构造正则表达式的简化DFA算法

介绍了构造等价于给定正则表达式的简化确定有限自动机(DFA)的算法.方法是首先构造与正则表达式等价的非确定有限自动机(NFA), 这里省略了构造带ε动作的有限自动机的操作, 然后用状态树构造与该NFA等价的简化DFA.这个算法在计算机上已实现, 并且对输入的任意正则表达式, 都可以输出等价于正则表达式的简化DFA.该算法可以用于某些离散信息处理系统的设计与分析.      

基于模糊系统的径向高斯网络的自适应状态观测器

利用模糊系统的径向高斯函数网络对一类非线性时变系统的状态进行了估计。给出了一种递阶自组织在线学习算法,提出了非线性时变系统的自适应状态观测器,并对其结构及特征进行了讨论,仿真结果表明这种自适应状态观测器能很好地观测系统的状态。     

航空发动机控制系统性能恢复设计:H_∞/PR

对于航空发动机这样一类状态及输出矩阵存在摄动的系统,提出了一种直接根据性能指标作为恢复的目标的性能恢复理论设计方法。首先进行具有稳定及性能鲁棒性的状态反馈的H∞控制设计,然后通过设计一个状态观测器使得上述状态反馈控制的特性得以恢复。     

基于模糊控制的某型飞机极限状态限制器的设计

提出一种基于模糊控制的某型飞机极限状态限制器的设计方法。该方法将模糊控制函数的优化和模糊控制系统增益自适应调整集中于一体 ,可大大改善系统的品质和适应能力。在系统设计中 ,比例因子的最小二乘法估计用于优化控制规则 ,论域的在线自调整可以消除模糊化过程中所导致的信息丢失 ,积分抑制策略则是为了提高稳态精度、增强适应性和进一步抑制超调。全飞行包线的数字仿真结果表明 ,本文提出的模糊控制方法获得了良好的控制效果     

圆形轨迹导引下的无人机事件触发抗干扰环绕控制

针对内部不确定性以及外部环境摄动的目标环绕控制问题,在基于反步法的双层制导框架下,利用级联控制思想,提出了一种圆形轨迹导引下的四旋翼无人机事件触发抗扰环绕控制方法。在轨迹回路中,构建了可满足持续激励条件的目标位置估计器,保证仅通过视线方位角就能获取可满足最终一致有界条件的目标估计项。随后,基于目标的位置估计结果,设计了目标环绕控制律生成线速度指令,并通过方向向量场验证了该环绕制导律的有效性,消除了现有李雅普诺夫向量场制导(LVFG)对相对位置和目标速度的依赖。在姿态回路中,通过采用扩张状态观测器(ESO)补偿系统的集总不确定性,设计了基于相对阈值事件触发控制的姿态控制器,在有效降低控制器到执行机构之间信号传输频率的同时,实现了四旋翼无人机对静止/移动目标环绕。然后,借助输入状态稳定性定理证明了系统的稳定性。仿真结果表明,所提控制方案能够实现圆形轨迹导引下四旋翼无人机对静止/移动目标的环绕监视。     

环境试验设备的状态空间法仿真设计

对于环境试验设备的设计,传统的工程设计方法是从指标出发,用半经验、稳态的方法设计系统,按照围护结构稳态放热量和试品冷透来计算制冷系统容量,这种稳态的计算结果通常比实际需要大的多.采用基于状态空间描述的分布参数模型用于系统动态仿真,可以允许对许多先不必要考虑的环节简化处理,对主要的负荷如围护结构、被试品等做精确的处理,可以较准确的得到总的制冷量需求,验证控制策略等,对于初期方案设计中系统制冷、加热设备容量的准确计算、不同方案的验证、控制方案的制定具有明显的意义.      

事件触发控制在倒立摆系统中的仿真与实验

从理论、仿真、实验3个角度考虑了事件触发控制对于一级直线倒立摆系统的控制效果,进而说明事件触发控制的可行性与实用性。首先,借助线性矩阵不等式给出了事件条件参数的设计方法,并对触发时间间隔下界进行了估计。其次,通过Simulink仿真说明了在无量化效应时理论结果的有效性。最后,通过实验研究了量化效应的影响,发现其对于基于模型控制器的负面作用。实验结果表明,对于实际倒立摆系统,混合型事件条件及零阶保持控制器更加适用,它们可以在保证系统稳定性的前提下有效降低信息的通信频率。上述结果体现了事件触发控制的潜在实用价值。      

火星大气进入滑模自抗扰制导方法

针对火星探测器大气进入制导阶段存在着模型参数误差等不确定性,基于直接反馈线性化理论设计了一种滑模自抗扰进入制导方法。首先利用反馈线性化方法对跟踪系统模型进行线性化处理;在此基础上设计了滑模控制律,并利用线性扩张状态观测器估计系统的未知不确定量,在控制律中进行补偿;此外还给出了大气进入段的横向制导律。仿真结果表明,与反馈线性化方法相比,该方法设计的制导律有效地降低了模型参数误差对制导精度的影响,实现了对参考轨迹的良好跟踪,提高了探测器开伞点的精度。     

基于并行模型自适应滤波的空间目标相对位姿估计

摘要： 扩展卡尔曼滤波(EKF)的估计精度受限于测量噪声统计特性的准确程度,如果敏感器测量噪声方差偏离其标称值,将会对滤波性能产生不利影响.尽管自适应扩展卡尔曼滤波(AEKF)能够对测量噪声方差进行估计,但是,噪声特性准确的情况下,AEKF的性能往往不及传统EKF.针对上述问题,本文提出一种并行模型自适应滤波(PMAF),基于特定的自适应率将EKF和AEKF结合起来,使得在先验信息准确的情况下,EKF在状态估计中起主导作用;相反,在实际噪声方差偏离标称值时,令AEKF起主导作用.这样,即能有效削弱测量噪声统计特性不确定性对滤波性能的影响,又能确保正常情况下的估计精度.以空间目标相对位姿估计为例,通过数学仿真对EKF、AEKF和PMAF进行了对比研究,表明所提算法的综合性能优于传统方法.