声速飞行等涡喷模式的耗油率降低20%,亚声速巡航航段涡扇模式的耗油率降低25%,变循环发动机能够使战斗机的转场航程增加27.2%,亚声速截击任务剖面的作战半径增加29.1%。本算法具有一定的准确性,可信度较高。