神经网络控制在综合火力／飞行系统中的应用

提出了两种基于模糊控制的神经网络控制器的设计方案，并将这两种控制器应用于综合火力／飞行系统的耦合控制。两种方法的主要差别在于获取样本的方式不同。方案１是通过对模糊控制方法得到的响应曲线采样获取样本，由Ｂａｃｋ－Ｐｒｏｐａｇａｔｉｏｎ学习算法训练神经网络，得到一组固定权值。神经网络控制器采用这组权值以“联想记忆”的方式工作。方案２则从用模糊控制算法得到的控制查询表中获取样本。因为模糊控制查询表比较大，采样时依据该表构成的相平面图的特点，对采样点数进行了压缩，使所设计的神经网络的规模可以接受，其余的设计步骤与方案１基本相同。仿真结果表明，采用这两种神经网络控制器的控制系统都具有良好控制性能     

基于加权鉴别函数的二进制偏移载波信号跟踪方法

在移除二进制偏移载波（Binary Offset Carrier,BOC）信号跟踪模糊的同时,为了保持BOC信号高的码跟踪精度,提出基于加权鉴别函数（Weighted Discriminator Function,WDF）的BOC信号无模糊跟踪方法。WDF使用非相干超前减滞后功率（Noncoherent Early Minus Late Power,NELP）鉴别器和子载波相位消除（Sub Carrier Phase Cancellation technique,SCPC）鉴别器,生成无误锁点的鉴别函数实现BOC信号跟踪。针对BOC(10,5)信号,仿真结果表明,相比于SCPC、基于伪相关函数的无模糊延迟锁定环（Pseudo correlation function based Unambiguous Delay Lock Loop,PUDLL）方法和对称脉冲模糊移除（Symmetrical Pulse Ambiguity Removing,SPAR）方法,所提WDF方法在码跟踪误差方面分别改善了2.5dB、5.5dB与8.3dB,多径误差分别降为60.4%、32.8%与38.0%。因此,WDF是一种有效的、高性能的BOC信号无模糊跟踪方法。     

基于模糊自适应Kalman滤波的MEMS惯导系统在线修正研究

MEMS惯性导航系统中,针对传感器零偏存在随机启动的不确定性误差,以及抗外界干扰能力低的实际问题.本文提出了一种基于模糊自适应Kalman滤波在线修正的方法,与常规Kalman滤波相比,该方法通过制定模糊规则,将残差的理论方差与实测方差迹的比值模糊化处理作为模糊推理的输入,量测方差的修正因子作为输出,实时评估系统的观测噪声,既抑制了滤波的发散又增强了估计修正过程中的稳定性.仿真结果表明:该方法能够准确的估计出系统的随机误差,并且在系统观测噪声的统计特性发生变化时,估计的精度和系统鲁棒性依然优于常规Kalman滤波.     

基于区间二型模糊终端滑模控制的飞行器姿态控制

针对四旋翼飞行器姿态控制问题,提出区间二型模糊控制与非奇异终端滑模控制结合的算法.首先,采用非奇异终端滑模控制方法,根据滑模控制的强鲁棒性及快速响应特性,令四旋翼飞行器系统实现在有限时间内收敛并对外界干扰具有较强抵抗力;同时,采用区间二型模糊控制,将滑模面作为模糊控制的输入,趋近律作为模糊控制的输出,实现对滑模面增益的动态调节,增强对外界随机扰动的适应能力并提高系统收敛速度、削弱抖振.基于Lyapunov函数证明系统的稳定性.仿真结果显示,本文设计的控制器具有更加平稳的输出,同时对四旋翼姿态角度的跟踪更加迅速、精确.     

一种基于曼哈顿距离的帧间加权预测算法

合并模式通过共享邻域块的运动矢量（MV）来节省编码运动信息比特数,有效提升了编码器率失真性能。然而,当前合并模式中的运动补偿预测（MCP）不够准确。为此,分析了合并模式中的预测残差分布特点,并提出了一种基于曼哈顿距离的加权预测算法作为合并模式的附加候选项。首先,采用邻域合并候选项的运动矢量进行运动补偿预测得到多个预测块;然后,根据候选块位置与像素点的曼哈顿距离对获得的多个预测块进行加权平均得到附加候选项;最后,通过率失真优化（RDO）从附加候选项和原有候选项中选择出最佳的合并模式。实验结果显示:在联合探索测试模型JEM 7.0平台上,所提算法在不同的编码器配置下均获得了率失真性能的提升,其中低延迟P帧下达到了平均1.34%的比特率节省。      

应用约束条件快速解算整周模糊度

ＧＰＳ载波相位测量用于解算载体的航向和姿态时必需解决的问题之一就是整周模糊度的确定。近年来提出了多种模糊度的解算法方法,但对ＧＰＳ航姿系统来说,若能利用固有的约束条件则会使模糊度问题变得简单且快速有效。在详细分析了几种约束条件的基础上,文中探讨了如何合理 这些约束条件来减小模糊度的搜索范围,以加快模糊度的解算速度,并对检验方法作了改进。通过仿真结果对文中方法进行了检验。     

基于神经网络的智能刀具状态检测系统

可靠的在线刀具磨损状态检测是柔性制造系统、计算机集成制造系统以及自动化机床必不可少的一个环节。文中论述了用反传神经网络与一类模糊神经网络分析处理由力传感器和声发射传感器所测得的刀具状态信号,识别出刀具的磨损情况,从而进一步实现刀具磨损状态的在线检测,控制自动机床及时更换刀具。本研究对四种规格的钻头的磨损情况进行了全程检测,并比较分析了反传神经网络与模糊神经网络对这一问题的有效性。实验结果表明,这两种方法对处理刀具磨损状态检测均有显著的效果与很高的准确性。用一类模糊神经网络处理多传感器信息是实现刀具状态在线检测的一个极为有效的方法。     

一种水下航行体运动参数测量系统的设计

针对航行体水下试验的要求,设计了一种水下航行体运动参数测量系统。从该系统的原理算法、硬件设计和软件设计等方面进行了详细的阐述。该系统以采用硅微传感器的姿态测量系统（以下简称MTi）作为惯性测量组合,导航计算机采集MTi中的加速度计、陀螺和磁力计的原始传感器数据,结合捷联惯导四元数算法更新姿态矩阵,对航行体的姿态、速度、位置进行实时解算并存储解算结果,试验结束后通过上位机对试验数据进行读取。该测量系统多次应用于航行体的水下试验,获得了航行体水下运动参数。经试验验证,该测量系统性能可靠,可以满足水下航行体的运动参数测量的需求。     

大行程解耦三平动微定位平台的设计与优化

为设计具有大行程与良好解耦特性的三平动微定位平台,提出了一种新型2T3R型运动副。基于2T3R型运动副,设计了三平动微定位平台的结构;采用非线性模型法建立了平台力-位移关系与丢失运动的理论模型,并采用拉格朗日方程建立了平台固有频率的理论模型;采用目标规划法对三平动微定位平台进行了参数优化;通过有限元仿真验证了理论模型的正确性。理论计算与仿真研究结果表明:平台一阶固有频率为51.27 Hz,在1 mm运动行程内,x、z轴方向的丢失运动分别小于0.67%、0.20%,输入与输出完全解耦。研究结果证明了运动副、平台结构设计的有效性及优化模型的可行性。      

基于模糊神经网络的某型直升机可靠度预测

为了实现某型直升机可靠度准确预测,建立了基于自适应模糊神经网络的可靠度预测模型。该模型以故障间隔时间为输入,以可靠度为输出,通过模糊神经网络自适应训练获得适合直升机可靠度预测的故障间隔时间隶属函数。对模型进行检验取得了较好的仿真结果,与应用RBF神经网络进行可靠度预测相比速度更快,同时预测精度提高了98.4%。