基于模型预测控制的多约束火星精确着陆制导律研究

主要研究了火星着陆动力下降段考虑燃料消耗和实际任务约束条件的制导律设计问题。选取可变推力发动机作为执行机构,首先建立了着陆器在动力下降段的运动方程及质量变化方程;其次对实际任务中需要考虑的斜坡、推力幅值和方向等约束条件建立了约束模型;接下来通过构造由控制量和状态量构成的性能指标,提出一种基于模型预测控制的多约束火星精确着陆制导算法。可实现多种约束条件下的指标最优精确着陆任务。最后,通过数值仿真对比了本文与已有典型着陆策略,验证了所提算法可以在满足约束条件的前提下有效地完成既定火星精确着陆任务。     

舰载无人机滑行轨迹控制方法

舰载无人机是航母-舰载机系统的重要作战武器,实现舰载无人机在航母甲板上的自主滑行对于提高甲板作业效率具有重要意义。对舰载无人机滑行轨迹控制方法问题进行了研究。首先,描述甲板滑行任务的过程,在此基础上,建立滑行轨迹控制问题的数学模型,包括舰载无人机甲板滑行运动模型、滑行任务约束条件以及评价轨迹控制任务的性能指标。其次,考虑甲板环境和轨迹控制任务要求,基于模型预测控制思想,将在线滑行路径规划与轨迹控制结合,采用滚动优化方法计算出舰载无人机实际滑行轨迹,并且得到控制指令信号。最后,以“尼米兹”级航母为例,对不同停放位置舰载无人机起飞前的滑行轨迹进行仿真计算,结果表明了模型的合理性和算法的有效性。      

一种短航程再入解析预测校正制导方法

针对载人探月飞船高速再入返回问题,提出了一种短航程低过载的再入解析预测校正制导方法。引入大升阻比航天器滑翔式再入的概念,通过设定再入过程中滑翔段轨迹形式,利用轨迹参数描述滑翔段轨迹,推导出预测航程的解析公式。为使终端误差满足要求,通过试位法校正轨迹参数,并换算得到倾侧角制导指令。在偏差条件下进行仿真,实现了飞船2100km任务航程下400~450s内以低于6.5g₀的过载再入,结果表明,所提制导方法具有较高的精度和较强的鲁棒性,为载人探月飞船应急快速返回提供了参考思路。      

基于神经网络的磁平静期赤道电集流预测

利用BP神经网络技术分别对2008年后磁平静期印度扇区、秘鲁扇区以及CHAMP卫星的赤道电集流(EEJ)变化进行预测,其中神经网络训练数据为对应的2000-2007年磁平静期EEJ观测数据,输入参量为天数、地方时、太阳天顶角、太阳活动指数(F10.7)、太阴时以及卫星地理经度,输出参量为EEJ.对EEJ预测结果进行了统...     

基于知识图谱和自动机器学习的软件缺陷预测

不稳定和召回率低效的软件缺陷预测模型难以在行业领域应用,为解决稳定和高效各项性能评价指标的软件缺陷预测模型在工程实践应用的问题,提出了一种基于知识图谱和自动化机器学习的软件缺陷预测方法AutoKGGAS,首先获取软件缺陷预测模型数据,对知识建模、知识获取、知识融合、知识储存与知识计算等知识图谱构建技术研究,实现知识图谱...     

PMSM电流预测控制参数误差量化分析方法

交流永磁同步电机（PMSM）电流环控制性能是制约交流伺服系统性能的关键。电流预测控制拥有更快的动态响应、更低的电流谐波和优良的转矩响应,但该算法依赖精确的电机模型,参数失配会引发稳态电流误差,无法输出额定转矩,进而导致电机转矩输出效率降低。根据永磁同步电机电流预测模型,详细分析了d、q轴电流静差产生的原因,以及电流预测控制对电机参数误差的敏感性,提出了一种参数误差量化分析方法。该方法引入了电机参数偏差因子,量化描述了电机电感、磁链参数误差与电流静差之间的制约关系。通过仿真分析,验证了所提方法的合理性,为高性能永磁伺服电流预测数字控制技术打下了良好基础。     

基于搜索意图交互的无人机集群协同搜索算法

针对无先验信息条件下无人机集群的协同搜索问题,提出一种以覆盖率为引导,以机间安全距离、通信距离、偏航角调整及搜索边界等为约束的无人机集群协同搜索算法。通过建立环境地图矩阵对任务区域进行描述,进一步定义环境地图更新算子实现搜索过程中环境地图的快速更新。设计了集群协同搜索任务的回报函数,采用粒子群算法进行求解,得到每架无人机在已知环境地图下的最优决策,即决策意图。每架无人机在获取其他成员决策意图的基础上重新进行决策,实现协同决策。针对不同规模集群提出了集中式和分布式2种协同决策方案。仿真结果表明,所提算法能够对存在未知威胁的不规则任务区域进行有效覆盖搜索,覆盖率远高于不进行协同决策的个体决策方法。      

系统可靠性预测方法

概述了系统可靠性预测的主要方法，对它们各自的优缺点和适用范围进行了系统的介绍了评论。在此基础上，提出一些新的可靠性预测方法，并对新方法的合理性进行了论证。     

基于双层K近邻算法航站楼短时客流量预测

航站楼离港客流量在短时期内呈现准周期性规律变化,易受航班计划、天气等多种因素影响,表现出复杂的非线性特点。为了实现航站楼短时客流量的准确预测,在传统K近邻（KNN）算法基础上增加了航班计划状态模式匹配方法,以航班计划包含的多维属性作为特征选取相似历史运营日作为预测基准向量,建立基于航站楼短时客流量预测的双层K近邻模型。通过实例分析,与ARIMA模型和传统K近邻模型等进行比较,证明双层K近邻模型预测误差更小,精度更高,模型拟合度相对传统K近邻模型提高了8%~10%,为航站楼短时客流量精确预测提供了一种新的解决思路。      

基于平流层风场预测的浮空器轨迹控制

平流层风场环境对浮空器设计和轨迹控制具有重要影响。针对平流层风场建模,以长沙地区2005—2010年的风场数据为例,首先采用本征正交分解（POD）方法对风场数据进行降阶处理;然后分别采用Fourier级数与BP神经网络算法对平流层风场进行预测,并对2种模型的预测精度进行比较分析;最后通过建立临近空间浮空器的动力学模型和高度调控模型,分析2种风场预测模型对浮空器轨迹控制的影响。研究结果表明,相对于Fourier预测模型,基于BP神经网络预测模型的预测精度更高,可信度更强,能够更好地为浮空器飞行轨迹控制提供参考价值。