鲁棒变结构制导规律研究

研究存在相对速度测量噪声时的鲁棒制导问题，根据一类变结构制导规律，分析了相对速度测量噪声、制导参数对导引收敛性的影响，以弹道收敛为准则，给出了实现鲁棒制导的条件，研究结果对设计先进的雷达制导系统具有重要意义。     

严格伪压缩映象的Ishikawa迭代序列

证明了Ｌ＾ｐ（或ｌ＾ｐ）（Ｐ≥２）上的李普希茨严格伪压缩映象的Ｉｓｈｉｋａｗａ迭代序列必收敛到映象的不动点。     

非结构同位网格SIMPLE类算法收敛性能比较

以非结构网格的SIMPLE算法为基础,将算法扩展为SIMPLEC算法.利用30°角的斜方腔流动计算成果,分析了非结构同位网格的SIMPLE/SIMPLEC算法的收敛性能;比较了因网格的非正交而引入的非正交项的取舍对该算法收敛性能的影响;并采用显式校正步法对SIMPLEC算法进行了显式校正.比较表明,在非结构同位网格SIMPLEC算法中可忽略非正交项,但有必要对压力作亚松弛.显式校正步法可显著地加速在非结构网格上求解N-S方程的收敛性能,而且在不同的松弛因子组合下,均有较好的收敛速率.     

关于Davidson—Lanczos方法的收敛率

本文对文[1]提出的求解大型对称矩阵A的极端(几个最大或最小)特征值及相应特征向量的Davidson—Lanczos方法,用Rayleigh—Ritz逼近理论,研究了该方法的收敛率。证明了由该方法产生的规范正交向量{v_i}_i~m=1是Krylov子空间K_m≡Span(v_1,Av_1,…,A~(m-1)v_1)的一组基。设A的k个最大特征值为又,λ_1>λ_2>…>λ_k,相应的近似特征值为λ_i~(m)(i=1,…,k),得到 这里γ_i(γ_i>1),W_i和W_i~(m)是常数。     

人工释能法求解线性代数方程组

本文建立求解线性代数方程组的人工释能法迭代格式,并给出该迭代格式收敛的充分必要条件和最佳释能时机,同时给出实现人工释能法的数值计算方法及其数值稳定性条件。     

基于快速非奇异终端滑模的姿态控制技术

针对存在执行器故障与外部干扰的刚体飞行器姿态控制系统,提出一种基于快速非奇异终端滑模(NSFTSM)的姿态容错控制方法.控制方法不仅保证姿态机动过程的快速性,而且避免了传统的终端滑模面所带来的奇异性问题.采用二阶鲁棒精确微分器估计执行器故障与外部干扰,采用快速非奇异终端滑模技术设计姿态容错控制律,根据Lyapunov稳定性理论证明了方法的稳定性.稳定性分析表明,通过引入新型快速非奇异终端滑模,控制器使得闭环系统能够快速收敛到滑模面的微小邻域内,进而收敛到系统平衡点的微小邻域内,并且系统对外部干扰具有较强的鲁棒性.数值仿真结果验证了方法在姿态跟踪控制中的有效性.     

密集杂波背景下的水下多目标跟踪方法

水下多目标跟踪是水声信号处理领域研究的热点和难点问题。高斯混合概率假设密度(Gaussian mixture probability hypothesis density, GM-PHD)滤波器以其高效的计算效率为解决水下多目标跟踪问题提供了保证。然而,GM-PHD滤波器在跟踪目标时需要先验已知新生目标的强度,否则其性能会出现严重退化。针对该问题,提出一种滑动窗两步初始化高斯混合概率假设密度(sliding window two step initialization GM-PHD, SWTSI-GMPHD)滤波器。将提出的滑动窗两步初始化方法嵌入GM-PHD滤波器,利用滑动窗两步初始化方法估计新生目标强度,减少杂波干扰导致跟踪结果中出现的虚假目标。仿真实验表明,在杂波密集环境下,相较于其他跟踪方法,提出方法将跟踪精度提高69.84%,52.62%和41.05%。     

工程意义上的高斯脉冲信号不失真采样分析

基于高斯脉冲信号的时频域特征,分析其采样条件。针对高斯脉冲信号这种非周期信号采样的特殊性,指出高斯脉冲信号采样还需满足峰值采样条件,并对不同采样点数下峰值误差能够达到最小值的概率进行建模。理论分析和仿真结果表明,按照所提出的采样条件进行采样,能够保证高斯脉冲信号采样的峰值误差最小,同时所提出的概率模型能够比较准确地估计出在不同采样点数下峰值误差能够达到最小值的概率。     

气流激励下叶片的高周疲劳概率寿命预估

航空发动机中叶片振动引起的高循环疲劳失效是尤为突出的问题,将概率方法引入叶片高周疲劳寿命预估是叶片高周疲劳问题研究的重要途径。建立了叶片系统的概率疲劳积累损伤模型,由求得的振动应力出发,提出了一套完整的气流激励下叶片高周疲劳概率寿命的预估方法,分析中可以量化各种不确定因素对振动应力和疲劳寿命的影响,包括模态特征的不确定性和激励特征的不确定性。结合具体工程算例,分析得到某小型发动机二级静叶在工作转速下随工作时间增长的概率疲劳积累损伤,并给出了对应的工作可靠性。