永磁同步电机有限时间抗扰控制方法研究

针对永磁同步电机在实际应用中变负载、磁饱和内外干扰等因素影响下的稳定控制问题，提出了基于super-twisting算法的扩张状态观测器（super-twisting extended state observer,STESO）对总扰动进行准确估计和补偿。通过分析永磁同步电机的动力学模型，构建永磁同步电机的扩张状态模型，并以此为基础设计STESO，在有限时间内实现对永磁同步电机总扰动的准确观测。利用Lyapunov方法分析了STESO的稳定性，并推导了误差收敛时间的表达式。仿真实验结果表明，所提方法在位置和转速控制上响应速度快、扰动影响恢复时间短，相比于PID控制、自抗扰控制和基于改进模型预测的自抗扰前馈控制等方法具有更好的快速性和更强的抗扰性，蒙特卡洛实验结果同样显示所提方法针对参数不确定性具有较强的鲁棒性。     

基于fMRI的静息状态脑功能复杂网络分析

分析静息状态下人脑中不同区域之间的功能连接模式对研究静息状态下人脑正常功能活动具有重要意义。基于复杂网络理论对脑功能网络进行建模,考察静息状态脑功能网络的结构和拓扑特性。结果显示,网络具有小世界性质和无标度特性。进一步引入一种概率混合模型分析网络社团结构,得到的10个子网络中包含视觉系统、听觉系统、运动系统、默认网络以及与执行和工作记忆相关的脑区。推测出静息状态脑功能网络是由这些相对独立又彼此关联的子网络组成,其中楔前叶和扣带回作为网络的关键节点,在信息调度和传递中占据重要地位。     

技术状态管理在航空产品研制生产中的应用

通过介绍技术状态管理的主要内容及技术状态管理四个过程的逻辑关系,以某型航空发动机燃油调节器研制、生产过程技术状态管理应用为例,给出了技术状态管理对于航空武器装备质量管理的重要性。     

船舶静态电场跟踪的渐进更新扩展卡尔曼滤波器

为了实现利用船舶静态电场对船舶进行跟踪的目的,针对传统卡尔曼滤波算法中存在的问题,设计一种新的非线性滤波器。建立船舶的状态空间模型,分析传统卡尔曼滤波算法在船舶跟踪中存在的问题;依据渐进贝叶斯思想,利用连续白噪声与离散白噪声序列噪声协方差之间的关系,设计一种新的渐进更新扩展卡尔曼滤波器。仿真结果表明,该滤波器能有效地抑制由于初始误差较大而造成的滤波性能下降和滤波发散,能够有效地跟踪船舶,具有较高的实用价值。     

通用扩张状态观测器鲁棒飞行控制方法

针对存在参数不确定、外界干扰与测量噪声情况下飞行控制问题，提出一种基于通用扩张状态观测器的鲁棒飞行控制方法。首先基于状态相关的Riccati方程（SDRE）控制方法，对飞行器俯仰通道非线性模型进行扩展线性化；而后引入基于通用扩张状态观测器的控制方法，设计干扰补偿增益，实现对外界干扰的估计与补偿；最后通过在线解算状态相关矩阵及代数黎卡提方程，得出状态反馈增益与干扰补偿增益，实现对飞行器期望攻角的跟踪控制。通过与已有方法进行对比，验证了本文所提方法不仅对系统模型不确定性与外界干扰具有较强鲁棒性，而且在较大测量噪声情况下，其依然能够保证良好的跟踪控制效果，具有较强的工程应用价值。     

无人机自主控制应用需求及研究发展分析

随着无人机装备的快速普及,自主控制技术越来越成为提高无人机系统生存能力、适应能力和任务完成能力的重要因素。通过对无人机实战场景和使用需求的分析,提出近期对自主控制技术应用的重要需求是提高无人机感知能力和对故障及飞行状态的适应性。分析了当前自主控制技术在外部态势、内部态势和适应性飞行控制方面的研究和应用现状。最后,根据对应用需求的分析和当前相关技术的发展应用情况的考察,提出了无人机适应性自主控制的技术框架。     

α-β跟踪滤波器的零极点分析法

利用α-β跟踪滤波器的状态空间方程和离散传递函数之间的转换关系,将位置和速度的滤波及预报估计问题,转化为Z域内讨论根轨迹中零极点的分布问题,对目标平衡跟踪时滤波和估计参数变化规律给予了一种新的解释.     

浅谈教师考评中的心理与调控

“学校或者其他教育机构应当对教师的政治思想、业务水平、工作态度和工作成绩进行考核。考核应当客观、公正、准确，充分听取教师本人、其他教师以及学生的意见。”考核作为系统而存在，被考评者和考评者是考核中互相联系着的两个要素。在实施考评制度过程中，被考评者和考评者的心理状态如何，也是关系到考评成败的因素，对今后工作的开展是否顺利有着直接的影响。因此，我们必须对被考评者和考评者的心理调查、分析与调控，以保证考评工作的顺利。     

“迷狂式”构思状态及成因管窥

具有强烈的思想感情和丰富的想象，是中西方诗歌的共同特点。但由于中西方历史和文化背景等方面的不同，中西方诗歌在许多方面存在差异，中西方诗人构思时的情绪状态也有差异。中国有“虚静说”，西方有“迷狂说”。西方诗人的“迷狂式”构思状态亦有其产生的原因。     

分布式传感器网络自适应一致性融合估计算法

针对分布式传感器网络的目标一致性状态估计问题,提出自适应一致性融合估计算法。考虑到网络中节点为测距和测方位的传感器,基于观测噪声与目标状态相关的假设,构建量测模型;引用无迹卡尔曼滤波与CI算法得到各节点的局部估计,通过误差矩阵加权更新节点状态以改进一致性算法,实现各节点对目标状态的一致性估计。仿真实验结果表明,该算法能够在快速收敛的过程中实现无中心节点的分布式传感器网络中各节点对目标位置的精确估计,同时又保证各节点之间的一致性。