基于动态逆-滑模的高速飞行器控制器设计

吸气式高超声速飞行器巡航状态下飞行环境复杂,建模时存在非线性以及参数摄动.基于小扰动假设的传统经典控制理论难以适应当前任务对鲁棒性的要求,对此提出了一种非线性动态逆-滑模控制律改进方法.通过对吸气式高超声速飞行器模型精确反馈线性化得到解耦形式的线性方程,为速度和高度设计出动态逆控制律来抵消非线性特性,在动态逆的基础上采用滑模变结构来补偿参数摄动带来的误差.仿真结果表明,所设计的控制方法具有良好的动态性能及鲁棒性.     

基于双幂次趋近律的变结构末制导律设计

针对拦截机动目标问题,提出了一种新的具有强鲁棒性的非线性变结构末制导律。基于弹目相对运动学的非线性关系,将目标机动作为系统扰动,建立了弹目相对运动的数学模型。并基于零化弹目视线角速率的思想,利用一种新的双幂次趋近律设计方法,得到了非线性变结构末制导律。该方法利用Lyapunov稳定理论,严格证明了制导系统的全局渐近稳定性。数字仿真结果表明,所设计的制导律与比例导引律相比,对高速大机动目标具有很强的鲁棒性和适应性,并能获得良好的制导精度。     

一种容腔效应标定技术及其在高频响动态探针中的应用

介绍一种容腔效应标定方法,以理论模型推导与实验验证相结合的方式,完成了对高频响动态探针的动态标定,并通过ARMAX(自动回归滑动平均)模型辨识得到了容腔的传递函数.结果表明该方法简单可行,能够很好地通过探针的动态响应信号来确定探针容腔的传递函数,从而确定测量信号和真实信号之间的关系,对今后考虑容腔效应的动态标定提供了参考.      

基于动力学约束的实时弹道滑动处理方法

应用卫星短弧定轨理论,根据导弹运动特性建立被动段弹道动力学模型来约束其运动,研究了基于动力学约束的实时弹道滑动处理方法,能有效地提高弹道的定轨精度和稳定性。同时通过设计合理的累积窗口和滑动窗口宽度,可实现弹道处理近实时的快速计算。仿真结果表明,将该方法用于被动段实时弹道处理,其速度精度可提高1～2个量级,明显地克服了滤波定轨的收敛时间较长和单点定位精度较差的不足。     

基于小波变换的非平稳信号趋势项剔除方法

分析了空间飞行器遥测信号处理传统趋势项剔除方法的优势和不足,提出了基于小波变换的非平稳信号趋势项剔除方法。这种方法通过滤波器组将信号分解与重构,实现趋向性信号与零均值平稳随机信号的分离。仿真实验表明,该方法简单、高效,适用于非平稳随机信号的处理,是一种实用的趋势项剔除方法。     

基于滑动滤波技术的激光陀螺评价方法

激光陀螺是一种以量化脉冲的形式输出角增量的数字传感器，量化误差如同白噪声一样影响着激光陀螺的测试精度。为了准确评价激光陀螺的性能，减少量化误差对激光陀螺测试数据的影响，本文应用滑动滤波技术对激光陀螺采样数据进行滤波处理，理论分析及实验结果表明，该方法有效地降低了量化噪声从而实现了对激光陀螺的准确评价。     

遥测数据时间序列滑动窗口动态分割技术

经由传感器采集的航天器遥测数据是产品验证、算法检验、数据挖掘等学科和方向重要的数据来源之一。由于原始测量数据采集密度高、信息量大,通常采用滑动窗口技术进行逐段处理和算法应用。但当滑动窗口的宽度固定时,数据的局部信息不能被充分提取出来;为此,提出遥测时序滑动窗口的动态分割流程。仿真结果表明:提出的时序分割和窗口宽度计算方法,可以根据数据自身的特点得到更加准确合理的非等长窗口集合;在保持曲线线段曲率的基础上,滑动窗口动态计算方法可以极大地提取拐点信息,合理地给出窗口宽度,对数据进行了简化与提纯,降低了建模难度,为下一步聚类分析、曲线匹配等工作提供了技术支持,提高了遥测数据的诊断与分析效率。     

一种基于历史标校数据的移相值预测方法

地面测控设备在执行测控任务前,需要对和差接收通道的相位差进行标校(简称校相),以满足测角分系统的目标自跟踪要求.针对因标校设备故障而无法进行校相的问题,通过使用数理统计的多元回归分析方法,对积累的历史标校数据进行分析,确定了设备工作的环境温度对跟踪接收机移相值有显著影响.在此基础上,利用滑动窗口多项式拟合方法得到拟合移相值,并与最近一次的标校移相值进行时变加权,可以得到基于历史标校数据的移相值预测方法.仿真试验表明该方法具有较好的预测精度,可将预测移相值作为跟踪接收机参数,提高测控设备应急测控能力.     

基于滑动时窗策略自适应优化支持向量机的航空发动机性能参数在线预测

针对传统航空发动机性能参数时间序列预测方法存在的不足,提出了基于滑动时窗策略自适应优化支持向量机(Support Vector Machine,SVM)在线预测模型。该方法解决了训练样本动态适应性差的特点和老旧数据信息影响预测模型精度的问题。在该方法中,滑动时窗策略实时更新时窗数据训练样本,最终误差预报准则(Final Prediction Error,FPE)自适应地确定嵌入维数,遗传算法(Genetic Algorithm,GA)则实时自适应优化SVM建模参数。应用航空发动机排气温度偏差值(Delta Exhaust Gas Temperature,DEGT)数据进行实例验证,结果表明基于滑动时窗策略的自适应GA优化的SVM (GASVM)在线预测模型比传统的GASVM预测模型预测精度有显著提高。进一步分析了预测模型不同时窗宽度对短期预测精度的影响,展示了1步～10步预测的效果,结果表明在线预测模型在不同时窗宽度下短中期(5步以内)预测效果良好且稳定。文中提出的在线预测模型可用于航空发动机性能参数的预测,实现对航空发动机未来性能变化的预警。