块Toeplitz矩阵低复杂度求逆的卫星导航空时抗干扰算法

采样协方差矩阵求逆是空时抗干扰算法的基本运算单元,但由于其运算量随时域抽头个数急剧增长,直接限制了空时抗干扰技术在卫星导航接收机中的应用。针对该问题,提出了基于块Toeplitz矩阵快速求逆的空时抗干扰方法。通过采用新的协方差矩阵近似计算方法,使得该矩阵同时为块Toeplitz矩阵与Hermite矩阵,并运用块Toeplitz矩阵的快速求逆算法,将时域抽头个数为K的计算复杂度从O[K3]降至O[K2]。理论分析和仿真结果表明,在阵元数为4、时域抽头为15的典型情况下,相比现有矩阵求逆方法,该算法的抗干扰性能损耗小于1d B,但计算量可降低约2/3。     

噪声统计的Bayes 极大验后估计与系统自适滤波

对于具有测量的线性离散系统,在系统动力学噪声与测量统计特性未知的情况下,本文推导出了噪声统计特性在具有正态－逆Ｗｉｓｈａｒｔ分布验前信息情况之下的Ｂａｙｅｓ极大验后（ＭＡＰ）估计及其实时迫近,从而获得了系统的自适应滤波     

前馈——模型参考自适应复合控制策略

由于多余力矩严重影响了电动负载模拟器的加载性能,提出了一种复合控制方法对该问题进行研究。首先考虑承载对象运动带来的干扰,建立了系统的数学模型;然后,针对控制系统单独采用前馈补偿或自适应控制方法的局限性,进行了基于前馈控制和模型参考自适应控制的复合控制系统设计,并利用Lyapunov函数的方法构造了自适应控制器。最后的仿真结果表明,采用复合控制方法能够大幅度消除电动负载模拟器的多余力矩,验证了控制策略的可行性。     

起重机吊重摆角的自适应神经网络补偿控制

为了控制起重机吊重摆动幅度在最短时间内衰减到规定范围或平衡点附近,同时考虑到由于外界不确定性因素导致的系统模型的不确定性,设计了自适应径向基函数Radial Basis Function（RBF）神经网络补偿控制器。RBF神经网络对系统模型的未知函数进行辨识,并将辨识信息提供给控制器。实验结果表明：吊重摆角约在5s时跟踪给定幅度的正弦信号,并在参考信号发生突变时,摆角仍在给定的范围内;RBF神经网络约在5s后几乎以零误差辨识未知函数。所设计的控制器对不确定性因素具有较强的鲁棒性,这也验证了控制系统稳定性证明结论。     

基于复杂适应系统理论的一体化联合作战研究

复杂适应系统理论为我们研究军事系统提供了崭新的视角,避免了传统的基于还原论方法研究军事系统机械分隔忽略系统要素之间相互作用的问题,可以得到军事系统全面准确的认识,对于深入研究一体化联合作战的本质内涵、基本特征和主要方法,尽快形成一体化联合作战的理论体系具有重要意义。文章通过分析军事系统特点得出军事系统是复杂适应系统的结论,在此基础上,从复杂适应系统理论的角度分析了一体化联合作战的内涵及提高军事系统一体化联合作战能力需要重点解决的四个问题。     

机载脉冲多普勒雷达的自适应旁瓣对消实现方法

简要介绍了自适应旁瓣对消的基本原理。重点研究了自适应旁瓣对消在机载脉冲多普勒雷达中的工程实现方法,该方法打破了自适应旁瓣对消目前只能应用于采用低重脉冲重复周期的脉冲多普勒雷达的限制。通过对自适应旁瓣对消结果的分析,表明该方法完全能够满足现有机载脉冲多普勒雷达抗有源旁瓣干扰的需求。     

自适应神经模糊推理系统(ANFIS)及其仿真

自适应神经网络模糊推理系统ANF IS是模糊控制与神经网络控制结合的产物。讨论了ANF IS的结构及其特点,并利用M ATLAB的专用工具箱进行了仿真研究,取得满意的效果。     

可变等效孔径直接数据域方法

针对直接数据域(DDD)算法具有孔径损失的局限,提出了一种孔径扩展算法.新算法首先利用单快拍数据在不同阵元间的相位关系构造一个循环矩阵,然后通过不同的截取方式获得不同的孔径扩展效果.仿真计算表明,扩展后的孔径介于阵列原始孔径的2/3～1之间.     

欠驱动无人艇自适应滑模航迹跟踪控制

为便于航迹跟踪控制器设计和分析,引入坐标变换,建立典型的欠驱动无人艇数学模型;建立以航迹上自由点为原点的Serret-Frenet坐标系,实现对航迹跟踪误差变量的描述;通过将航迹参数的更新律作为一附加控制输入,实现了无人艇航迹跟踪控制系统由欠驱动向全驱动控制的转变,并利用改进视线导引算法实现了对无人艇位置的跟踪控制;考虑海流等外界扰动的影响,采用滑模自适应技术分别设计了无人艇航向和航速控制算法,实现了对航向角、纵向速度跟踪误差的镇定;基于李雅普诺夫理论和级联系统理论证明了航迹跟踪控制系统的一致半全局指数和一致全局渐进稳定性。仿真结果表明:所提出的控制算法可在一定程度上处理海流等外界扰动,跟踪效果良好,并且克服了角速度持续激励问题,能够同时实现对直线和曲线航迹的跟踪。     

Expansion planning for waste‐to‐energy systems using waste forecast prediction sets

We consider an expansion planning problem for Waste‐to‐Energy (WtE) systems facing uncertainty in future waste supplies. The WtE expansion plans are regarded as strategic, long term decisions, while the waste distribution and treatment are medium to short term operational decisions which can adapt to the actual waste collected. We propose a prediction set uncertainty model which integrates a set of waste generation forecasts and is constructed based on user‐specified levels of forecasting errors. Next, we use the prediction sets for WtE expansion scenario analysis. More specifically, for a given WtE expansion plan, the guaranteed net present value (NPV) is evaluated by computing an extreme value forecast trajectory of future waste generation from the prediction set that minimizes the maximum NPV of the WtE project. This problem is essentially a multiple stage min‐max dynamic optimization problem. By exploiting the structure of the WtE problem, we show this is equivalent to a simpler min‐max optimization problem, which can be further transformed into a single mixed‐integer linear program. Furthermore, we extend the model to optimize the guaranteed NPV by searching over the set of all feasible expansion scenarios, and show that this can be solved by an exact cutting plane approach. We also propose a heuristic based on a constant proportion distribution rule for the WtE expansion optimization model, which reduces the problem into a moderate size mixed‐integer program. Finally, our computational studies demonstrate that our proposed expansion model solutions are very stable and competitive in performance compared to scenario tree approaches. © 2016 Wiley Periodicals, Inc. Naval Research Logistics 63: 47–70, 2016