电驱动履带车辆带约束广义预测速度控制

电传动履带车辆存在的参数非线性时变性强、惯量大,路面阻力容易受强扰动等特点,采用传统的PI控制容易产生较大的超调,降低暂态控制性能,传统的滑模控制算法难以克服常值扰动,消除稳态误差,易引起输出量剧烈抖振。针对上述问题,设计了广义预测速度控制器,结合电机饱和特性,对控制量进行了约束。仿真实验表明,所设计的控制算法能够克服系统参数非线性时变、路面扰动因素的影响,且跟踪准、响应快、超调小。     

《如何阅读一本书》在高三现代文阅读备考中的开发探索

高三现代文阅读是高三语文备考的重点和难点，常规的备考指导耗时费力，但收效微小。以2013———2015年高考全国卷小说阅读为例，从提高阅读速度、学会主动阅读两大方面开发《如何阅读一本书》相关理念和方法，以指导高三学生的现代文阅读的备考，从而培养高三学生高效阅读的习惯和良好的阅读爱好。     

基于BP神经网络的闭路制导改进方法

针对传统闭路制导方法中的制导方法误差,提出了一种根据"真实目标"进行制导的改进制导方法。采用BP神经网络逼近算法,推导建立预定关机点及落点坐标与需要速度间的映射关系,并装订上弹,使关机点附近对应每一个位置能够映射出相应的需要速度矢量。然后利用闭路制导关机及导引方法对导弹实施控制。通过仿真,该方法大大减小了制导方法误差,提高了导弹射击精度。     

连续旋转爆震波传播模态试验

通过保持空气流量不变、改变H2/air当量比开展了连续旋转爆震对比试验,发现随当量比的降低出现三种传播模态:在较高的当量比(0.90~1.86)下,连续旋转爆震波以同向传播模态传播;在较低的当量比(≈0.75)下,则以双波对撞模态传播;在中间工况,则以上述混合模态维持传播。分析了不同传播模态下的高频压力特征,并初步分析了传播模态的转换机制:当量比较高时,爆震强度较高,传播过程中的损失和速度亏损相对较小,爆震波以同向传播模态维持传播;当量比较低时,爆震强度较低,传播过程中的损失和速度亏损较大,此时无法维持同向传播模态,而以双波对撞模态传播,这是由于双波对撞模态中的激波对撞产生高温环境,有利于燃烧放热,其可能是连续旋转爆震的极限传播模态。     

一种改进的三子样划桨误差补偿算法北大核心

针对在捷联惯导系统速度更新的过程中,采用增量解算需要对划桨误差进行补偿。提出一种利用已解算前两个周期的角增量和速度增量的改进三子样算法。首先,对划桨误差的产生机理进行简要分析。根据误差最小原则,推导出一组优化系数,优化算法相较于传统算法在算法误差上有明显减少。通过仿真实验证明了该方法的有效性,在导航误差中,解算精度有所提高。     

凹障碍超宽带SAR图像特征分析

野外环境下的凹障碍感知一直是地面无人作战平台环境感知面临的难题,长期以来常规传感器,例如立体视觉、红外相机和激光雷达,都没有取得好的效果。超宽带合成孔径雷达作为一种全天时、全天候的高分辨率雷达,在目标感知方面得到了广泛的运用。基于超宽带合成孔径雷达感知凹障碍是一种有效的感知手段,阐述了凹障碍的雷达成像几何,利用MATLAB模拟仿真合成孔径雷达数据获得了凹障碍图像,分析得出了凹障碍在雷达图像表现出由阴影区和光亮区紧密相连的特征,并通过实测数据成像获得的凹障碍图像结果,对凹障碍雷达图像特征进行了进一步的验证。     

弹道导弹主动段变换打击目标的闭路制导研究北大核心

提出了弹道导弹主动段变换打击目标的概念。为了实现弹道导弹变换打击目标的制导目的,提出了基于网格离散的闭路制导方法。将二级段和可攻击区域进行网格离散,把节点插值参数存储到弹上。导弹在变换打击目标时,通过插值的方法求解需要速度,进行闭路制导。仿真结果表明,该方法能够有效控制导弹完成变换打击目标的任务,制导精度较高。     

一种针对坦克速度控制的深度强化学习算法

坦克的无人化将成为作战装备的未来研究方向之一,针对坦克无人驾驶如何提高智能体训练速度是当前深度强化学习领域的一大瓶颈,提出一种最近经验回放的探索策略来对传统的软行动者-评论家算法（soft actor-critic,SAC）进行改进,在训练阶段,赋予最近经验更大权重值,增大其采样概率,从而提高了训练的稳定性和收敛速度。在此基础上,基于应用环境以及作战任务设计奖励函数,提高算法的战场适用性。构建具体作战场景,对改进的算法与传统算法进行对比,结果表明,提出的算法在坦克速度控制上表现出更好的性能。     

障碍环境下队形可变编队的路径规划方法研究

面向机器人编队探索和侦察等任务,系统期望保持队形以保障任务效能,但障碍环境下队形保持可能引起路径长度增加,甚至没有可行路径。为了综合考虑队形保持、路径长度及路径存在性,提出一种队形可变编队的路径规划方法,为编队跟踪控制提供一条全局参考路径。首先,分别依据个体的占据空间和编队的占据空间,对障碍进行两次膨胀,获得包含硬障碍和软障碍的路径规划构型空间。然后,在基于A*的路径规划框架下,构建包含路径长度和软障碍穿越距离的加权代价函数,以获得多指标权衡的路径。最后,不同权重对比试验表明,所提算法对不同障碍环境具有更好的适应性,通过权重设定能获得满足不同需求的可行解,可以为编队提供满意的全局路径。同时,随机场景测试试验验证了算法具有良好的鲁棒性。提出的编队路径规划方法可以引导机器人编队在复杂环境下更安全和快速地完成任务。