基于模糊神经网络的质量矩拦截弹动态逆控制

质量矩控制是一种全新的飞行控制方法,与广泛应用的空气动力控制相比,可以避免飞行器在超高马赫数飞行时舵面的气动加热问题,而且,可以提高飞行器的机动性和敏捷性。以所建立的质量矩拦截弹数学模型为基础,通过对模型合理的简化,得到一个耦合的非线性动力学系统。考虑到系统的鲁棒性要求和三个滑块的协调控制问题,应用双时标分解的方法,提出将拦截弹动力学分离为快变状态动力学和慢变状态动力学。然后,设计了拦截弹模糊动态逆飞行控制系统,分别针对快变和慢变子系统,提出了一种基于模糊神经网络(FNN)的动态逆误差补偿方法,可以有效地抑制气动参数摄动而引起的控制系统性能的下降,提高了控制系统的鲁棒性。仿真结果表明系统性能指标满足设计要求,只需微调滑块位置,即可以实现拦截弹的飞行控制。     

BTT导弹的神经网络自适应非线性自动驾驶仪设计

针对BTT导弹的飞行控制问题,提出一种基于近似动态逆及神经网络理论的非线性自动驾驶仪设计方法.给出了神经网络自适应动态逆控制规律,建立了BTT导弹的数学模型,设计了导弹的神经网络自适应动态逆控制系统结构,并进行了控制效果的数值仿真分析.仿真结果说明了神经网络自适应非线性自动驾驶仪在导弹飞行控制中具有较高的控制精度和很好的鲁棒稳定性.     

基于解线调处理的高速运动目标ISAR距离像补偿

分析了高速运动目标的逆合成孔径雷达(ISAR)回波信号模型和目标高速运动对ISAR信号处理的影响。结果表明,目标高速运动会导致目标一维距离像的畸变和二维像的模糊。从通过补偿回波信号的调频斜率来补偿高速运动目标距离像的思路出发,提出了一种基于解线调处理的高速运动目标ISAR距离像补偿算法。该算法采用解线调处理谱包络最小Shannon熵准则进行参数估计,可解决在常规的幅度最大准则下参数估计性能恶化的问题。此外,距离像补偿算法中还用突变误差消除和最小二乘拟合处理以进一步提高参数估计精度。仿真结果表明该距离像补偿算法的有效性。     

矩阵A的{1}逆、{2}逆的秩

本文就矩阵的两种广义逆{1}逆和{2}逆的秩进行了讨论，得到了一些有用的结果。     

对称三对角矩阵的逆特征问题

本文提出了三种类型的对称三对角矩阵的逆特征问题,讨论了如何根据特征值和特征向量确定矩降的元素,并对解逆特征问题的算法进行了分析。     

基于逆模拟分析的民用飞机操纵状态再现研究

民航飞行事故原因调查分析时，常常要对飞机的操纵状态进行再现分析。但由于FDR数据缺失、设备损坏等各类原因，对飞行员的操纵情况并不能准确有效地还原。采用逆模拟技术是解决飞行操纵状态再现分析的有效途径。逆模拟技术是通过已知的系统输出确定动态系统控制输入的计算方法。在众多逆模拟算法中，积分逆模拟算法由于具有模型独立、实现简单而得到广泛应用。对某中型民用运输机采用积分逆模拟方法，对一个简单的飞机操纵进行了再现分析。分析了积分逆模过程中的收敛区间和稳定性，并总结了使用积分逆模拟算法的注意要点。     

一种改进的巡飞弹侧向运动解耦设计

针对巡飞弹侧向平面内诸多不对称因素带来的航向通道和滚转通道强耦合这一特点,研究了巡飞弹侧向运动的耦合特性和解耦控制问题.由于传统的静态补偿器设计模型计算量大、适用性有限,为此提出了静态上三角形式补偿器的一般模型,该模型采用逆奈奎斯特阵列法,保留了巡飞弹侧向通道传递函数矩阵第二行的行优势性,然后具体针对格氏圆圆心密集区域...     

机械臂运动学建模及解算方法综述

以串联结构的机械臂为主要研究对象，首先调研了国内外机械臂正逆运动学建模及求解的主流方法，从数学工具、模型建立、求解手段等三个方面分析上述方法的基本原理，分析其优缺点。接着介绍了工程应用中解决机械臂运动学建模及求解问题所用的软件库，得到了不同软件库的精度和计算效率。最后提出了机械臂运动学建模及求解中存在的重要科学问题。通过总结上述方法，为研究人员在该领域内的理论研究及工程实现提供解决思路。     

双基地角时变下的ISAR等效旋转中心估计

双基地逆合成孔径雷达（ISAR）距离-多普勒算法成像时，容易引起越分辨单元徙动问题，影响成像质量，为了抑制越分辨单元徙动，需要估计目标的等效旋转中心。本文针对双基地角时变下的ISAR等效旋转中心估计问题，提出了一种等效旋转中心估计算法。该算法首先将运动补偿后的一维距离像序列分为两组并分别成像，得到两幅图像；其次，假定某个距离单元为等效旋转中心位置，对两幅图像进行畸变校正，使得两幅图像只存在一个视角差，按视角差旋转其中的一幅图像，并与另一幅图像作相关，得到相关系数；然后，假定下一个距离单元为等效旋转中心位置，重复上述步骤，直至遍历结束，相关系数最大值对应的假定位置就是估计的等效旋转中心。最后进行了仿真对比实验，表明本文算法能够有效估计双基地角时变下的ISAR等效旋转中心位置。     

微小型飞行器的神经网络动态逆控制方法

微小型飞行器(MAV)精确的数学模型很难得到,限制了单纯动态逆控制方法的使用,比例-积分-微分(PID)等传统的控制方法已不能满足要求。针对这一问题,研究了应用动态逆控制方法的新途径──神经网络动态逆。选取串接积分器的多层前向神经网络训练飞行控制系统的动态逆模型,并自适应补偿逆误差。用MATLAB的NNCTRL20工具箱并结合NNSYSID20工具箱建立了仿真系统。升降舵和方向舵联合控制转弯。用PID控制器、近似神经网络动态逆模块、在线神经网络补偿器构建了飞行控制系统。仿真结果表明,神经网络动态逆有较强的鲁棒性、稳定性和指令跟随能力,比PID更适合于微小型飞行器的姿态控制。