应用网络时间协议的卫星综合测试时间同步系统

针对广域网环境下卫星综合测试系统存在的测试设备之间时间不同步问题,提出应用网络时间协议(NTP)构建卫星综合测试时间同步系统。该系统以NTP作为时间同步协议,以GPS或"北斗"导航设备终端作为高精度时间源,以用户数据包协议(UDP)组播形式实现同网段内各测试设备之间的时间同步,以uDP客户机/服务器形式实现跨网段测试设备之间的时间同步。文章提出的时间同步系统,可解决广域网卫星综合测试系统时间不同步问题,也能满足综合测试系统对时间精度的要求。     

基于预设性能的四旋翼无人机编队安全控制

针对四旋翼无人机编队系统存在模型不确定性、未知外部干扰与内部碰撞等问题,提出一种基于预设性能的安全控制方法。首先使用预设性能函数结合误差转换方法,将防止内部碰撞的不等式约束问题转换为无约束问题。同时针对模型中的不确定项,使用神经网络进行逼近;针对神经网络逼近误差与未知外部干扰组成的复合干扰,使用非线性干扰观测器进行估计,并分别设计位置与姿态子系统控制器,避免了编队内四旋翼无人机的碰撞。然后借助Lyapunov方法证明了闭环系统所有信号的收敛性。最后通过数值仿真验证了所提控制方法的有效性。     

基于RBF神经网络的自适应PID星钟热控制

星钟的频率稳定性决定了星钟提供时间信息的精度,而频率稳定性取决于星钟物理核心温度的稳定程度.基于RBF神经网络逼近星钟热模型,设计自适应PID控制方法实现星钟物理核心的温度控制.仿真验证了算法的有效性.     

一种预测驾驶员操纵行为的建模方法

在飞机设计中,应用驾驶员数学模型预测飞机飞行品质是避免人机系统出现不良耦合的重要途径之一.驾驶员神经网络模型是利用飞行模拟实验数据建立的驾驶员模型.基于该模型,针对纵向单通道俯仰跟踪任务,详细讨论了具有不同增益、不同短周期振荡频率飞机构型的驾驶员操纵行为变化规律.研究结果表明:对于特性相似的飞机构型,其驾驶员操纵特性也相似.因此,提出了一种利用相似构型的驾驶员操纵行为特性建立驾驶员预测模型的方法.通过对预测模型进行精度评价,可以证明采用本方法能够获得比较满意的驾驶员操纵行为特性预测结果.     

一种动态面神经网络鲁棒飞行控制律设计

提出一种基于RBF(Radial Based Function)神经网络和动态面控制的飞行控制律设计方法。针对飞机气动参数变化引起的非线性和不确定性,通过RBF神经网络在线逼近。动态面飞行控制律消除了反推设计方法中由于对虚拟控制反复求导而导致的复杂性问题。同时,在控制律设计中引入一个鲁棒因子项来补偿外界干扰和神经网络的逼近误差,提高了系统的鲁棒性,使整个系统获得更好的跟踪控制性能。基于Lyapunov稳定性定理证明了闭环系统的所有信号半全局一致终结有界,并且通过适当选择设计参数,跟踪误差可收敛到原点的一个小邻域内。最后,通过飞机俯仰运动飞行的数值仿真验证了该方法的有效性。     

基于ZigBee无线传感器网络的功率测量系统

论述了基于ZigBee无线网络的功率测量系统的硬件组成和软件协议。与传统功率测量系统相比,无线系统具有很高的灵活性,表现为传感器数量可扩充,空间覆盖范围广,可用于测量移动尤其是旋转目标,以及便于携带和安装等特点。     

基于DSP和CAN总线的热功率模拟系统

热功率模拟系统用于测试整星热平衡试验时模拟星上各设备热量分布情况,以检测整星的热控系统性能。本系统采用数字信号处理（DSP）组成单元处理系统,采用控制器局部网（CAN）总线组成通信网络,通过计算机对每一路功率按照预先设定好的功率曲线进行调控、巡检、记录。     

性能保证条件下航空电子高速交换机的加速方法

 以保证航空电子互连网络的确定性延迟和高带宽为目的,建立航空电子交换式以太网（AFDX）承载于波分复用（WDM）之上的架构,兼容AFDX的延迟确定性和WDM的带宽可扩性,满足航空电子互连网络对实时性和高带宽的要求。通过对实时通信中周期性数据帧的分析,提出光波聚合加速方法,对输入端到达的数据帧进行重新分配和整型,充分利用每条光波的带宽资源,减少交换使用的波长数。在性能保证条件（100%通过率下保证有界延迟）下,对使用光波聚合方法的交换机制进行了数学推导。最后通过计算机仿真,以网络延迟时间率和加速因子为性能衡量指标推证了该加速方法的优越性和可行性。     

A new algorithm on increasing the sensitivity of microwave radiometer based on nonlinear prediction

Currently, microwave radiometer, which has been one of the most important remote sensors in the land, ocean or atmosphere remote sensing, has played a vital role in space exploration such as the lunar exploration in China. As a passive remote sensor, microwave radiometer receives the noise resembling signals that are generated by microwave radiation while mixed with the systemic noise of the receiver. Therefore, it is the significant subject that how to improve the sensitivity of microwave radiometer that people devotes to study. And on the system noise reduction lies the key. So far, except through choosing low noise element to the receiver, there is no effective alternative to remove the influence of the systemic noise on output uncertainty of microwave radiometer. However, for the purpose of providing or inspiring solution to this problem, this paper inquires into the application of nonlinear predictive method in predication the systemic noise of microwave radiometer. As the substance of the method, neural network shows its function on reducing the systemic noise effectively by estimating and predicating it. Because neural network can improve the estimated precision when estimating the systemic noise, after the noise passes through filter, certain random characters are lost while determinacy are presented to some extent. In fact, the more narrow filter band is, the smaller predictive error will be. The results are of assistance in understanding the intrinsic quality of the systemic noise and offer a new way for improving property of microwave radiometer.     

基于Elman网络的共轴式直升机动力学系统辨识

根据共轴式直升机动力学与运动学基本方程的结构形式建立了一种基于改进的Elman神经网络的辨识模型,同时推导了该网络的训练算法,给出了训练步骤.随后,利用外场试飞中几个典型飞行状态的遥测数据对网络进行训练,计算权值矩阵,获得该共轴式直升机用来进行动力学系统分析的神经网络模型.以匀速前飞状态为例进行了纵向操纵响应仿真,比较仿真结果和实际遥测数据可知,该网络模型基本反映了样例机的动态特性.