实现多模型同时镇定的神经网络方法

针对实际系统中经常存在的多模型情况，给出了一种用神经元网络实现多模型同时镇定的设计方法。该方法以经过训练的神经网络控制器代替常规控制器，可同时镇定多个模型。最后，对一个用线性方法不能同时镇定的多模型问题，用神经网络方法实现了其同时镇定。     

相干通信中的非线性滤波

本文讨论相干通信中的非线性滤波问题。文中应用扩大状态变量方法建立了非线性估计模型。重点讨论了条件福克一普朗克(Fokker—Planck)方程,由此导出了估计方程和方差方程,从而构造出条件均值滤波算法。应用这种算法得出了由高斯白噪声策动的角调信号通过理想信道和随机时变信道后的非线性最佳相位估计器。计算机模拟结果证明了理论分析的有效性。     

编队卫星短弧段相对轨道确定方法研究

针对2颗星编队飞行的情况,描述了相对运动的3种动力学模型,利用GPS测量得到的相对位置矢量,选择了非线性最小二乘估计方法来实现相对轨道确定.结合空间圆编队构形进行了分析和仿真,结果表明该方法能得到高精度的相对状态信息,相对动力学模型越精确,相对状态信息精度越高.     

基于局部Neymark分解的混沌信号与噪声的分离方法

从动力系统和几何的观点出发,提出了基于局部Ｎｅｙｍａｒｋ分解的混沌信号与噪声的分离方法。该方法在一个局部的轨道空间内进行Ｎｅｙｍａｒｋ分解,重构时消除由噪声引起的在某些方向上的错误分量,接着进行反嵌入,使得这一由于噪声影响而发生畸变的局部轨道得以纠正,达到混沌信号与噪声分离（以下简称混沌滤波）的目的,并对其中的反嵌入问题作了较为深入的讨论,仿真实验表明了本方法的有效性。     

台风-浪-流耦合作用下新型浮式风能-波浪能联合发电装置水动力特性（英文）

中国南海风能-波浪能资源丰富,风浪联合发电装置目前却处于概念研发阶段,加上近几年超强台风等极具破环力的极端海况频繁出现,对海上浮式平台安全性提出了严峻挑战。针对现阶段研究缺少对风浪联合发电装置在极端海况的安全性分析,本文以半潜式风力机（Semi-OC4）与振荡浮子式波浪能装置相结合的风浪联合发电装置（OC4-WEC）为研究对象,基于MCT(Model coupling toolkit)建立中尺度WRF-SWAN-FVCOM(W-F-S)实时耦合平台,分析超强台风“威马逊”过境全过程海上风电场风-浪-流的时空演变;再结合了中/小尺度嵌套的方法分析了OC4-WEC平台的流场特性。结果表明：建立的W-S-F平台对台风路径的模拟精度较单WRF模式提高了42.51%;台风-浪-流作用下OC4-WEC平台较半潜式风力机垂荡运动幅值减小38.1%,纵荡运动幅值减小26.7%,纵摇运动幅值减小23.4%     

卫星编队飞行的无速度测量非线性鲁棒控制

本文基于带有界干扰的线性动力学模型，研究了卫星编队飞行中的相对位置控制问题。首先，在线性二次型最优控制的基础上，设计了一种非线性控制律，并使用李雅普诺夫稳定性理论证明了系统的稳定性。接着，通过对线性系统状态观测器进行改进，得到了一种非线性速度观测器，观测误差被证明是渐近收敛的。观测器与控制律的结合实现了无速度测量的控制，闭环系统被证明是渐近稳定的。文末的数值仿真验证了理论分析。     

天线分析仪控制系统的研制

介绍了天线分析仪控制系统研制过程中的硬件设计关键技术,并提出了轴角转换器控制卡的设计方案,实验表明该方案具有一定的实用性与通用性。     

火箭发动机基于神经网络非线性辨识的故障检测

应用神经网络方法，提出了一种液体火箭发动机故障实时检测算法。神经网络采用非线性辨识技术贴近发动机的工作过程，并输出包合发动机故障信息的辨识误差信号。若辨识误差变大超过一定阈值，检测逻辑就预报发动机故障。在发动机启动阶段离线训练神经网络，在发动机稳态过程可以采用离线或在线学习算法。实验研究表明神经网络可以成功地应用于大型泵压式液体火箭发动机的故障检测。     

传感器信号参数的DSP法实时评估

本论文提供了一个矩形波受到脉冲干扰影响时．进行实时、精确、鲁棒估计的一种频谱方法。这个适合于来自典型谐振传感器(频率2kHz～22kHz)信号的方法．已通过使用一个浮点数字信号处理器和一个16比特模拟一数字转换器(ADC)来实现并投入测试。我们已观察到：在分辨率(10^-6)和测量时间(10ms)接近传统高价实验设备的分辨率和测量时间的同时，在相同的经历时间，对闪烁脉冲干扰的响应，比传统方法有更大的抗干扰性。     

外弹道节省参数的抗差估计

基于天基和地基测量的融合估计是高精度外弹道参数估计的发展趋势。然而在这些测量数据中,普遍存在粗差和模型偏差,直接影响参数的估计精度。针对此问题,本文结合双星定位系统、地面光学和雷达的联合测量,建立了基于抗差估计方法的外弹道节省参数估计模型,给出了算法流程和步骤。仿真表明,该算法确实能有效降低粗差和模型偏差对估计精度的影响,相比传统的节省参数估计方法,该算法确实有效。