姿态角单次调整的固体运载火箭耗尽关机能量管理方法

固体运载火箭传统耗尽关机制导方法姿态角调整次数过多,不利于控制系统设计。提出了姿态角单次调整的耗尽关机能量管理策略:以火箭的待增视速度方向为基准,通过计算火箭所需耗费的视速度,优化选取火箭的初、末姿态角;火箭以恒定角速率从初姿态角变为末姿态角,达到末姿态角时保持恒定,直至耗尽关机。仿真结果表明,新方法在满足火箭的终端速度约束条件下,视速度模量耗费百分比超过30%,且姿态角单向调整,有利于控制系统的工程设计。     

运载火箭摄动制导导引系数实时计算方法

对于新型运载火箭,没有相近型号导引系数数据供参考,采用传统试探法计算量大,在制导方案初期论证中不能满足多方案快速计算的需求。在引入理想弹道剩余飞行速度概念的基础上,提出导引系数实时计算方法。本方法对当前实时状态参数和后续飞行段弹道进行了综合考虑,通过数字仿真表明导引精度高于传统常系数导引方法。由于本方法对导引能力进行了预估,因而制导指令不会剧烈变化,易于姿态控制系统的设计实现。同时,由于采用完全解析法,对箭载计算机计算能力要求几乎没有增加,易于工程实现。     

基于车辆稳态动力学特性的汽车动态轨迹规划

针对高动态环境下驾驶辅助系统（ADAS）的轨迹规划问题,提出基于车辆稳态动力学特性的动态轨迹规划算法。该算法首先在交通车轨迹预估基础上建立搜索空间,接着利用车辆稳态动力学模型作为轨迹发生器,在搜索空间中对轨迹发生器产生的轨迹进行评价,最后根据驾驶意图和优化条件选择最优轨迹。文章采用基于最优加速度预瞄理论的轨迹跟踪算法,建立了七自由度车辆动力学模型,并在Simulink环境下搭建仿真平台,进行超车仿真实验。实验结果表明,本文提出的算法可行、有效。     

精密加工过程切削用量和表面粗糙度关系的模糊化处理方法

在金属切削原理中,用切削用量可以估计理论表面粗糙度。由于切削过程的复杂性,实际加工表面粗糙度和理论表面粗糙度有较大差距。本文采用模糊模式识别方法,对切削用量和表面粗糙度的关系进行了实验研究。本人介绍的理论方法、实现技术路线和实验结果,为以后开展ＦＭＳ或ＣＩＭＳ中智能化质量监控技术的进一步研究打下了基础。     

高超声速飞行器的弹道优化评估方法

高超声速飞行器弹道优化算法的综合评估对选取最优的弹道优化算法具有重要的参考意义。根据高超声速飞行器的特性,将其弹道分解为上升段、巡航段及俯冲段三个阶段,分别给出了各阶段的性能评价指标和对各阶段性能评价指标赋权的典型方法,并结合灰色关联度分析理论提出了弹道优化算法的综合评估方法。评估实例表明,该方法能定量地对多种弹道优化方法所生成的弹道进行综合性能评估,并能对备选优化方法的优劣进行排序。     

一种基于模糊竞争网络的主动声纳目标分类器

提出了一种基于模糊竞争网络的主动声纳目标分类器。该分类器结构简单,学习速度快,仅用少量样本进行训练便可获得良好的推广性能．便于实时学习和应用。通过对模式属于各类别的隶属度的分析,可以知道判决的可靠性,具有较好的应用价值。     

主成分分析在铁谱磨粒识别中的应用研究

介绍了主成分分析(PCA)基本原理与算法,提出了主成分分析用于铁谱磨粒识别的基本思路和方法,给出了具体的应用步骤,并通过实例对基于主成分分析的铁谱磨粒识别方法有效性进行了分析和验证,结果表明,该方法在减少铁谱磨粒识别工作量和提高识别准确率方面效果良好。     

固定天区小视场星跟踪器两颗星识别方法

研究了在观测天区固定的前提下,小视场星跟踪器视场内只有两颗观测星时的星图模式识别算法。首先简述了研究的必要性;接着简要介绍了实时星图的预处理;随后详细论述了所提出算法的具体步骤;然后说明了导航星表的制定过程。仿真结果表明了算法是有效的,并对仿真试验结果进行了分析;最后给出了结论。     

一种可实现TF/TA2的无人飞行器三维航迹规划方法

从规划空间的有效表达着手对无人飞行器三维航迹规划展开研究,基于地形和威胁提出的飞行器航迹规划方法将航迹规划分为学习阶段和查询阶段,环境信息和飞行器的大部分约束条件结合在路线图的构造过程中,航迹搜索在此路线图中进行并最终实现全部约束条件.试验结果显示,该方法可以实时获得实现TF/TA2的三维航迹.     

网络学习模式识别移动代理因素提取方法研究

从分析网络学习因素的角度出发,提出了利用数据融合理论和使用移动代理技术解决网络学习模式识别的问题。详细分析了网络学习模式中的主要因素,针对网络学习模式识别提出了使用移动代理(MA)进行因素提取的方法。同时运用数据融合技术中分布式缠绕判决模型进行描述,从而使有效地获取网络学习者的学习状态变为可能。也对网络学习因素提取MA的执行环境进行了具体阐述。设计了因素提取MA体系结构,分析了因素提取的执行过程,采用ATP层代理传输协议作为移动代理系统的应用层协议,负责学习模式识别的因素提取。