强不确定系统“全系数之和等于1”的实现方法

摘要： 研究强不确定系统“全系数之和等于1”的实现方法，强不确定系统指的是系统的静态增益及其界不完全确知且范围较大.“全系数之和等于1”是吴宏鑫院士20世纪80年代发现的，该原理表明，对于未知连续系统，其离散化系统的系数的和在一定条件下是1.该原理的发现对于解决闭环辨识和自适应控制的瓶颈问题具有关键作用.“全系数之和等于1”是在一定条件下成立的.为了实现系统的“全系数之和等于1”，需要对系统进行一定的变换，以满足所需条件.其中，采用静态增益的标称值的倒数进行输入变换的方法在实际中得到了广泛应用.但是，当系统的不确定性较大时，该变换将带来较大偏差.针对该问题开展了深入研究，明确给出了系统静态增益的不确定性与标称值的比值的关系对于实现“全系数之和等于1”的影响.当不确定性与标称值的比值较小时，可以近似实现“全系数之和等于1”；当比值较大时，进一步给出了通过选取合适的采样周期，近似实现“全系数之和等于1”的方法.本文的研究对于特征模型理论在实际中的应用提供了一定的基础.     

基于时空轨迹信息的目标行为模式在线分类方法

在预警监视领域，及时地预测目标行为模式对于态势认知至关重要。首先，针对当前大多数目标行为分类器实时性不强、对离群轨迹不敏感等问题，提出了带有离群检测的归纳式一致性多类预测器（ICMP）。其次，针对目标行为分类算法仅考虑目标的空间位置信息，而忽略航向和速度信息的问题，基于轨迹的时间和空间2个维度的信息提出了时空Hausdorff距离（STHD），从而可以有效区分空间位置相似但运动速度和方向不同的行为。然后，基于定向时空Hausdorff距离和K最近邻思想构造了定向时空Hausdorff最近邻不一致性度量函数（DSHNN-NCM）；在此基础上，提出了带有离群检测的序贯时空Hausdorff最近邻归纳式一致性多类预测器（SSHNN-ICMP），能够在预警监视场景下对目标频繁出现的行为进行在线学习和分类。最后，分别在仿真军事场景和真实民用场景中进行实验分析，结果表明本文算法具备较好的准确性和实时性，在预警监视任务中有良好的应用前景。     

基于非线性变换的加速度计误差标定与补偿CSCD

为提高三轴加速度计测量精度,分析其误差来源和产生机理,建立了误差模型;根据误差模型和重力场幅值不变特性,推导出非线性观测方程。引入两个未知的参数向量,通过数学变换把非线性观测方程变形为关于新未知参数的线性方程;然后采用批量最小二乘法求出新的未知参数,并根据误差模型参数和新未知参数之间的关系,利用逆解析运算求出对应的零点偏差、灵敏度误差和三轴不正交误差。实验结果表明,加速度计正负误差峰值间距可以减小100倍左右,精度可达10-3m/s2,并具有很好的可重复性。该方法算法效率较高,补偿效果显著。     

最可能发现外星生命的地方

<正>关于广袤太空是否存在智能生命,科学界始终存在二种不同的观点:一种观点认为地球和人类都是浩渺宇宙的普通成员,没有什么特别之处。另一种观点与此相反,认为地球和人类都是特殊的存在,从地球与太阳的距离和角度到大气层与水的获得、释放,都是无数特殊条件下生发出无数巧合使然,才使地球进化出人类。     

基于图像识别的机械振动信号特征提取与寿命预测方法研究

滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management, PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator, HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network, ResNet)结合时空卷积网络(Temporal Convolutional Network, TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。     

不同干扰情况下脉冲压缩对雷达作用距离的影响

雷达脉冲压缩技术,既是能够解决雷达威力与距离分辨力之间矛盾的手段,也是一种抗干扰措施。分别分析了在背景噪声、窄带噪声瞄频干扰、宽带噪声阻塞干扰情况下,脉冲压缩处理对雷达作用距离的影响。指出了脉冲压缩处理对雷达作用距离是否产生影响的根本原因,是看干扰（噪声）信号的功率谱密度是否恒定。若恒定,则无影响;若不恒定,则会产生影响。     

量子力学中的Heisenberg测不准原理的数学推导以及在小波分析中的应用

从傅里叶变换的定义出发,利用时变信号的短时傅里叶变换,推导出量子力学中的Heisenberg测不准原理,说明了两者之间存在这种联系的必然性,并给出了测不准原理在小波分析中的应用举例.     

自适应航天器态势分析系统

利用深度学习中的卷积神经网络理论,基于单目视觉系统和带有标识物的航天器影像,实现对航天器的三维姿态角、距拍摄点距离和相对拍摄中心偏移量的精准测量。利用机器学习理论实现网络自主学习样本特征,这一方式将大幅降低动态测量的误差。同时,这种测量方式也避免了人工提取特征的复杂过程,实现任意、精准、快速测量,对航天器在组装及发射过程中的姿态估计、距离测算起到关键性作用。     

短试验段内格栅湍流场风洞试验研究

为在轴向距离较短的风洞中调制出局部高湍流场,利用风洞试验的方法,对5种格栅（2种方型格栅、3种竖条格栅;3 cm × 3 cm截面铝制型材组装）后的近流场区域进行热线风速仪测量,得到格栅后近场区域的湍流参数分布及各向同性特性,依据相关湍流参数的变化规律,引入无量纲量拟合近场区域湍流强度变化规律经验公式,拟合优度为0.96。分别利用经典和现代谱估计对湍流功率谱密度进行分析,对比发现不同形式的谱估计均能准确预测近场区域湍流功率谱密度,仅在低频处存在偏差。通过改变格栅与测点距离、来流速度以及栅条结构的形式,可以改变格栅湍流场中的能量结构。     

一种高动态低信噪比卫星导航信号捕获方法

为提升高动态低信噪比环境下卫星导航信号的捕获性能,提出了一种基于分数阶傅里叶变换(FrFT)及部分匹配滤波(PMF)的捕获方法。在该方法中,接收机首先利用PMF对接收信号做分段相干积分,随后借助快速傅里叶变换(FFT)对分段积分结果做离散快速FrFT,最后通过检测FrFT输出的峰值完成信号的捕获。由于具有多普勒频率变化率的卫星导航信号在FrFT后呈现能量聚焦特性,所提方法能够显著提高信号的长时间相干积分增益。同时对所提算法的捕获概率、平均捕获时间以及算法复杂度等性能指标进行了理论分析及计算机仿真验证。仿真表明,与传统的PMF-FFT方法相比,所提方法能够通过延长相干积分时间的方式有效提升高动态低信噪比卫星导航信号的捕获概率、降低捕获时间。