基于Kalman滤波的变体飞行器T-S模糊控制

针对变体飞行器的跟踪控制问题,提出了一种基于Kalman滤波的T-S模糊控制方法。考虑飞行器系统状态不可测,引入惯导数据作为辅助信息,利用Kalman滤波算法融合飞控信息与惯导信息实现状态估计。由于变体飞行器在不同变形结构下气动特性变化较大,为便于控制器设计,采用小扰动线性化方法得到飞行器在不同平衡点处的局部线性模型,并通过状态反馈方法设计局部控制器,局部线性模型和局部控制器通过模糊集和模糊规则聚合成一个连续光滑的全局T-S模糊模型和T-S模糊控制器。通过综合Kalman滤波器与T-S模糊控制器得到一个基于Kalman滤波的T-S模糊控制器。仿真结果表明,该控制器在变形过程中能够实现状态估计,保证飞机的跟踪性能。     

基于模型的装备维修性设计控制技术

伴随数字化设计方法日趋成熟,飞机装备维修性设计面临如何与三维数字化设计环境下功能性能设计同步的难题。对比分析了数字化环境维修性设计与传统维修性设计的主要差别,提出了基于飞机装备数字化设计环境维修性设计流程,研究了维修性设计参数的表达模型以及维修性参数信息在三维设计数字环境中的转化、集成与利用方式。基于图论和网络节点框图,提出了一种以节点网络图、单节点维修时间模型、维修过程时间模型为表征的飞机装备维修性设计与控制方法。经实例验证,提出的这套基于数字模型的维修性设计技术,对装备在数字化设计环境下同步开展维修性设计具有一定的工程指导价值。     

一种GPS定位信息可用性的实时判定方法

基于GPS接收机输出数据,采用3级AR模型来预测下一时刻的GPS输出值,并与实际的输出值相比较,以一定的检测门限,判断当前时刻定位信息的可用性。通过仿真证明该方法的有效性,为GPS的可用性判定提供了一种方法。     

美陆军展示EWPMT新功能

美陆军在最近的演示中验证了“电子战规划与管理工具”(EWPMT)的新能力,即通过空中数据链远程控制电子战传感器并反馈信息。EWPMT是一个电子战指挥控制与规划工具,能让部队通过有线链路对电子战的潜在效果进行可视化,并制定行动计划。在今年9月进行的“赛博探索2020”期间,美陆军测试了该工具的新功能。     

宽带高集成多级射频互连技术

针对微波电路三维集成结构的迫切需求,开展宽带高集成多级射频互连技术研究。主要设计了两种电路结构,多级水平互连电路与多级垂直互连电路。多级水平互连电路中,通过优化同轴-微带线的水平过渡以及倒角过渡方式,得到在DC～30GHz内的仿真结果,回波损耗优于21dB,插入损耗优于0.16dB;多级垂直互连电路中,通过优化BGA板间互连结构,得到在DC～30GHz内的仿真结果,信号的回波损耗优于13dB,插入损耗优于0.57dB。在小型化、高集成的需求下,宽带高集成多级射频互连技术是解决宽带射频信号传输问题的关键技术路径,可以广泛应用在微波电路三维集成结构中,具有重大的应用前景。     

基于CCSDS RASDS信息对象建模方法的数据注入工具设计

为了解决航天工程中,信息数据格式不易修改,机构间接口协调过程复杂,跨任务难以继承使用等问题,参照空间数据系统咨询委员会(CCSDS)空间数据系统参考体系架构(RASDS)中的信息对象建模方法,以数据注入指令设计为例,开发了工具链软件。工具链基于可扩展标记语言的遥测遥控信息交换(XTCE)标准,结合具体应用场景,对指令设计需求到具体数据文件转换过程中涉及的工具进行了划分,提出了生成遥控数据对象模型的方法。按照该方法设计的工具软件实现了抽象信息对象到数据模型的转换,有序自动生成模板文件,进行了验证。结果表明：RASDS从抽象数据结构到数据模型,再到具体数据对象的描述和转化方法是可行的,可以用于指导各种信息对象和数据对象的规范化设计和工具设计。     

基于特征融合和集成学习的运动想象脑电解码方法

开发高性能的脑电解码方法一直是脑机接口系统研究的重点和难点。为了进一步提高运动想象脑电解码的性能,提出了基于特征融合和集成学习的脑电解码方法。首先,针对每个通道脑电信号提取方差、自回归(AR)系数和带通功率特征,接着进行特征融合。其次,提出两种新的集成学习方法,分别是基于K最近邻(KNN)的集成学习模型和基于最小绝对值收缩和选择算子(LASSO)的集成学习模型。其中,KNN集成模型针对KNN分类器的K值以及闵式距离的P值进行集成,LASSO集成模型针对LASSO分类器的正则化参数进行集成,这两种集成学习方法计算简单且不需要烦琐耗时的交叉验证过程进行模型选择。最后,在三个公开的运动想象脑电数据集上验证所提方法的有效性。实验结果表明,新提出的集成学习方法,其分类结果优于支持向量机、随机森林等现有的分类器。LASSO集成模型优于KNN集成模型,在三个数据集上取得了71.75%的最高平均分类准确率。     

基于CDKF的快速协方差交叉融合跟踪算法研究

随着目标抗干扰能力的增强,单一寻的制导方式很难完成对目标的稳定跟踪和精确打击,需采用多种探测器作为传感器,提供多种观测数据以实现对目标的稳定跟踪和精确打击。建立了适当的目标运动模型和观测模型,利用中心差分卡尔曼滤波（CDKF）变换处理模型的非线性问题,避免了求解复杂的雅克比矩阵。对于分布式多传感器融合,传统的方法多采用协方差交叉（CI）融合方法,但是这类方法需要寻优求解。而快速协方差交叉（FCI）则不需要进行寻优过程,且计算量小。在此基础上,提出了用于多传感器目标跟踪的CDKF-FCI融合算法。最后,对算法进行了仿真分析,并进一步验证了提出算法的有效性。