对地观测卫星姿态非线性控制方法

针对对地观测卫星姿态控制系统 ,着重考虑干扰、噪声对卫星姿态稳定度的影响。忽略耦合和挠性部件影响 ,也不考虑敏感器和执行机构的动态特性 ,针对卫星定向模式的主调节器设计问题构造了一种简单实用的非线性控制器 ,并分析和验证了该非线性控制器的有效性。     

三维球坐标系下重力波波包非线性传播过程的数值研究

采用全隐欧拉(FICE)格式，对三维球坐标系下重力波波包在中层大气的非线性传播过程进行了数值模拟.模拟结果完整地反映了重力波波包在中层大气的非线性传播过程，并与线性重力波理论进行了定量比较.     

基于非线性模态的航天器铰接结构基频特性研究

将航天器铰接结构简化为具有局部铰链非线性约束的多自由度系统,提出了对该类非线性系统动力学特性进行分析的方法。即首先通过拟合模态方法建立铰接结构系统的非线性动力学模型,然后通过数值方法得到系统的非线性模态,并以之为基础对铰接结构的基频特性进行研究。     

基于试验气动力的纵向机动飞行载荷分析

提出了一种基于非线性风洞试验数据(简称试验气动力)同步进行纵向机动飞行过程和飞行载荷的计算分析方法.通过曲面样条插值将试验气动力的升力系数和俯仰力矩系数引入纵向机动飞行过程的计算,同时基于试验气动力的压力分布进行全机飞行载荷的静气动弹性修正.弹性载荷的计算采用线性气动力影响系数矩阵处理.采用偶极子格网法提供气动力(简称理论气动力).将基于这两种气动力的计算结果进行了对比.结果表明:基于试验气动力的机动飞行过程更为合理;基于理论气动力的载荷随机动飞行过程的变化趋势有可能与基于试验气动力的载荷变化趋势不一致.      

间隙非线性气动弹性颤振控制

研究了亚音速不可压来流中二元机翼气动弹性颤振主动控制问题.采用Theodorsen准定常气动力建立俯仰方向含有间隙非线性的气动弹性动态方程,然后基于状态依赖Riccati方程推导了非线性颤振控制律.假设只有俯仰角位移和控制面偏转位移可以直接测量,状态空间中的其它变量通过所设计的状态观测器进行了估计.仿真结果显示,观测器可以快速准确地对非直接测量变量进行估计,系统状态变量与控制变量都能够迅速地收敛于零点,表明所设计的控制律可以有效地实现对间隙非线性二元机翼颤振的抑制.      

数字闭环光纤陀螺死区非线性机理

死区非线性是数字闭环光纤陀螺的非线性误差之一,抑制死区非线性可以减小数字闭环光纤陀螺的输出噪声和漂移.分析了死区与分辨率和阈值的关系,给出了数字闭环光纤陀螺死区的定义和测量方法.提出调制信号与探测器输出信号之间的电交叉耦合及进入相位调制器的调制误差信号是产生死区的干扰源.给出了干扰信号的频率和相位特征,并分析了干扰信号跟踪、锁定输入信号的过程.将反馈干扰通道的部分积分模型和理想的数字闭环光纤陀螺模型结合,建立了带死区的陀螺模型.基于陀螺模型及相位调制信号与死区的关系,推导出了死区产生的条件及死区造成的陀螺输出偏差.死区影响因素的仿真结果和实验结果验证了陀螺模型和死区产生条件的正确性.      

复合舵机的神经网络自校正控制

针对复合舵机的时变和非线性特性,提出了神经网络自校正控制方法.用改进的非线性自回归滑动平均模型(NARMA)对复合舵机进行动态建模,采用多层感知器神经网络辨识舵机非线性模型,由广义逆思想设计出控制器,并根据被控对象与辨识模型间误差在线调整网络权值,进而修正控制律,实现了复合舵机的自校正控制.仿真结果表明,在模型有时变及非线性因素的情况下,此方法仍能得到较好的控制效果.      

确定无陀螺卫星姿态的二阶非线性滤波算法研究

应用基于二阶泰勒级数近似得到的非线性滤波技术，设计了利用星敏感器矢量观测信息确定无陀螺三轴稳定卫星姿态的二阶非线性滤波算法，结合矢量观测的特点，分别讨论了单矢量观测信息与多矢量观测信息的处理方法，并把QUEST算法作为矢量观测数据压缩技术有效地结合进姿态估计器中，使得多矢量观测情况下的滤波修正算法得到了简化，仿真测试结果证明，二阶非线性姿态估计器的滤波性能要优于的扩展卡尔曼滤波姿态估计算法。     

一种非线性系统集员辨识算法

针对带有未知有界噪声的非线性动态系统的鲁棒辨识问题,提出了一种新的非线性动态系统的集员辨识算法.利用径向基函数神经网络的逼近能力,根据系统的输入输出数据,选用径向基函数神经网络对未知非线性系统建模.径向基函数神经网络的中心被确定之后,考虑到建模误差与系统噪声有界,利用径向基函数神经网络为参数线性模型的特点,使用参数线性集员辨识算法辨识径向基函数神经网络的输出权值.由于集员辨识算法所得到的是网络输出权值的集合估计,在系统运行过程中,可以很方便地利用所建模型预测实际系统的输出范围.仿真表明,集员辨识算法辨识网络的输出权值比最小二乘法较少的受未知动态系统噪声分布的影响.     

利用H.264中运动矢量实现运动目标检测

针对视频压缩和运动目标跟踪同时实现的应用,通过研究H.264压缩标准中运动矢量包含的图像运动信息并分析运动估计原理,提出了一种利用视频压缩中的运动矢量信息实现运动目标检测的方法,确立了H.264编码流中运动矢量与场景中物体运动状态的对应关系.将运动目标从背景中分离是检测算法的核心.对于双门限值的设置,可分离不同运动速度的目标;同时,算法排除了背景运动的干扰,因而可应用于摄像机运动的场合;由于检测算法所用的运动矢量直接来源于H.264编码过程,而大大降低了计算复杂度,利于硬件实现.