输出反馈变结构控制在导弹纵向姿态控制系统中的应用

以某型导弹的纵向姿态控制三阶线性模型为基础，选取状态变量为俯仰角及其一阶、二阶微分信号，建立了状态空间表达式。运用输出反馈变结构控制理论，设计了导弹姿态变结构控制器。分析了在所设计的滑模面上降维子系统的稳定性；通过状态线性变换，并运用Lyapunov稳定性定理证明了状态轨迹的可达性。通过对切换控制量的改进，消除了控制量的颤振。仿真结果表明了设计方法的有效性。     

叶果罗夫定理推广及其应用

叶果罗夫定理是对函数序列而言的，证明了叶果罗夫定理对于满足Caratheodory条件的连续指标函数族也成立，并且给出了一个应用例子。     

贝叶斯方法在导弹武器系统试验评估中的应用

介绍了贝叶斯方法及其与仿真技术的结合运用,指出贝叶斯小子样理论对导弹武器装备发展的重要性,着重分析研究了贝叶斯方法在导弹武器系统性能评定中的应用.     

基于贝叶斯方法与稳健理论的滚动轴承摩擦力矩不确定度建立方法

基于贝叶斯方法与稳健化理论,提出一种未知分布时间序列不确定度的建立方法。该方法以中位数估计与Huber M估计融合方法分析时间序列数据的稳健性,构建贝叶斯先验分布,并与实验数据建立贝叶斯后验分布,创建以贝叶斯后验分布建立时间序列数据的不确定度。在显著性水平为0～0.1,通过对滚动轴承摩擦力矩分析,中位数估计与Huber M估计相融合方法确定了滚动轴承摩擦力矩稳健数据的边界值、显著性水平,构建了贝叶斯先验分布。以贝叶斯后验分布构建滚动轴承摩擦力矩不确定度。与经典统计学得到的不确定度比较,在相同置信水平下,该方法缩短了评估区间,提高了评估精度0～50%。该融合方法以稳健数据构建先验分布,提供一种贝叶斯方法先验分布建立方法;采用中位数估计与Huber M估计融合方法确定了数据显著性水平和边界值的确定,减小置信水平与稳健数据边界值主观确定的误差;为未知分布时间序列的不确定度建立提供了一种理论。     

基于贝叶斯理论的激光陀螺可靠性评估

激光陀螺是一种由多种元器件组成的高可靠性、长寿命的光电器件,在可靠性评估中,可以依据最小薄弱环节定理,基于传统寿命试验,建立激光威布尔分布可靠性模型;但是由于其高可靠性的特点,在可靠性寿命试验中常常得不到失效数据,应用传统的参数评估方法不能对威布尔分布中的未知参数进行估计.贝叶斯原理得到各个时刻的失效概率,进而建立参数的线性回归模型对威布尔模型中的未知参数进行估计,从而得出激光陀螺的可靠性指标,最后对此种方法进行了验证.该方法中贝叶斯估计结合经验信息大大减小了试验样本数,且克服了传统可靠性评估方法依赖失效数据的缺点,在工程应用上具有很高的价值,结果表明了该方法的有效性.     

非完备信息下的超视距空战双机协同战术识别

针对超视距（BVR）空战过程中,受探测装置性能限制和敌方干扰等原因,导致目标信息易缺失,从而难以实时准确地识别敌方协同空战战术的问题,提出了一种基于动态贝叶斯网络（DBN）与参数学习的超视距空战双机协同战术识别方法。分析了超视距空战条件下的双机协同战术特征,根据长机和僚机的职能分工、当前态势及机动动作,构建了识别网络模型;为提高模型对双机协同战术的识别概率,采用期望最大参数学习方法优化网络参数;基于自回归模型对缺失目标信息进行修补,提出非完备信息下的双机协同战术识别推理算法。通过开展空战对抗仿真实验,验证了双机协同战术识别方法对于非完备信息下的超视距空战双机协同战术具有较高的识别概率和较好的实时性。     

基于F代表点的高斯过程矩匹配滤波

提出了一种基于F偏差代表点的高斯过程矩匹配滤波方法。该方法通过高斯过程学习系统的过程函数和观测函数,在高斯矩匹配滤波的框架下利用F偏差代表点进行数值计算。在单变量非线性模型及静基座初始对准中进行的仿真实验表明,该方法的精度不低于解析计算的高斯过程假设密度滤波（GP-ADF）,远高于高斯过程无迹卡尔曼滤波（GP-UKF）。     

一种非线性闭环多约束最优末制导律研究

针对复杂环境多约束条件下的飞行器末制导问题,提出了一种基于最优控制理论,同时考虑过程约束和终端约束的末制导律设计方法。首先,考虑终端位置、落角和过载需求,基于最优控制理论和Schwartz不等式,建立了过载指令表达式;然后,根据需要对其进行了简化处理,得到了便于应用的表达形式;接着,在建立飞行过载和导引头视角解析表达式并进行分析的基础上,设计了同时考虑过程约束和终端约束的制导参数设计策略;最后,开展了仿真分析,仿真结果表明,所提制导律在满足飞行过程和终端约束的同时,降低了飞行器飞行末段过载需求。     

基于纹理特征的地貌的统计贝叶斯划分方法研究

通过研究“嫦娥一号”拍摄的月球影像灰度图纹理特征,对月貌进行划分,提出一种利用月球纹理特征结合月球影像的灰度值,采用贝叶斯分类法来进行月球地貌的分类。月球影像的纹理特征是由灰度共生矩阵计算出来的13种纹理特征量来刻画的。具体方法是：首先,选择能将不同月球地貌区分开的最佳纹理特征及提取这些最佳纹理特征所采用的相应最优窗口尺寸;其次,对这些提取出的纹理特征进行主成分分析,去除相关性,再运用贝叶斯分类法进行月貌分类。实验表明,该方法能很好地提取出月球表面的纹理特征,并能成功地对月球地貌单元进行自动识别和分类。最后制作完成的月球地貌分区图能为月球的进一步研究提供参考,为更好地探索月球提供详细的资料。