基于降秩多级维纳滤波器的零陷加宽算法

自适应阵列处理中,常规的零陷加宽技术在自适应权和数据失配时具有较强的鲁棒性,但该技术同时会带来计算量的增加.通过推导一种新的相关相减结构多级维纳滤算法(CSA-MWF)的向前递推形式,进而将零陷加宽技术引入降秩CSA-MWF中,提出了基于降秩CSA-MWF的零陷加宽算法.相比于常规的零陷加宽技术,该方法有效地降低了计算...     

基于反演设计的无人水下航行器自适应二阶滑模控制

针对存在参数不确定性和结构不确定性的无人水下航行器,利用反演设计方法设计了无人水下航行器的控制器,并利用自适应控制方法在线估计参数变化率。同时,结合滑模控制克服系统中的未建模动态特性;比较了传统滑模控制与二阶滑模控制的区别,充分体现二阶滑模控制对传统滑模控制中颤振的削弱作用;仿真验证了设将反演设计与自适应控制、滑模变结构控制相结合,.x性的系统,且非线性参数不确定,在这种情况下需要.x 计方法的有效性和正确性。     

电液伺服加载的神经网络内部反馈控制

 针对电液伺服加载系统多余力问题,提出了一种反馈加载系统内部力差信号减少多余力的控制方法。为了消除液压非线性及参数变化等影响,进一步提出基于神经网络内部参考模型调节方法。该参考模型为无舵机扰动时的液压油缸负载压力方程,在加载过程中,将油缸的负载压力与参考模型输出比较,利用神经网络自适应调节能力,消除加载中舵机运动的速度和加速度干扰,同时也克服液压系统非线性,时变参数和扰动的影响,该方法有较好的适用性。     

Adaptive Sliding Control of Six-DOF Flight Simulator Motion Platform

本文使用Newton-Euler法推导了六自由度飞行模拟器运动平台完整的线性化形式的动力学方程,并以此为基础,提出了一种在任务空间中的非线性自适应滑模控制方法。这种控制方法将系统中的不确定性分为定常不确定参数和时变不确定参数,利用非线性自适应控制对定常不确定参数进行辨识,同时结合滑模控制对时变不确定参数和外部扰动进行补偿。通过数值仿真分析表明,该控制策略能准确识别运动平台的载荷、惯量、重心等参数,同时又能有效地提高系统的鲁棒性能。     

基于三坐标测量机的复杂曲面的重构设计与实现

阐述了基于三坐标测量机的复杂曲面反求设计思路,分析了采用等距扫描获取曲面数据的方法。同时对多种情况下的数据处理技术进行了简要总结,并深入剖析了NURBS曲面造型方案。     

分辨率优于0.1arcsec的二维微小角度传感器的系统设计

设计一种新型二维微小角度传感器,可实现实时二维角度的测量。并采用基于DSP的检测电路进行高速数据采集处理,使系统的测量精度和响应速度满足了当前在线检测的需求,角度测量>±600arcsec,测量分辨率优于0.1arcsec。     

导弹气动力/直接力自适应控制分配及优化设计

 建立了具有气动力和直接侧向力混合控制的导弹动力学模型,提出了模糊自适应控制分配与复合控制器优化集成设计方案。设计了基于参考模型的模糊自适应控制分配策略,使气动力/直接力动态分配过程中复合执行机构等效动态特性与参考模型一致。采用进化策略对导弹复合控制系统参数进行了多目标优化设计。仿真结果表明：导弹复合控制系统具有很好的快速大机动跟踪能力,实现了导弹气动力和直接侧向力之间合理的自适应控制分配。     

基于成败试验的导弹贮存可靠性Bayes分析模型

针对传统导弹贮存可靠性分析方法的缺点, 提出了一种Bayes分析模型.这种模型以狄氏分布为先验分布, 综合利用了历史信息和专家信息, 结合导弹检测时间段的成败试验数据, 给出了各检测时间段可靠性的联合后验分布, 然后利用Gibbs抽样算法进行后验推断, 得到了各阶段可靠性的Bayes估计和区间估计.此外, 基于当前试验数据, 利用这种模型以预测未来导弹贮存可靠性.算例表明这种Bayes模型参数含义清楚, 利于工程应用.      

空天飞行器的鲁棒自适应模糊轨迹线性化控制

提出了鲁棒自适应模糊轨迹线性化控制(RAFTLC)方法并应用于空天飞行器(ASV)飞行控制系统设计.根据系统的先验知识, 设计出标称模糊系统对系统的未知干扰和不确定进行估计, 并通过鲁棒自适应控制项来克服标称模糊系统逼近误差和权值误差的影响.标称模糊系统逼近误差和权值误差的界在线调整.采用Lyapunov方法证明了闭环系统的所有信号一致最终有界.最后利用提出的控制方案设计了ASV飞行控制系统, 并在高超声速条件下进行了仿真验证.仿真结果表明了控制方案的有效性和鲁棒性.      

航空发动机反馈神经网络自适应控制方法

根据反馈神经网络控制方法在发动机控制系统中的应用研究,建立了基于反馈网络的发动机控制系统。采用反馈神经网络辨识发动机模型参数,用动态自适应算法对神经网络权值进行了调整,并在飞行包线内各工作点对整个控制系统进行了仿真。结果表明,使用神经网络建立的发动机控制系统具有良好的控制品质和较强的自适应能力。