带减振器机抖激光陀螺惯性测量单元标定方法研究

由于减振器会产生形变,使得带减振器的机抖激光陀螺惯性测量单元(IMU)不能使用由精密转台提供姿态基准的标定方法进行标定.提出了一种带减振器的机抖激光陀螺IMU标定的新方法,该方法先将IMU固联在精密转台上,不启动陀螺,依靠转台提供姿态参考标定出加表各误差参数;在此基础上装上减振器,设计了IMU陀螺误差参数标定路径,根据...     

在线构造Toeplitz矩阵对相干信号DOA估计

针对相干信号源的DOA估计问题,提出了一种基于最大特征矢量在线构造Toeplitz矩阵解相干的方法。通过接收到的数据,实时构造基于最大特征矢量的Toeplitz矩阵来估计相干源的DOA,它无需估计数据的协方差,计算量小,不损失阵列孔径。相比常规的解相干算法,在小快拍和低信噪比情况下,具有更好的估计性能,理论分析和仿真结果验证了该方法的有效性。     

基于线性时变参数离散灰色模型的在线故障预测系统设计

为实现故障预测的实时性,克服设备实际数据处理能力的局限,采用了线性时变参数离散灰色模型(linear time-varying parameters discrete grey model,TDGM),并对其建模所用的最小二乘法采用递推算法,形成了递推建模法,解决了实时建模预测所面临的建模序列取舍、计算和存储量巨大等难题,并采用视情剔除旧数据的方法克服了递推建模法存在的"数据饱和"现象,完成了在线故障预测系统(online fault prediction system,OFPS)的初步设计。实例仿真验证表明:该系统运行稳定可靠,计算和存储量在可承受范围之内,预测效果良好,可以应用到实际设备中。     

舰艇舱室火灾危险源的分析和辨识

针对舰艇安全性设计和安全性管理两大问题,根据火灾危险源的特点可将其分为两类,运用直接经验法和统计分析法构建第一类火灾危险源辨识模式,运用系统安全分析法构建第二类火灾危险源辨识模式,并将该方法应用于某型舰艇机舱火灾危险源分析和辨识,得到机舱火灾载荷密度、热释放速率、热释放强度和事故树结构重要度等技术指标。分析表明:机舱属于高危火灾舱室,舱内灭火器材的配置、灭火系统的完好性以及舰员的损管素质是火灾事故发生最重要的影响因素。     

一种具有遗忘特性的在线学习算法框架

基于凸优化中的对偶理论,提出了一种具有遗忘特性的在线学习算法框架。其中,Hinge函数的Fenchel对偶变换是将基本学习问题由批量学习转化为在线学习的关键。新的算法过程是通过以不同方式提升含有约束变量的对偶问题实现的:(1)梯度提升;(2)贪婪提升。回顾了以往的相关研究工作,并指出了与之的区别与联系。人造数据集和真实数据集上的实验结果证实了算法框架的有效性。算法可以很好地处理数据流中的分类面漂移问题,为设计和分析新的在线学习算法提供了一个新的思路。     

航天器转动惯量参数在轨辨识的最优激励

根据矩阵分析理论研究了转动惯量参数的可辨识性问题,从姿态动力学方程导出关于未知参数的线性回归模型,将回归矩阵的条件数作为参数可辨识度的定量指标,以可辨识度最大为目标函数建立最优控制模型;应用解最优控制问题的伪谱法,计算控制力矩陀螺的指令轨线,使得惯量参数的辨识精度和收敛速度显著提高;在仿真中采用双无迹卡尔曼滤波算法进行参数辨识,结果验证了所提出的最优激励设计方法可以改善参数辨识性能,同时该方法对先验信息误差具有鲁棒性。     

运用慕课模式开展军队思想政治教育

慕课,简称“MOOC”,是指大规模的开放的在线课程,或者说是大型开放式网络课程。慕课是2011年以来在美国兴起并迅速在全球高等教育引发改革风暴的一种新的教学模式,被人称为“印刷术发明以来教育最大的革新”。     

潜艇电力推进装置的动态模型辨识

将系统辨识的方法应用到潜艇电力推进系统的动态特性的分析中 ,辨识算法采用递推增广矩阵法(RELS) ,并采用变遗忘因子 ,以改善系统的跟踪性能 .研究对象为一模拟电力推进机组 ,在实验数据的基础上建立了该系统励磁控制下的动态模型 .     

坦克火控系统机动目标的自适应滤波与自适应解命中问题

在非制导火控系统中,为实现目标信息的自适应滤波与自适应解命中问题,机动目标模型应能实时识别,并要适应工作周期的各种变化。本文提出了“参数辨识模型”,首次完全满足了上述要求。     

非最小相位系统的遗传优化辨识算法

本文基于遗传算法提出了一个非最小相位系统辨识的新算法。用ＡＲＭＡ模型描述系统的传递函数。在最小误差准则下用遗传算法估计其ＡＲＭＡ模型参数。从而实现对其系统的辨识。这个方法不需要系统的估计初值,同时在低信噪比情况下也能获得较好的效果。