基于MPSP的次优滑模制导律

针对导弹拦截机动目标的问题,提出了一种能满足多终端约束的次优滑模制导律(Sub-OSMG).该算法将模型预测静态规划(MPSP)与滑模控制(SMC)相结合,解决了MPSP在系统模型不精确时由于依赖模型预测而导致的控制量发散问题;基于三自由度相对运动方程建立所提出的制导律,其鲁棒性通过Lyapunov稳定性理论进行了证明;在滑模控制的设计中引入一种较为新颖的滑模面,巧妙地继承了两种方法的优点,其区别于传统扩展比例导引(APN),在仅知机动幅值的情况下,能精确地击中目标.仿真结果表明,所提出的Sub-OSMG能够有效地抵消外部扰动,具有更高的精度、更好的鲁棒性、更小的控制代价.     

一种考虑最优收敛时间的多无人机编队控制方法

针对多无人机编队过程中的收敛时间问题,提出了一种基于最优控制和粒子群优化算法的一致性编队控制方法。将无人机机动约束和一致性编队控制算法结合,实现了无人机在约束条件下的编队控制。基于人工势场思想,设计了一种具有机间避碰能力的一致性编队控制方法,解决了无人机之间的碰撞问题。通过最优一致性控制和粒子群优化算法优化一致性编队控制方法,在考虑机间避碰的情况下,使整个编队的收敛时间降低1.2 s,整体收敛性能提升6.28%。仿真结果表明该方法能够缩短多无人机的编队收敛时间。     

带有入轨姿态约束的迭代制导算法及应用研究

针对需要满足一定入轨姿态约束的发射任务,研究一种带有入轨姿态角约束的迭代制导算法在运载火箭中的应用。该制导算法在传统迭代制导算法的基础上,将控制姿态角的最优解析表达式,通过二阶近似,展开为与时间相关的二次函数,可以同时满足入轨点速度、位置和姿态角约束。阐述了迭代制导的基本原理,给出带有姿态角约束的迭代制导算法的推导公式。在有相同姿态角约束的条件下,该算法能够保证入轨精度,与传统迭代制导算法相当,且对姿态角约束有较好的控制效果,运载能力损失较少。仿真结果表明,该算法对故障工况及不同姿态角约束具有一定的适应能力。     

BEST APPROXIMATION BY NORMAL MATRICES WITH SPECTRAL CONSTRAINTS

考虑在给定谱约束和Ｆｒｏｂｅｎｉｕｓ范数意义下用正规矩阵最佳逼近一个给定复方阵的问题。给出了这个问题可解的充分必要条件,提出了求解这个问题的一个数值算法,并给出了一个数值例子。     

基于最小熵约束的可解释卷积神经网络

导弹武器系统上的光学探测算法要求具备高可靠性,卷积神经网络属于"黑盒"模型,本文提出一种基于最小熵约束的可解释卷积神经网络,为卷积神经网络模型在导弹武器系统上的应用创造条件.该方法通过传统方法(连通域检测、边缘检测等)找到图片中存在可解释特征,通过模型对可解释特征进行评分,聚类,并通过这些特征对原模型训练提供约束,在最终预测的同时,通过评分对模型给出解释.经实验验证,该方法能够在尽量保证模型分类性能的前提下,极大提高模型的可解释性.     

基于抽象的分层诊断技术应用研究

针对大型系统多故障诊断的复杂性,提出利用抽象技术进行结构优化,给出了分层诊断模型的离线构建方法.诊断推理时,为提高诊断效率采用由上至下的分层诊断策略,为克服一致性诊断解的不精确性引入定量知识,提出采用约束集判别系统部件的一致性.把此项诊断技术应用在某卫星热控系统,结果表明可以实现故障的实时诊断和精确定位.     

基于惯性递推原理的行人自主定位方法综述及展望

在室内环境或者卫星信号遮挡环境下,如何实现单兵或者行人的自主定位是目前研究的热点问题.其中,基于惯性递推原理的行人自主定位方法由于无需提前布设基础设施,且具有体积小、成本低、完全自主、不受干扰、实时性高等特点,因此具有广泛的研究价值和意义.本文围绕基于惯性递推原理的行人自主定位方法展开介绍,针对动态步态分析、零速区间检...     

基于足间距信息辅助的行人三维惯性定位算法

针对行人惯性导航系统误差随时间累积致使定位精度严重下降的问题,提出了一种基于足间距信息辅助的行人三维惯性定位算法。该算法在零速修正算法的基础上,利用足部安装的超声波测距模块实时测量行人双足相对距离,构建了基于超声测距的足间距约束模型,通过随机森林算法实现行人运动模式识别,并针对上下楼梯场景,利用台阶高度和足间距信息进行高度解算,最终实现行人三维惯性定位。在实际路线上开展了三维定位实验,数据显示,所提算法平面闭环误差为总路程的0.64%,与零速修正算法相比下降了55.56%,高度误差为0.06 m,与零速修正和气压计联合算法相比下降了64.70%,能够实现导航误差在总路程的0.50%以内的三维定位。实验结果表明,所提算法具有良好的工程应用价值。     

活动网络计划约束的复杂性度量及其应用

根据反映活动网络计划约束特征的节点的紧前紧后活动数,提出了一个衡量活动网络计划约束的复杂系数──网络复杂性系数（ＣＮＣ）,并结合有资源约束的网络计划问题提出了一个衡量该类问题的复杂性系数──资源约束的网络复杂性系数（ＣＲＮＣ）,最后介绍了网络复杂性系数在随机活动网络发生器算法设计中的应用,给出了一个产生给定复杂系数的随机活动网络的随机活动网络发生器的设计算法。