火箭发动机性能可靠性的Bayes分析

基于液体火箭发动机性能试验数据服从正态分布的条件 ,假定天地试验环境下分布的标准差不变 ,运用Bayes方法对正态分布天地试验条件下的环境因子进行分析。首先给出环境因子先验分布选择的方法 ;然后由Bayes公式结合少量的空间试验数据 ,得出环境因子的Bayes估计模型 ,最后给出空间试验条件下性能可靠性的分析方法 ,文中用实例说明了该方法的有效性。     

混合泊松-高斯分布模型的参数估计

针对实际CCD图像处理问题中噪声概率模型的参数估计问题,从CCD图像的噪声背景出发,研究其噪声的混合泊松高斯分布,给出了两种参数估计方法,以及非零均值高斯噪声情况下的参数估计方法,计算结果表明文中方法给出的参数估计精度高。     

基于粒子群算法的导弹PID控制参数选择

PID控制在导弹控制系统的设计中得到了较多的应用,但PID控制器的性能依赖于其参数的整定和优化。利用粒子群算法对控制器的参数进行优化,并对俯仰通道控制系统进行了仿真研究,结果表明,攻角和俯仰角速度都取得了较好的效果,当气动参数具有不确定性时,效果依然较好,验证了方法的有效性。     

FERA in parameter identification with application in low speed wind tunnel test

This paper presents a new approach which consists of a fuzzified eigensystem realization algorithm (FERA) to identify the parameters of the designed mini-UAV model performance in the low speed wind tunnel (LSWT) power on testing system. On the basis of the identification scheme, it is able to reduce system operational cost of wind tunnel tests and provide a tool for predicting results without resorting to on-site experiments. A variety of variables in model types and testing environment such as model profile, angle of attack, elevator, tunnel wind speed and power system (motor and propeller) are considered. The method based on logic devices is simple yet effective. The results obtained are compared to those obtained by the conventional wind-tunnel testing method. To verify effectiveness of the proposed methodology, both of simulations and real-world experiments are conducted. The results show that the working performance of the proposed method correlates well with expectation.     

在轨航天器连接结构动力学及其参数辨识

连接结构广泛用于各种航天器中,这些大量使用的连接结构由于其较低的刚度或非线性特性,会对航天器的动力学特性产生显著的影响.本文简要介绍了与在轨航天器连接结构动力学问题有关的以下问题:航天器中所使用连接结构的动力学模型及其参数辨识问题,连接结构对航天器结构动特性的影响,含连接结构动力学系统的周期解、分叉和混沌.     

结构振动分析中的连接子结构

连接元和连接子结构与模态综合技术相结合,能够解决部件间连接比较薄弱、变形不连续结构系统的振动分析问题,子结构间的耦合变换非常简单,连接子结构的刚度系数可用参数识别的方法获取。计算和试验结果表明,这种结构连接方法能达到足够的精度,计算量也较小。     

左边带本振SNYFR接收的LFM信号参数估计算法

同步Nyquist折叠接收机（SNYFR）利用双片模数转换器同时完成多Nyquist区域内的宽频段信号采集,为一种新型侦察接收机结构,在SNYFR结构上提出了线性调频（LFM）信号的参数估计算法。首先从频谱关于采样率对称的本振信号出发,指出其Nyquist区域在某些条件下不存在;其次提出了Nyquist区域存在的左边带本振SNYFR;以正弦调频本振信号调制频率为频率抽取因子进行序列构造,并以此序列估计Nyquist区域;最后在区域估计的基础上,得到欠采样的LFM信号,并完成参数估计。仿真表明,LFM参数估计精度在信噪比优于10dB时均已接近克拉美-罗下限。     

基于数字信号特征提取的测频方法研究

传统的幂次谱特征能简便有效地提取信号特征并测量参数,但在样本数较少、信噪比较低的情况下,特征就变得不明显了。利用最佳采样点再进行幂次的非线性运算,能够完成特征提取及载频的精确测量。经仿真实验和实际工程验证,在信噪比不大于10dB、样本数不大于1000个符号时,该方法切实、有效。     

一种适用于空间监视跟踪的递推滤波算法

针对空间监视跟踪环境中对于包含角变量的状态向量估计存在精度较低的缺点,利用Gauss von Mises（GVM）多变量概率密度分布,提出一种基于矩匹配的GVM参数估计方法,并在此基础上改进GVM分布的确定性采样方法,建立针对GVM分布的递推滤波算法,该算法充分考虑了流形的内蕴结构,克服了传统滤波方法假设状态向量定义于欧氏空间及采用欧氏空间中高斯分布模型的局限性。仿真结果表明,该滤波算法能有效估计状态变量的后验概率分布,对角变量的估计精度明显优于扩展卡尔曼滤波方法(EKF)。     

一种粒子群模糊支持向量机的航天器参量预测方法

针对航天器精确预测与健康管理的需求,将粒子群算法、模糊数学与支持向量机的优势相结合,提出了一种粒子群模糊支持向量机预测方法。针对某卫星南帆板输出电流参量的预测实例,设计了总平均绝对误差、总平均绝对百分比误差、总均方根误差三个预测结果评价指标,对不同步长情况下的预测结果进行了比较,证明了粒子群优化模糊支持向量机预测方法的有效性。通过对比粒子群优化模糊支持向量机模型、灰色粒子群神经网络优化模型、粒子群神经网络模型、灰色模型预测的总平均绝对百分比误差,结果证明粒子群优化模糊支持向量机的预测精度和效率较高,在航天器参量预测领域具有较好的应用前景。