主动隔振系统的最优控制时滞

针对主动隔振系统带有时滞的鲁棒渐进稳定问题,研究了时滞的存在对最优控制算法控制效果的影响,运用MATLAB中LMI工具,采用变步长试凑的方法,解出了最优控制系统反馈控制鲁棒渐进稳定的最大允许时滞上界。最后,通过数值仿真,验证了理论的正确性。仿真结果表明:随着控制时滞的增大,主动隔振效果逐渐变差,一旦反馈控制力时滞超过最大允许时滞上界,系统便将发散。同时,增大反馈控制力和减小加权矩阵控制目标的相应权值,可以提高最大允许时滞上界。     

案例智能维修训练系统的设计与实现

基于案例的智能维修训练系统将智能教学系统与CBR技术结合起来应用在故障维修领域。在智能教学理论与CBR技术的支持下,围绕案例阐述了智能维修训练系统的设计和实现。给出了系统的通用体系结构;采用框架法实现知识库的设计;分析学生模型的构成并给出学生知识水平和学习能力的评估方法;针对训练策略给出其控制流程及其实现过程。这种基于案例的智能维修训练系统能有效地应用于装备的实际维修训练中。     

空袭目标流威胁评估与排序模型研究

结合现代防空作战的特点和指挥自动化系统的工作过程,对影响目标威胁评估的各种因素进行了分析,利用模糊综合评价等理论和方法,给出了进行威胁评估的因素集和评价集,建立了相应的数学模型,叙述了进行威胁评估与排序的方法、步骤和一般准则.     

神经网络在目标属性识别中的应用研究

首先介绍了目标属性识别的方法,并对多属性决策模型(MultipleAttributeDecisionModel,MADM)目标属性识别模型进行了分析,在此基础上提出了基于神经网络的目标属性识别模型,其能有效地解决目标属性识别问题。     

柔性神经网络滑模主动控制技术

针对复杂激励条件下的振动控制,对Jiles-atherton模型的磁致伸缩作动器在双层隔振系统中的主动控制进行了研究。以传统滑模控制为基础,提出一种柔性神经网络滑模控制算法。用正则化方法设计控制器的切换矩阵,建立神经网络权值和柔性映射参数更新学习公式,并将该控制策略应用于双层隔振系统的振动主动控制中。通过单频、多频及随机信号激励进行仿真研究,结果表明:柔性神经网络滑模控制器具有较强的鲁棒性,具有较好的控制效果。     

Fibonacci数列及其算法分析

讨论了方程x^k=x^k-1＋x^k-2＋……＋x＋1的性质根，并利用其给出了k阶Fibonacci数列的通项公式及其性质，最后，给出了该数列的一些算法，并对这些算法做了简要分析。     

利用整帧翻转的SRAM型FPGA故障注入加速算法

不可恢复异常比特位(unrecoverable-sensitive bits, UR-SB)不能通过定时刷新修复,会造成卫星载荷在轨服务的长时间中断,是地面故障注入试验需要着重评估和改善的。但UR-SB占比极低,若采用传统逐位翻转故障注入方法,其测试耗时太长,效率极低。提出了一种基于整帧翻转的静态随机存取存储器型现场可编程门阵列的故障注入加速算法,其通过整帧翻转能够快速筛除不存在UR-SB的配置帧,并进一步用二分法对存在UR-SB的配置帧进行快速搜索,有效加速了UR-SB的精确定位过程。以在轨常用XQR2V3000器件为例,理论分析在较差情况下测试效率可提升207倍,信号生成载荷实测结果最高可提升949倍,理论分析和实测结果均验证了所提加速算法的有效性。     

利用分时刷新和位置约束的卫星载荷BRAM抗辐照设计方法

为解决星载资源严格受限条件下,静态随机存取存储器型现场可编程门阵列中块随机存储器(block random access memory, BRAM)的轻量级、高可靠抗辐照加固难题,提出了一种基于分时刷新和位置约束的卫星载荷BRAM抗辐照加固设计方法,通过监控算法执行时隙实现BRAM分时刷新,并增加位置约束有效降低三模冗余后两模设计同时发生异常的概率,以较少的资源消耗有效提升BRAM在轨抗辐照可靠性。重离子加速试验结果表明,采用分时刷新和位置约束加固方法后,卫星载荷单粒子功能中断截面下降约81.63%,在轨BRAM异常由3颗星2年发生3次减少为25颗星2年未发生,在轨抗辐照可靠性大幅提升。     

反舰导弹红外图像生成研究

红外成像仿真的关键环节在于红外图像的生成,反舰导弹的红外图像生成是重要的研究内容,具有重要的军事意义。基于理论分析和计算机技术提出了导弹目标红外图像生成的方法,根据红外物理学、空气动力学以及传热学等基本理论,建立导弹目标的红外理论模型,计算出蒙皮、尾喷管和尾喷焰等重点辐射区域的温度场和辐射场,利用灰度等级描述红外辐射信息,经过建模、视点变换、环境设置等一系列处理并渲染生成红外图像。实验结果证明,红外图像生成方法可行,结果可信。     

磁致伸缩作动器的位置跟踪补偿控制

为提高磁致伸缩作动器控制精度,以 Jiles-Atherton 磁滞和动力学模型为基础,通过优化偏执磁场和预紧力来提高作动器线性度,并基于前馈控制、PID 反馈控制及柔性神经网络理论,提出了前馈补偿 PID 及柔性神经网络前馈补偿 PID 控制策略。同时,以偏置正弦和阶跃为指令信号,研究作动器的位置跟踪和补偿控制。仿真表明：相比常规 PID 控制和前馈补偿 PID 控制,柔性神经网络前馈补偿 PID 控制具有更好的位置跟踪效果和抗干扰能力,具有无振荡、无超调、响应速度快的特点。