跨大气层飞行器爬升段纵向飞行控制律和制导律设计

由于火箭发动机的巨大推力,跨大气层飞行器在爬升段加速很快,重量、重心、惯量、飞行速度以及飞行高度等参数变化剧烈,无法简单地用固定控制增益参数的形式来保证整个飞行包线内的飞行品质要求。根据飞行器的爬升特点和控制难点,在爬升段的飞行包线内选择典型设计点,分别进行纵向内外回路控制律的详细设计。采用控制增益参数随动压变化进行调参的方法,对爬升段飞行轨迹进行了数字仿真,结果表明设计的控制增益参数及控制律,满足了跨大气层飞行器爬升段的预定目标要求。     

智能旋翼的频域神经控制

 频域内的神经控制方法在振动主动控制中因其允许复杂的控制算法,适合于智能旋翼的控制。在建立频域智能旋翼系统模型的基础上,提出了频域内的智能旋翼神经控制方法。采用正交设计方法选取训练样本,建立频域神经模拟器,然后按照提出的算法进行控制。仿真结果表明提出的算法有效,并且具有较好的鲁棒性。     

上升段飞行器目标的视频图像跟踪

粒子滤波是一种基于贝叶斯估计理论和蒙特卡罗理论的实时目标跟踪方法,具有较为灵活的并行化跟踪方式,能够较好地维持跟踪目标的假设状态,具有较好的跟踪效果和鲁棒性。上升段飞行器目标飞行视频图像跟踪是火箭等目标飞行监控的重要阶段,但现阶段对飞行器上升段的视频图像跟踪主要依靠人工手动操作云台控制器,实现视频图像中的飞行器跟踪,跟踪图像存在跟踪滞后、画面抖动等现象,跟踪效果受人为因素影响较大。本文提出一种基于粒子滤波方法的上升段飞行器目标视频图像跟踪方法,建立飞行器目标粒子滤波跟踪模型实现对飞行器目标的识别和跟踪,在识别和跟踪的基础上建立云台控制模型,通过对云台的智能控制获得飞行器上升段的高质量图像。采用火箭发射的视频图像作为模型验证的实验数据,检验飞行器目标的跟踪效果。     

力控制反馈信号的神经网络法校正

对机器人的力反馈，主动柔顺控制和双向联想记忆的神经网络进行了综合研究，针对机器人腕力传感器输出信号的部分失真，提出了机器人擦洗平面玻璃力反馈信号神经校正的方法，并建立了相应的神经网络结构，在ＡｄｅｐｔＴｈｒｅｅ精密装配机器人上进行了试验验证，取得了满意的效果。     

交—交型矩阵变换器的双电压控制原理及波形合成

介绍了一般意义上的ｎ×ｍ型矩阵变换器的拓扑形式及双向功率开关的构成；分析了基于瞬时电压调制技术的三相ＡＣ－ＡＣ矩阵变换器的开关状态和控制规律；给出了在一个周期里，划分输入相区，输出相区的原则，从理论上推出了改进的双线电压控制的矩阵变换器的控制函数表达式。     

数字地形数据的二维三次卷积插值

由于数字地形数据库是以网格的形式给出网格点上的地形高度信息，在低空突防轨迹优化过程中，往往需要非网格蹼地形的高度信息和地形曲面的导数，这些都是离散的地形数据库所无法提供的。对二维的地形数据进行插值是解决问题的有效手段。本文提出一种二维离散数据的插值方法－－二维三次卷积插值。该插值函数是地形曲面的三次逼近，具有连续的三阶导数，可以非常好地满足低空突防轨迹优化的需要。仿真结果表明，它具有比双线性插值和     

一类变结构控制系统滑动模态的特征值条件

在单输入双线性常值变结构控制和比例变结构控制及一般双线性常值变结构控制系统的基础上，将系统推广到一般多输入双线性系统的比例变结构控制，引入排序截尾算子取变结构控制律与状态变量中ｍ个绝对值较大的分量成比例实现对ｎ个被控变量的控制，采用李亚普诺夫方法研究这类系统的滑动模态，得出此类系统产生稳定滑模运动的条件，并对该条件进行讨论和简化，将其表述成系统矩阵与双线性矩阵特征值之间的关系式。同时给出了一个三阶     

智能桨叶振动自适应控制研究

以德国宇航研究院的智能桨叶为原型，研究了智能桨叶振动控制的实时仿真。以两台高速信号处理器（ＤＳＰ）为核心，辅以其他器件，构造智能桨叶振动控制实时仿真系统。其中一台ＤＳＰ用于智能桨叶动态特性的实时在线模拟，另一台用于实时控制。所提出的采用ＭＸ滤波器模拟智能桨叶的动态特性和反馈与自适应前馈组合控制方法均由专用汇编程序实现。在此系统上实现了对智能桨叶在４Ω、８Ω（Ω为旋翼转速）谐和激励下桨叶振动的控制，     

直升机自适应桨叶模型的初步实验研究

为了研究压电陶瓷对复合材料模型的驱动性能，掌握其规律，为自适应旋翼的研究打下基础，文中模仿直升机桨叶设计了一个典型模型试件，利用压电陶瓷在不同布片方式下对其进行驱动，使其产生弯曲和扭转变形。不同条件下的对比实验表明，压电陶瓷作为驱动器可以达到比较好的驱动效果。     

一种用于ACSR的主从机并行处理系统

以微机、ＬＨ－ＳＣ１６Ａ型Ａ／Ｄ板、ＳＣ５０型Ｄ／Ａ板以及ＴＭＳ３２０Ｃ３０Ａ型ＤＳＰ板为基础，建立了时域结构响应主动控制的主从机并行处理系统。这一系统具有多通道快速运算能力，可提高控制系统的控制律，更新速率，改善控制系统的跟踪能力。