基于新型滑模面的机械臂快速轨迹跟踪滑模变结构控制

从滑模变结构控制的趋近运动和滑模运动两个阶段人手,分别对影响其性能的滑模面和趋近律进行了设计．首先,基于线性滑模面和终端滑模面,设计了一种具有较快收敛速度的新型非线性滑模面,以缩短系统在滑模运动阶段的运动时间．同时,根据幂次趋近律提出了一种改进的趋近律设计方法,保证了其趋近运动的速度,并减弱了传统滑模变结构控制所固有的抖振．最后,将该方法用于机械臂的滑模轨迹跟踪控制策略设计,仿真结果表明,该策略保证了机械臂对期望轨迹的快速跟踪,具有较强的鲁棒性,并且验证了控制策略的有效性．     

某型弹射模拟器弹射轨迹仿真

在弹射模拟器训练中,飞行座椅弹射轨迹仿真是判断弹射成功与否和重要、直观的依据.基于座椅弹射过程的物理特性,分阶段建立了座椅和降落伞的飞行物理模型,分析和计算了座椅弹射过程中的座椅和降落伞的各种运动参数,从第三方观察的角度对座椅和降落伞的运动轨迹进行了仿真可视化,为评估弹射结果提供了直观、形象的评价方法.     

基于MHMM-SVM混合模型的雷达发射机性能退化状态监测

雷达发射机结构复杂,早期性能退化状态呈现多样化。为此,给出了一种MHMM-SVM故障诊断模型。该模型首先通过小波分析来提取观测信号的特征向量,然后从提取的特征向量中提取部分作为样本完成模型训练并生成发射机各种退化状态的分类器,最后给出诊断结果。仿真验证结果表明:MHMM-SVM故障诊断模型对电子装备早期故障的识别率明显优于MHMM、SVM单一模型。     

基于改进核极限学习机和集成学习理论的目标机动轨迹预测

为了提高目标轨迹预测的精度以及预测模型的泛化能力,提出基于改进蝙蝠算法优化的核极限学习机(Kernel Extreme Learning Machine,KELM)和集成学习理论目标机动轨迹预测模型。构建KELM模型,并采用改进的蝙蝠算法对KELM的参数进行优化;以优化后的KELM神经网络为弱预测器,结合集成学习算法生成强预测器,通过训练不断优化强预测的结构和参数,得到一种基于集成学习理论的目标机动轨迹预测模型;基于不同规模的样本,将所得预测模型与逆传播神经网络、支持向量机和极限学习机等模型进行对比分析。仿真结果表明:所提目标机动轨迹预测模型具有较好的预测精度和泛化能力。     

多传感器测量数据预处理

传统传感器测量数据处理方法只采用算术平均值的数字滤波法,虽然这种方法具有一定的抗干扰性,但从统计理论和实际应用情况分析来看,这种方法处理的数据不是测量结果的最好表示,尤其对于多传感器测量情况甚至更糟糕.针对这种情况提出了通过2次利用偏度分析建立动态检测门限判别并剔除粗差,再进行数据融合的分批估计方法.数据分析结果表明,这样处理后的数据测量误差和方差均更小,测量结果更接近测量真值.     

利用星间伪距观测进行编队星座相对状态测量

以三星编队星座为例 ,讨论利用高精度的星间伪距观测进行星间相对位置、姿态和时间参数确定的一些问题 ,包括 :坐标系、独立参数的选取和观测方程的建立 ,星座状态的转换 ,天线的安装和指向等 ,并针对一个对地观测的星座进行了仿真和分析     

含运动副间隙舵机执行机构的动态特性研究

为了研究运动副间隙对空间4R机构动态特性的影响,间隙处的接触碰撞模型和摩擦的建立分别采用非线性弹簧阻尼模型和修正的库伦摩擦模型。在Solidworks中建立空间4R机构模型,导入ADAMS中进行动力学仿真分析。对比含间隙和不含间隙时系统动力学仿真结果的异同,分析间隙大小和最佳间隙量对空间4R机构动态特性的影响,为机构的设计提供了重要的参考依据,有利于工程实际应用。     

星载InSAR均匀相位构形的空间基线稳定性

星载InSAR(干涉式合成孔径雷达)在对地观测任务中具有广泛的应用,其空间基线随卫星编队平台的运动而变化。本文基于卫星编队的构形原理,定义了星载InSAR均匀相位构形。根据干涉测量原理定义了相关基线及其稳定度,研究了不同均匀相位构形下星载InSAR的基线稳定性。     

一种天基测向初轨确定方法

研究了测向数据下的天基初步轨道确定,提出了一种矢量投影法,利用矢量投影建立了基本条件方程组,把现有方法统一起来,并易于扩展为其他类型观测数据下的初定轨.同时研究了迭代初值求解、平凡解初值消除与迭代加速方法等相关问题.采用仿真算例检验本文提出的方法,仿真结果证明了本文方法的有效性.     

基于深度学习及UKF的机器人SLAM

针对室内机器人定位中精度不高、稳定性差的问题,提出融合深度学习和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的机器人同时定位与地图构建方法(Simultaneous Localization and Mapping,SLAM)。首先利用深度相机获取彩色图和深度图,再利用单发多框探测器(Single Shot MultiBox Detector,SSD)进行路标检测,获取路标坐标,最后将路标信息加入到UKF-SLAM中。实验结果表明,该方法提高了SLAM的精度,可用于室内机器人同时定位与地图构建。