基于系统构型替换的固冲发动机故障模式半实物仿真

为全面快速验证冲压发动机的故障检测算法,基于构型替换建立了能模拟多种固冲发动机故障的仿真验证平台。基于此平台,搭建了发动机点火故障模型、压强传感器故障模型、设备接口模型,以及与真实控制器中检测算法具有相同外部接口和系统构型的故障检测算法模型等。通过系统构型的切换,将同一个故障模式注入故障检测算法模型和真实发动机系统,并通过对比同一组故障模式下故障检测模型检测结果与发动机控制系统检测结果,来对发动机控制器中的故障检测算法进行快速验证。以无喷管助推器点火的检测为例,讲述了该方法的建模、实验验证及分析过程,此外,该方法还能应用到无喷管助推器关机、进气道前后堵盖打开、燃气发生器点火、燃气流量容错控制等多个故障模式的仿真模拟与验证,具有很强的通用性,能大大地降低控制系统开发与验证的时间成本,具有很强的应用价值。     

基于最优制导模板的神经网络预测制导方法

针对传统预测制导方法中高精度制导与快速实时解算之间的矛盾,提出了一种基于最优制导模板的神经网络预测制导方法。该方法采用基于高置信度飞行器运动模型仿真计算预测弹道落点,利用优化理论进行迭代解算制导变量,以此为基础离线生成样本数据;通过选择合适的多结构模态神经网络,进行基于调度管理的神经网络训练,完成神经网络控制器的设计。针对CAV进行了算例设计,结果表明:该制导方法在线计算量少,制导解算速度快,制导精度高,综合性能远优于传统的预测制导方法。     

混合气体识别的响应等效性与瞬态信号正交分解模型

针对目前混合气体识别大多采用传感器稳态响应信号、基于线性混合假设或大量样本学习,而瞬态响应信号特征分析主要应用非正交分解的问题,提出一种基于响应等效性与瞬态信号正交分解的混合气体识别模型。分析金属氧化物半导体传感器对混合气体的响应特性,建立基于气体响应成分等效性假设的气体非线性混合模型,在此基础上,提出并应用一种新的正交基函数——扩展类Legendre正交基,对气体传感器瞬态响应信号进行分解;通过对正交分解系数与气体浓度的回归分析,验证二者之间的指数型关联关系,并以正交分解系数为特征参数,利用气体非线性等效混合模型对混合气体分解与辨识。实验结果表明,尽管这种混合气体识别模型仅用单一气体检测的先验知识,对混合气体的识别误差仍可达到15%以内。     

目标自动跟踪在对抗系统中的仿真

研究了在OpenGVS仿真平台上实现目标自动跟踪系统仿真的方法。根据目标自动跟踪系统的基本原理建立了其系统的仿真数学模型,然后运用MFC,OpenGVS在HLA搭建的对抗仿真环境中实现了半实物仿真。     

雷达无线组网抗干扰技术

介绍了将三部火控雷达进行无线组网的一种方法。系统的网络拓扑结构采用星形结构,各子站由单片微型计算机、雷达数据采集模块、调制解调器和调频无线电台等组成,信息处理中心由通用PC机实现。雷达无线组网后,即可通过该系统的坐标转换功能实现雷达间的资源共享,也可实现实时的无源交叉跟踪和定位,还具有一定的抗反辐射导弹攻击的能力,从而形成一个综合抗干扰系统。     

实时位置反馈的多机器人主从式编队控制

提出了一种基于反馈控制的多机器人的编队控制方法,能够使主从机器人在相对运动时保持期望的角度和距离,并且形成稳定的编队结构。然后运用数学图论将单一主从式编队控制扩展到多机器人的编队控制,能够更加简易的实现编队控制和几何形状的变换,最后通过仿真验证了该方法的有效性。     

通用油料装备质量分级研究

通用油料装备的质量分级是依据油料装备的不同技术状况划分质量等级,以便于装备的使用、维护、退役和报废。介绍了通用油料装备的质量分级应遵循的原则和质量等级划分的主要依据,将通用油料装备质量等级分为四等六级,每一级对应一个级值,给出了质量分级的数学模型,并提出了分级依据对应级值的条件或计算方法。     

皮格马利翁效应对思想教育工作的启示

皮格马利翁效应通过对人的自我激励机制的强化 ,来调动人的内在积极性和潜力 ,对思想教育工作有重要的启示。思想政治工作者应遵循信任原则、正诱导原则和期望适度原则 ,将皮格马利翁效应创造性地运用到具体的思想教育工作实践中     

某型激光制导炸弹投放域仿真研究

以国产某型激光制导航空炸弹为例,进行了投放域的仿真研究。建立了该型激光制导炸弹六自由度空间运动方程、控制系统数学模型和控制信号的形成模型。以国内给出的气动力风洞实验数据为基础,运用MATLAB语言进行仿真计算,并给出了该型激光制导炸弹的投放域。     

结合DSmT理论和系统建模的知识融合算法

目前国内外常用的一种知识融合算法是DS证据理论,但这种方法受到单一故障假设的条件限制,应用范围受限。所以,提出了一种使用DSmT混合组合规则与系统建模方法的全新的知识融合算法,这样即解决了DS理论的单一故障假设的限制,又避免了自由DSmT只适用于不考虑排斥性约束和非存在性约束的条件限制,使得算法的应用范围更广。