基于自适应滑模的变质心再入飞行器控制律设计

建立了有纵向单滑块的变质心再入飞行器系统控制模型。对该有输入非线性的快时变多体系统,考虑系统存在参数不确定等因素的影响并将完整的活动质量体动力学环节置入姿态控制,基于滑模控制理论设计了俯仰姿态跟踪鲁棒控制系统。在参数不确定性条件下对飞行控制系统进行了仿真。结果表明：设计的控制律可实现对指令角度和指令位置有效、快速、稳定...     

数字水印防伪技术的研究和应用

本文采用数字水印技术,研究和开发了一种新的证件制作与检测方法技术体系,防伪性能高、识别准确快速。该项技术可广泛应用于证件和产品的防伪,具有极高的理论价值和实用价值。     

一种新的辐射源优化识别方法

针对证据理论无法获得传感器报告、无法处理具有冲突的传感器报告、计算复杂度高、干扰环境下融合结果不可靠等缺点,提出了一种新的辐射源优化识别方法。该方法首先利用灰色关联算法来获得传感器的报告,并且提出利用信息熵解决灰色关联分析中特征权重的选择问题。然后根据传感器证据报告的特点,引入传感器可信度因子,通过构造和分解代价函数将辐射源识别问题转化为求解一个凸二次优化问题。最后,给出了一种利用对数罚函数方法求解该问题的改进方法和步骤。理论分析和仿真结果表明,与证据理论相比,新方法具有更低的计算复杂度、更好的识别能力、更广的适用性和更强的鲁棒性。
     

基于预测滤波的卫星交会对接相对位姿确定方法

基于视频制导系统提供的视线测量,引入一种高精度、高鲁棒性的、实时的预测滤波算法,建立系统的误差模型,对角速度和位移速度进行一步预测,从而精确地估计卫星的相对位置和相对姿态。此外提出修正方案,通过卡尔曼增益对相对姿态和相对位移进行修正和更新,估计性能得到改进优化。通过卫星交会对接仿真实验验证算法的有效性,结果表明,预测滤波算法高精确估计相对姿态和相对位置,修正后算法得到了更高的精度结果,满足卫星交会对接要求,对在轨实验有重要参考价值。     

子带自适应阵列处理的实现与性能分析

针对空频自适应滤波处理中节拍样点两端的输出信干噪比急剧下降的问题,建立了子带自适应阵列处理与空时自适应阵列处理等效关系的数学模型,指出了变换正交基函数的影响,提出利用时频分析特性优良的小波包变换取代傅立叶变换形成新的子带自适应阵列处理,减少子带间的频谱混叠,从而提高系统节拍样点两端的输出信干噪比。对基于不同窗函数的空频自适应处理和基于小波包变换的子带自适应处理进行了性能仿真,验证了小波包相对于加窗空频自适应处理的优越性。     

一种AOS遥测源包多路调度算法

高级在轨系统（AOS）体制的核心是调度策略,文章针对我国航天器遥测数据及信道特点,提出了一种高效的AOS遥测源包调度算法,该算法基于优先级调度,对各种数据可以设计不同的优先级,在调度时满足了低速数据的传送要求以及突发数据等高实时性的要求,尤其是信道空闲时算法在优先调度高优先级源包的同时,也兼顾了低优先级源包的下传需求。...     

最小二乘支持向量机的在线学习算法研究

针对最小二乘支持向量机在线逼近过程中求解矩阵维数逐渐扩大的问题,提出了一种最小二乘支持向量机的在线学习算法。借助滚动窗口的思想,建立一个随时间滑动的建模数据区间,在线逼近中通过接受新数据删除旧数据来保持数据区间长度不变,同时数据不断更新,从而实现模型的在线学习。仿真结果表明了这种学习算法的有效性。     

基于自适应粒子滤波的涡扇发动机故障诊断

针对涡扇发动机非线性、非高斯的特点,提出了一种自适应的粒子滤波算法用于涡扇发动机气路部件突变故障的诊断.为了减小算法的计算量并且保证滤波精度,分析了滤波精度和样本数目的关系,提出根据滤波过程中状态的方差自适应地调整粒子数,在保证一定的滤波精度下可以有效地减少滤波过程中使用的粒子数,提高了算法的实时性.同时,引入扩展卡尔曼滤波(EKF)用于更新粒子,产生重要概率密度函数,在一定程度上避免了粒子的退化.通过某型涡扇发动机的仿真分析表明:改进的算法相比标准粒子滤波算法用于涡扇发动机气路部件故障诊断时,参数估计的方均根误差减小了50%左右,且算法的计算量减小了30%.     

基于人工蜂群算法与NURBS的吸附式叶型优化设计

为提高轴流压气机吸附式叶型优化设计的质量,设计了一套基于人工蜂群(ABC)算法和非均匀有理B样条(NURBS)的自动优化设计系统.对人工蜂群算法的运行机制进行了深入分析,并与目前广泛使用的遗传算法(GA)进行了对比.对比发现人工蜂群算法可以更好地逼近全局最优值且收敛效率提高50%.使用NURBS对叶型进行参数化,并研究了参数化过程中的畸变问题.将抽吸参数与叶栅参数同时作为优化变量,使用该系统对一吸附式叶栅进行了优化.结果显示:抽吸槽设置在58.44%轴向弦长位置处流动损失下降明显,与优化前未抽吸叶型相比流动损失降低64.8%,气流分离得到有效抑制.     

A salient edges detection algorithm of multi-sensor images and its rapid calculation based on PFCM kernel clustering

Multi-sensor image matching based on salient edges has broad prospect in applications, but it is difficult to extract salient edges of real multi-sensor images with noises fast and accurately by using common algorithms. According to the analysis of the features of salient edges, a novel salient edges detection algorithm and its rapid calculation are proposed based on possibility fuzzy C-means （PFCM） kernel clustering using two-dimensional vectors composed of the values of gray and texture. PFCM clustering can overcome the shortcomings that fuzzy C-means （FCM） cluster- ing is sensitive to noises and possibility C-means （PCM） clustering tends to find identical clusters. On this basis, a method is proposed to improve real-time performance by compressing data sets based on the idea of data reduction in the field of mathematical analysis. In addition, the idea that kernel-space is linearly separable is used to enhance robustness further. Experimental results show that this method extracts salient edges for real multi-sensor images with noises more accurately than the algorithm based on force fields and the FCM algorithm; and the proposed method is on average about 56 times faster than the PFCM algorithm in real time and has better robustness.