基于综合识别的高速飞行器自适应控制方法(英文)

针对高速飞行器的传统自适应控制方法中控制器参数获取时间长,辨识存在收敛性的问题,设计了一种基于综合识别方法的新型自校正控制方案。首先,由在线直接可测量构成特征模型的特征状态量,并以特征模型作为参考模型来设计控制器;其次,通过获得的特征状态量来在线调配对象系统的零极点,输出达到期望性能所需要的控制参数。仿真结果表明:该方法能较理想地实现在线自适应控制,保证系统良好的鲁棒性和快速性,同时在工程上易于实现。     

看点

正无线网络小心用如今,无线路由器的应用越来越广泛,可安全问题也日渐凸显:网银被盗、隐私暴露、数据丢失等等。据知情人士透露,黑客可通过破解无线路由器密码或利用路由器自身的后门漏洞,直接控制路由器,窃取用户信息。安全专家提醒,用户要学会经常检查连接路由器的主机,如发现蹭网行为,应及时更换密码。同时,警惕陌生的无线网络,使用公共无线网络时一定要谨慎,不要登录网银账户或进行在线支付。     

基于毕达哥拉斯模糊云的在线课程用户体验评价方法

针对在线课程用户体验感具有随机性和模糊性的特点,以在线课程用户体验评价为研究对象构建相应的指标体系;在毕达哥拉斯模糊环境下,引入云模型开展在线课程评估优选,提出了一种基于毕达哥拉斯模糊云的在线课程用户体验评价方法,并结合算例对该方法进行了正确性和有效性验证.     

德红在线

蒋德红个头不大,说话语速很快,与以往的封面人物相比,少了一些军人的威武,多了一些文人的书卷气,编辑部的同事看到他的照片问:"他为什么能上封面?"下面就让我来回答这个问题。     

航空发动机的可预测模型建模与应用

提出了一种基于混沌理论和支持向量的预测方法.通过重构相空间的饱和嵌入维数,确定支持向量机的最佳输入变量;通过计算混沌序列的最大Lyapunov指数,确定支持向量机预测模型的最大有效预测步数;利用支持向量机强大非线性映射能力、网络结构的自动最优化特性,实现时间序列的非线性预测.最后,应用于某型发动机压气机的试车时间序列数据建模与分析,结果证明该方法具有较高的预测精度.     

空中机动目标航路预测模型

由于信息对抗,警戒雷达丢失已探测到的空中来袭目标时常发生,准确预测出空中机动目标航路,是防空指挥员实施正确指挥的重要依据.在分别描述了GM(1,1)灰色预测模型和Verhulst灰色预测模型的基础上,根据空中机动目标的已测坐标(样本量)的基本状态,提出了综合运用两种灰色预测模型对空中机动目标航路预测的新方法,并结合一空炮合练实例进行了综合预测模型的检验,结果表明所建模型精度较高,有一定的可信度.     

聚类方法在污水处理软测量中的应用机理研究

通过对污水处理过程建立多神经网络模型的可行性研究以及对活性污泥微生物的生长繁殖规律分析,得出在污水处理工程中采用基于聚类方法的多神经网络建模的理论依据,试验表明多神经网络的扩散常数同类半径相当接近,预测精度较高,证实了聚类分析的正确性.分析了可能影响模型精度的原因,指出采用在线实时算法是未来的研究方向.     

无人机卫星导航系统的电磁干扰态势评估方法

在战场复杂电磁环境下,卫星导航接收机很容易受到电磁干扰而出现不定位的现象,针对这一现象,提出了一种基于环境感知无人机卫星导航接收机的电磁干扰态势评估方法。以干扰信号的特征参数、导航接收机未受干扰时的接收状态作为预测的输入,以接收机跟踪环路失锁时的效应阈值作为观测目标值,建立了极端梯度提升(extreme gradient boosting, XGBoost)的预测模型。在此基础上,给出了导航接收机电磁干扰态势的等级,提出了导航接收机在单源和双源电磁干扰下的态势评估方法。通过与高斯过程回归和支持向量机回归的预测方法进行比较,结果表明XGBoost方法具有更好的预测精度。依据该预测方法,综合利用技战术方案,有利于提高无人机在复杂电磁环境中的适应能力。     

基于GreyNN模型的无人机需求预测研究

针对无人机（unmanned aerial vehicle,UAV）需求预测问题,建立了灰色神经网络（grey neural network,GreyNN）模型,基于GreyNN模型对无人机需求进行预测。仿真实验结果表明,在小样本贫信息情况下,GreyNN比单一BP神经网络模型和灰色预测（grey prediction）模型预测效果更好,实验验证了方法的可行性。     

基于XGBoost的装备体系效能预测方法

针对装备体系效能预测问题,提出了基于极端梯度提升(extreme gradient boosting,XGBoost)算法的装备体系效能预测方法.首先给出了基于XGBoost的效能预测流程;然后利用XGBoost建立评估指标与效能之间的非线性映射模型,实现对装备体系效能的预测.模型构建过程中采用了格栅搜索确定模型最优参...