四旋翼的改进PSO-RBF神经网络自适应滑模控制

针对非线性、强耦合并带有不确定性干扰的四旋翼无人机模型，提出了一种改进粒子群算法-径向基(PSO-RBF)神经网络自适应滑模控制器。在对RBF神经网络自适应滑模控制器进行控制量平滑改进的基础上，利用改进的具有全局寻优能力的PSO算法来调整RBF神经网络的拟合参数，从而进一步提升网络的拟合能力。根据实际四旋翼的模型参数，搭建四旋翼的动力学模型，通过Lyapunov理论验证了系统的稳定性。仿真结果表明：与RBF神经网络自适应滑模控制器和双闭环PID控制器相比，改进PSO-RBF神经网络自适应滑模控制器可以在一个控制周期内寻找到合适的控制量，其调节时间分别提升约50%和75%；改进PSO-RBF神经网络自适应滑模控制器具有轨迹跟踪速度快且准、抗干扰能力强和鲁棒性好的特点。     

空中交通复杂性研究进展

空中交通复杂性是空中交通态势的本质属性，是空中交通管制工作负荷的主要驱动因素。空中交通复杂性的科学评价是实现空中交通精细化管理的关键，也是当前空管领域研究热点。本文介绍了国内外空中交通复杂性的研究团队，梳理了空中交通复杂性与工作负荷、安全水平等相互之间的区别和联系，并详细分析了现有研究的具体研究路线。在分析新一代空中交通管理系统特征的基础上，对空中交通复杂性的未来研究趋势和方向进行了展望。     

GPS接收机的自主完善性监测算法研究

完善性监测是 GPS接收机研制过程中的重要技术问题之一 ,其功能是在接收机不能用于导航服务时向用户提供告警信息。文中对基于最小二乘残差法的 GPS接收机自主完善性监测 (RAIM)算法进行分析与研究 ,并给出了检测门限的求解方法 ,最后对将该算法应用于 GPS/GL ONASS组合接收机时存在的问题进行了探讨。这一算法在某型号接收机的相关实验中取得了较好的效果。