基于高增益观测器的航迹角自适应反步控制

针对飞行控制系统中状态向量不完全可测量的问题,设计了一种高增益神经网络自适应观测器.在常规高增益观测器的基础上引入径向基(RBF, Radial Basis Function)网络自适应项,对建模误差和外界干扰进行在线估计.将高增益观测器与基于动态面的反步控制相结合,提出了一种神经网络自适应反步控制方法.引入一阶滤波器,避免了传统反步控制中的"计算膨胀"问题.基于Lyapunov稳定性理论,给出自适应输出反馈控制器和RBF网络权值向量的自适应律,并证明了闭环系统是半全局一致有界.从航迹角控制系统仿真结果可以看出,航迹角能够较好地跟踪指令信号,不受建模误差和外界干扰的影响,所设计的观测器具有良好的收敛性,控制系统具有较高的鲁棒性.     

基于双量子比特态测量的量子自适应中值滤波

为了进一步增强去噪时对图像细节的保护能力,并同时提高算法实时性,提出了基于双量子比特态测量的量子自适应中值滤波算法,该算法首先将待处理图像像素转化为量子叠加态,然后依据量子测量原理对此叠加态进行量子测量,最后将测量后的坍缩态转化为输出图像.该算法使用双量子比特态来描述单像素,拓展了单量子比特态与单像素的对应关系.双量子比特态的4个叠加基态增加了被描述像素的信息量,可以更精确地对像素进行操作.该算法根据噪声特点设计双量子比特态的概率密度公式,并根据测量坍缩态自适应地调整滤波窗口尺寸.实验证明,该算法与标准中值滤波和经典自适应中值滤波相比,具有更好的综合滤波能力,既可以有效地滤除噪声点,很好地保护图像细节,又具有很好的实时性.     

探空火箭图像压缩算法研究

结合探空火箭图像系统需求, 提出了一种基于小波变换编码, 即基于MSPIHT的自适应差分算术编码(MSPIHT Adaptive Differential Arithmetic Coding for image, MADAC)的图像压缩算法. 该算法对经过量化编码之后的数据 进行熵编码. 实验结果表明, MADAC算法具备探空火箭图像系统所要求的分辨 率、帧速率及压缩率可调的功能, 且易于硬件实现.      

全系数自适应控制器若干稳定性质分析

在更加一般的条件下对黄金分割反馈控制器在单输入单输出和多输入多输出特征模型中的稳定性和鲁棒性进行了系统分析,并在混合辨识背景下研究了投影梯度法在特征模型框架中应用时的输入状态稳定(ISS)性和参数估计误差的L2界.最终的结果进一步扩展了已有的结论,对整个系统的稳定性分析具有重要作用.     

提高零控脱靶量预测精度的一种方法

对于大气层外拦截问题中以零控脱靶量(ZEM-zero effort miss)作为指标的预测制导方法,其ZEM的预测精度直接影响到最终的拦截任务.在线性化平方反比引力模型下,给出了基于目标轨道坐标系的ZEM预测算法,导出ZEM发生条件,并提出一种提高ZEM预测精度的方法,即通过初值轨道角速率的选取可明显改善算法的预测精度.同时将该算法与地心赤道惯性坐标系下的ZEM预测算法进行了比较研究,数学仿真结果表明该预测算法精度较高,具有一定的工程应用价值.     

永磁球形电机的神经网络自适应控制算法

介绍了具有三维位置检测功能的三自由度永磁球形电机工作原理及其运动控制方法.结合球电机结构特性,基于XYZ 欧拉角和拉格朗日方程建立了球电机运动学及动力学模型.为了解决动力学模型建模误差、摩擦力和外界干扰等对球电机工作性能的影响,设计了神经网络逼近模型,并将其应用于球电机的控制之中.仿真结果表明这种控制方法与传统方法相比可以有效提高球电机的抗干扰能力,在建模误差比较大的情况下仍可以保证球电机的运动精度,其结果可以为进一步的球电机精密运动控制理论研究和实验方案设计提供借鉴和参考.      

一种基于标准弹道法的自适应制导律设计

提出一种基于自适应补偿思想的再入飞行器纵向制导律改进方法.首先利用未知摄动函数描述纵向动力学方程,并基于此设计了对气动参数变化具有自适应能力的控制律,与原标准轨道控制律叠加形成全控制律,最终用于再入制导.仿真结果表明,所设计的控制律对于气动参数变化,大气密度变化具有较好补偿效果.     

基于下降图像三维地形重建的参数自适应生成

针对基于单应性下降图像着陆区三维地形重建算法中重建参数对重建结果的影响,提出一种参数自适应生成算法计算最优重建参数.首先,根据匹配特征点对应的空间点拟合出地形近似平面,作为系列平行虚拟切分平面的参考平面,从而确定切分平面的法向和基本深度.其次,在地形近似平面两侧,分别计算特征点对对应的空间点到地形拟合平面最大距离,用于估计重建区地形高度差异.最后,根据地形高度差异和相机距地形拟合平面距离,寻找最优切分平面个数.根据这些重建参数即可计算地形重建所需单应矩阵.对比不同重建参数下的重建结果表明该参数设定方法可以达到更优重建效果.      

多机械臂的分布式自适应迭代学习控制

针对拓扑结构为无向连通的多机械臂系统,提出了一种自适应与迭代学习相结合的分布式控制协议来实现整个系统对给定期望参考轨迹的一致性跟踪.通过引入一个适当的自适应迭代学习参数,所提自适应迭代学习控制协议能够克服机械臂系统中的干扰和模型不确定性,并且每个机械臂的自适应迭代学习控制(AILC)律仅需要利用其与邻居机械臂的相对交互信息.进一步,在只有一部分机械臂具有期望参考轨迹信息的前提下,该控制协议可以实现整个系统对期望参考轨迹的跟踪,同时能够保证轨迹跟踪误差与控制输入的有界性.此外,利用李亚普诺夫分析方法证实了所得结论的正确性,并且通过一个实例验证了所提自适应迭代学习控制协议的有效性.