DS/FH混合扩频快速捕获技术的研究

在DSFFH混合扩频通信系统中,快速捕获是一个非常关键的技术。通过采用快速扫描和等待式相结合的方法用来实现跳频信号的快速捕获,利用神经网络技术实现直扩信号的快速捕获,通过这2种方式,就可实现DSFFH混合扩频的快速捕获。     

雷达辐射源信号特征参量分析

对所有可观测的辐射源特征参量的特点、测量精确度的主要影响因素以及测量限制条件等进行了较全面地分析,初步回答了哪些特征参量可用于信号分选与个体识别的问题,并给出了其应用限制条件.     

用于识别两颗故障卫星的RAIM算法

提出了一种可以识别两颗故障卫星的接收机自主完好性监测算法.将最优奇偶矢量法应用于两颗故障卫星识别,指出由于故障偏差可能会抵消而使得正确识别率较低.对最优奇偶矢量法进行了改进,利用对单颗卫星故障敏感的最优奇偶矢量对所有可能的两颗故障卫星组合分别构造两个新的奇偶矢量,用于两颗故障卫星的检测和识别.计算机仿真结果显示,改进后的算法与直接利用最优奇偶矢量法相比,可以显著提高两颗故障卫星正确识别率,识别率可超过90%.同时,改进算法的奇偶矢量构造方法简单,计算量将减少90%以上,更有利于工程实现.      

基于脉冲响应相关函数的模态辨识算法

利用不同时刻系统测量噪声具有独立同分布的特点,对脉冲响应进行相关处理,可以提高信噪比。为解决传统的基于脉冲响应的模态辨识算法的辨识精度问题,用某点脉冲响应同参考点响应之间的相关函数代替该点的脉冲响应以形成基于脉冲响应相关函数的模态辨识算法,并从理论上证明脉冲响应相关函数算法的辨识精度优于传统的脉冲响应算法。通过对一个四自由度系统模态频率和阻尼比的仿真辨识,验证了脉冲响应相关函数辨识算法的有效性。     

航空发动机神经网络自适应控制研究

本文研究神经网络自适应控制方法及其在航空发动机控制中应用。结合某型航空涡喷发动机,首先研究采用神经网络进行非线性动态系统辨识,包括神经网络模型辨识的格式、输入信号形式等问题。然后,提出了一种神经网络自适应控制方法,阐明了该方法基本结构、原理。最后,在选定的设计点处进行发动机控制系统设计,当偏离设计点时,利用神经网络很强的学习、适应能力,通过在线修正神经网络参数,使控制系统仍保持良好性能。      

结构在环境激励下的模态参数辨识

针对传统模态辨识方法存在的缺陷,研究了工程结构在环境激励下的模态参数的辨识问题。通过各点测试数据的协方差数据构成Hankel矩阵,运用随机子空间实现进行系统矩阵的辨识。经飞机模型的环境激励分析验证,上述方法具有理想的辨识精度,在大型结构的模态辨识领域,拥有广阔的应用前景。     

基于L-M网络的涡扇发动机动态过程辨识

介绍了多层前馈网络的Levenberg-Marquardt (LM)算法,对涡扇发动机动态过程的数学模型进行了分析和简化,运用多层前馈网络L-M算法对涡扇发动机进行加力推力变换时的非线性MIMO动态过程的数学模型进行了辨识,辨识所用样本数据和测试数据均为试飞实测数据.辨识结果表明,这种方法收敛快精度高,非常适合于涡扇发动机非线性动态过程的建模.     

振动结构的多输入/多输出实时辨识控制与试验研究

发展了一种多输入/多输出、具有实时辨识和控制能力的自适应控制方法和控制系统,并将其应用于某自由-自由结构的振动控制。采用最小均方算法统一处理系统的实时辨识与控制问题,在没有任何受控结构特征信息的情况下,实现了对结构振动的自适应控制。控制系统由TMS320C30数字信号处理器和多通道数据采集卡构成,辨识与控制方法由TMS320C30数字信号处理器实现。对周期激励,在激励信号恒频率/恒振幅、变频率、变振幅时,受控结构的振动显著减小,各传感器测得加速度的平方和为无控时的1%或更小。     

系统辨识在导弹建模中的应用

引入系统辨识的方法 ,确保当原始气动参数表内存在“突跳点”时 ,仍可以较为精确地得到导弹弹体三通道线性化模型。论述了这种方法的可行性、以及具体实现的步骤 ,最后给出仿真框图、仿真结果以及辨识误差的统计特性。结果表明 ,建模精度可以满足工程设计要求。     

视觉测振技术在柔性太阳翼模态试验中的应用

针对8 m×5 m的柔性太阳翼在倒立状态下进行模态试验,设计数字摄像视觉测振系统,基于图像特征跟踪法实现了从相机标定、图像采集、信息提取到三维振动数据获取的过程,通过工况模态辨识方法获取了柔性太阳翼模态频率及振型等动力学参数。并考虑空气和重力影响建立太阳翼有限元模型,通过与基于基恩士激光位移传感器的传统模态试验结果及仿真分析结果进行对比,验证了基于视觉测振工况模态试验方法的准确性,为柔性太阳翼在轨模态辨识奠定基础。