Banach空间中线性算子的Tseng度量广义逆的线性及连续性质

在自反、光滑、严格凸的Banach空间中,利用Banach空问几何方法、度量投影算子及Tseng度量广义逆存在的充要条件,给出了Tseng度量广义逆的线性及连续性等判别条件.     

考虑移动目标不确定行为方式的轨迹预测方法

针对现有方法难以预测出符合飞行移动目标不确定行为方式轨迹的问题,提出基于逆强化学习的飞行移动目标轨迹预测方法,通过学习目标行为偏好以及模拟目标行为决策过程的方式预测目标的移动轨迹。首先基于深度神经网络建立目标的行为决策模型与行为偏好模型,然后通过最大熵逆强化学习方法交替地学习模型参数。为了有效地学习目标的不确定行为特征,采用监督学习的方法学习出目标示例轨迹概率分布模型,用于指导目标行为偏好模型的训练以及初始化目标行为决策模型,同时通过对目标行为偏好模型进行预训练的方式提高其训练质量。仿真结果表明,提出的飞行移动目标轨迹预测方法可通过学习到的目标行为决策模型较为准确地模拟目标的行为方式,预测的目标轨迹分布与真实的目标轨迹分布在Kullback Leibler(KL)散度下的相似度可达0.24。     

基于跟踪微分器的增量动态逆容错控制方法及应用

为提高飞机对干扰的鲁棒性，提出一种基于跟踪微分器的非线性增量动态逆控制方法，并基于此方法设计飞机飞行容错控制律。首先，利用传递函数补偿法同步角速度和舵面偏转信号降低角速度传感器对闭环系统的影响。然后，为克服估计角加速度时差分放大残余噪声的问题，采用跟踪微分器来替代传统差分方法，在保证角加速度准确性的同时降低测量噪声。最后，通过数值仿真验证了所提出的基于跟踪微分器的增量动态逆控制方法的性能。结果表明，该控制方法对机翼损伤故障具有鲁棒性，能够消除传感器动态对系统的影响，并且能够有效降低测量噪声对系统的影响。     

基于试验分岔分析的翼身融合飞行器纵向稳定性

针对翼身融合布局飞行器的纵向稳定性问题，基于分支和突变理论，求解迎角随升降舵变化的平衡分岔图，并对平衡分支的稳定性和突变点进行了分析。结合风洞虚拟飞行试验技术，发展了试验分岔分析方法，并设计了基于非线性动态逆的伪线性控制器，由此获得并分析了开环试验和闭环试验平衡分岔图。对比分析表明，理论分岔分析与开环试验分岔分析在小迎角范围结果基本一致，验证了试验分岔分析方法的可行性和准确性；翼身融合飞行器产生纵向失稳的主要原因是机翼表面流动分离，从而导致C_mα发生突变引起的；闭环试验分岔分析实现了翼身融合飞行器非线性全局稳定性控制，通过纵向非线性控制器，可以将不稳定平衡分支改造成稳定的平衡分支。     

结合迁移学习基于全卷积神经网络的ISAR自聚焦算法

逆合成孔径雷达（ISAR）成像目标多为非合作目标，在目标相对运动状态未知情况下的运动补偿是ISAR成像的关键。基于全卷积网络（FCN）具有强大的数据抽象特征挖掘和拟合能力，将FCN用于ISAR自聚焦，提出一种结合迁移学习基于FCN的ISAR自聚焦算法。通过构造大量不同相位误差的仿真数据集并进行训练，使FCN具有相位补偿能力，对不同姿态下仿真以及实测数据进行迁移训练，进一步提升平动相位补偿的能力。实测数据处理结果表明，结合迁移学习基于FCN的自聚焦成像效果优于传统类自聚集算法，验证了所提算法的有效性，相比传统方法更具优越性。