基于多层前向神经网络的块控制器设计

针对一类非匹配不确定性的线性系统,基于块控原理,提出了一种结合块控制、神经网络控制和backstopping控制技术的设计方法.其特点是无须已知不确定性的界,利用反演设计方法来处理系统中的非匹配不确定性,利用多层前向神经网络来估计系统中的不确定性,再利用鲁棒控制方法来改善系统的性能.利用Lyapunov稳定性定理证明了系统的渐近稳定性.最后,给出的仿真实例证明了所提出的方法的正确性和有效性.     

能谱变硬后的X射线对Ly12铝破坏效应的研究

用数值模拟方法讨论了X射线的能谱向短波方向变化后,对Ly12铝破坏效应的影响,对所得结果进行了分析和解释。     

Vaughan模型二次电子能谱对空间微波部件微放电效应的影响分析

航天领域的微放电效应是严重影响星载微波部件性能和安全的瓶颈问题之一.以空间微波部件微放电阈值仿真中广泛使用的Vaughan模型为研究对象,以平行平板传输线和同轴传输线两种典型微波结构为例,研究了Vaughan模型的二次电子能量分布对微放电阈值的影响规律,在二次电子产额相同时,符合伽马概率密度分布的二次电子能谱参量T增大...     

基于干扰观测器的受扰卫星姿态控制器设计与优化

对复杂环境下的卫星姿态控制进行了研究,针对存在外界干扰和转动惯量不确定的卫星姿态控制,建立了基于误差四元数卫星姿态动力学与运动学方程,在此基础上设计了反演滑模控制器,构造Lyapunov函数并从理论上证明了闭环系统的稳定性;设计非线性干扰观测器(NDO)对等效干扰进行估计,使控制器输出力矩减小,有效降低了输出饱和的风险,同时抑制了滑模控制带来的抖振;为了获得更好的控制效果,以控制器参数为优化变量,综合考虑了控制器的动态性能和被控对象的输入受限条件,建立了评价函数,利用改进的粒子群算法对控制器参数进行优化。仿真结果表明设计的控制器可行且有效,得到了较好的控制效果。     

低红外发射率迷彩填料的制备及光谱特性

采用化学液相沉淀法获得了具有核层结构的 Al/ SiO2/Fe2O3颜料,在基本不改变Al粉在8～14靘波段红外发射率的情况下,实现了片状Al粉的物理着色.分析了正硅酸乙酯(TEOS)水解一缩聚反应及氯化铁水解反应机理,并以此制备了Al/SiO2/Fe2O3三层结构的复合粒子,研究了包覆的工艺条件.通过扫描电镜、能谱、X射线衍射、紫外-可见光吸收谱等方法对包膜后的片状Al粉粒子进行了分析与表征.实验结果表明,通过液相沉积法在Al粉表面成功包覆了SiO2/Fe2O3薄膜,得到了低红外发射率的迷彩Al粉颜料.     

GNSS-IR双频数据融合的土壤湿度反演方法

目前全球导航卫星系统反射信号干涉测量（GNSS-IR）土壤湿度反演研究仅针对单一频点展开,提出用熵值法将2个频点数据进行融合以改进土壤湿度反演精度。首先,利用频谱分析法分别解析出各频点的信噪比（SNR）序列的振荡频率,计算出对应的等效天线高度,并利用最小二乘法求解各频点信噪比序列相位;然后,通过熵值法进行2个频点的相位观测量融合;最后,利用融合结果与实测土壤湿度建立经验模型,实现土壤湿度反演。利用地基观测实验获得的全球定位系统（GPS）L1和L2信噪比数据对该方法进行了验证,结果表明:L1和L2双频融合反演结果平均标准差为0.6%,比L1单频反演结果提高64.73%,比L2单频反演结果提高32.12%;均方根误差为0.37%,比L1频点降低72.8%,比L2频点降低73.4%。      

基于树模型机器学习方法的GNSS-R海面风速反演

GNSS-R是基于GNSS卫星反射信号的一种新技术.GNSS-R技术可以运用到海面风场反演中,传统的GNSS-R技术反演海面风场主要有波形匹配和经验函数两种方法,风速反演精度约为2m·s-1.波形匹配方法耗时多,计算量大;经验函数方法通常只使用少量物理观测量,会造成信息浪费,损失一定的反演精度.为了提高海面风速的反演精度,引入机器学习领域常用的树模型算法决策树、随机森林、GBDT等对海面风速进行预测.利用GNSS-R与ECMWF数据构成训练集和验证集,训练集用于模型学习,验证集用于检验模型的反演效果.实验结果显示,决策树和随机森林预测误差约为0.6m·s-1,GBDT等算法的预测误差约为2m·s-1,满足风速反演要求.与GNSS-R传统反演方法相比,机器学习树模型算法效果更好,在验证集上表现稳定且误差较小.因此,可以将机器学习树模型算法运用到海面风速反演中.      

高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。      

基于Fabry-Perot干涉仪气辉观测数据反演中性风速方法比较

利用半径法、完整傅里叶级数描述法和非线性回归法分别对安装在河北省境内国家天文台兴隆园区（40.2°N,117.4°E）的Fabry-Perot干涉仪（FPI）获得的地基中高层大气气辉观测数据进行风速反演.反演结果表明,半径法、完整傅里叶级数描述法和非线性回归法均能很好地反演风速,在误差范围内反演结果存在很好的一致性.相对于半径法和完整傅里叶级数描述法,非线性回归方法更完整地利用了观测数据信息,反演结果可信度较高.      

基于GMF方法的捕风一号风速反演分析

全球尺度高时空分辨率海面风场探测是当前全球气象研究及预报预测领域的关注热点之一,传统海面风场探测技术存在测量区域有限,且受天气环境限制明显等问题.基于全球导航卫星系统-反射(GNSS-R)测量技术风速反演原理,以捕风一号1级数据产品为输入,欧洲中期天气预报中心再分析风速数据为参考风速,采用地球物理模型函数(GMF)方法...