存在干扰下的无人机中继站波束成形算法

无人机(UAV)通信具有部署快、使用灵活、通信质量好等优点,在无线通信领域具有广阔的应用前景。采用UAV作为中继站构成的增强型卫星通信网络经常受到各种干扰的影响,导致其性能急剧下降。以信干噪比(SINR)最大化为准则,UAV中继站发射功率满足要求为约束条件的优化问题的基础上,提出了一种基于最大瑞利熵的波束成形(BF)算法,得出最优权矢量。为了降低BF算法的实现复杂度,进一步提出了一种基于迫零(ZF)的次优BF算法。计算机仿真验证了这2种BF算法的有效性。     

分析插值误差和斜率的轨迹优化网格细化方法

提出一种基于插值误差和斜率分析的轨迹优化自适应网格细化方法,包括节点插入算法和节点删除算法。节点插入算法分析各个离散节点的控制变量的插值误差。若插值误差较大,则在该节点周围增加节点细化网格;否则,不进行细化。节点删除算法分析各个离散节点处的控制变量斜率。若某个节点的左斜率和右斜率都为零,那么删除该节点;否则,保留该节点。采用三个典型的轨迹优化算例验证了所提出的方法的有效性和特色,并且与其它几种网格细化方法进行了对比。仿真结果表明,本文方法生成的网格规模较小,需要的网格迭代次数较少,能够快速、高精度求解非光滑轨迹优化问题。     

无人机涡喷发动机的神经网络自适应PID控制

将基于RBF神经网络的辨识网络与基于BP网络的控制器相结合，组成自适应PID神经网络控制系统。RBF神经网络采用离线学习在线修正权值和阈值，为加快收敛速度，应用带惯性项的梯度下降法。大量仿真结果表明，RBF网络较ELM，标准BP及改进的BP等网络具有明显优点。对某型无人机涡喷发动机控制系统的仿真结果表明此控制方式具有鲁棒性好、响应速度快、稳态误差小等优点。     

基于规划航迹的“三自”光纤惯导系统航向耦合效应抑制技术

目前,国内"三自"(自标定、自对准、自检测)光纤惯导系统在长航时高精度自主导航领域已逐渐开展应用,但光纤陀螺安装误差、安装不正交度以及标度因数等参数稳定性大大限制了"三自"光纤惯导系统精度的提升,其主要原因是载体运动诱发的航向耦合效应严重影响了旋转调制效果。从航向耦合效应机理分析入手,指出了"三自"惯导系统航向耦合效应的不可解耦性,但针对无人飞行器和无人潜航器等通常需要规划航迹的载体,提出了一种基于规划航迹的旋转方案自适应调整技术,有效地抑制了航向耦合效应。试验结果表明,该方法可将系统的导航精度提升80%以上。     

An adaptive turbo-shaft engine modeling method based on PS and MRR-LSSVR algorithms

In order to establish an adaptive turbo-shaft engine model with high accuracy, a new modeling method based on parameter selection (PS) algorithm and multi-input multi-output recursive reduced least square support vector regression (MRR-LSSVR) machine is proposed. Firstly, the PS algorithm is designed to choose the most reasonable inputs of the adaptive module. During this process, a wrapper criterion based on least square support vector regression (LSSVR) machine is adopted, which can not only reduce computational complexity but also enhance generalization performance. Secondly, with the input variables determined by the PS algorithm, a mapping model of engine parameter estimation is trained off-line using MRR-LSSVR, which has a satisfying accuracy within 5&. Finally, based on a numerical simulation platform of an integrated helicopter/ turbo-shaft engine system, an adaptive turbo-shaft engine model is developed and tested in a certain flight envelope. Under the condition of single or multiple engine components being degraded, many simulation experiments are carried out, and the simulation results show the effectiveness and validity of the proposed adaptive modeling method.     

GNSS/SINS组合导航中多路径效应的识别与抑制算法CSCD

针对GNSS/SINS组合导航系统中,GNSS定位易受多路径效应影响的问题,提出了一种多路径效应识别与抑制算法。通过设计姿态检测与χ^(2)检验相结合的两层多路径效应识别方法,实时检测GNSS输出结果的可靠性和GNSS/SINS二者定位的一致性。将提出的抗野值自适应滤波算法用于对多路径误差的抑制,当检测到GNSS受多路径效应影响时,通过残差加权减小异常量测量在量测更新中的比重;当GNSS定位正常时,通过限定记忆指数加权的方式计算残差协方差的极大似然最优估计,并采用渐消滤波提高滤波器的调节能力。通过实际跑车试验验证了该算法能够有效抑制GNSS多路径误差,具有较高的导航精度与自适应能力。     

双变异率自适应遗传算法研究及其应用

针对标准遗传算法的不收敛性，提出一种双变异自适应遗传算法，即通过全局变异算子和局部变异算子共同作用，增加种群的多样性，提高算法的全局收敛能力。实例证明：改进算法具有很好的寻优能力和效率。     

小卫星的自适应姿态控制

分析了小卫星的姿态动力学及运动学方程；利用姿态动力学方程为一动力学参数矢量的线性函数这一事实，考虑存在参数不确定性，提出了一种自适应控制方法；证明了这种方法可以保证控制系统全局渐近稳定。仿真结果验证了该方法的有效性。     

用于卫星姿态机动控制的一种自适应模糊控制器

卫星的姿态机动控制要求机动快速和较强鲁棒性.纯模糊控制器响应快、鲁棒性好,能够方便地应用人的智能,但是模糊规则库的构建需要预先获取足够的语言信息.从Lyapunov函数出发设计了一个稳定的直接型自适应模糊姿态机动控制系统,控制器能够在初始语言信息很少的条件下通过自适应律调整语言信息参数而得到合适的模糊规则,使控制器具有更强的适应能力.数学仿真比较了在完全没有语言信息和有一条语言信息的情况下控制系统的表现,表明仅有一条语言信息时控制系统性能就能够显示得十分出色.最后,仿真结果证实了自适应模糊控制器良好的鲁棒性.      

自由漂浮空间机器人神经网络自适应补偿控制

针对更具工程价值的任务空间内的自由漂浮状态空间机器人模型不确定性末端控制问题,提出了一种自适应神经网络控制策略用于机器人末端控制.通过神经网络在线建模来逼近系统中的非线性模型,神经网络的逼近误差及外界有界扰动通过鲁棒控制器来消除,采用引入GL矩阵及其乘法算子"·"来直接辨识的各部分系统参数.该控制策略既不需要逆动态模型的估计值,同时也避免了求雅克比矩阵的逆,降低了计算量.基于李亚普诺夫理论证明了整个闭环系统全局渐近稳定.仿真结果表明了这种神经网络控制器对于任务空间的空间机器人末端控制在达到较高的精度的同时,能够满足实时性要求,具有重要的工程应用价值.