一类三角结构非线性系统状态参考反演变结构控制

针对一类三角结构非匹配不确定性非线性系统,结合参考状态、反演设计和变结构控制方法,研究了其在非匹配不确定性和未知干扰下的跟踪控制问题,提出了状态参考反演变结构控制策略,设计的状态参考反演变结构控制器实现鲁棒输出跟踪,闭环系统在有限时间进入滑动模态.仿真算例证实了理论研究成果的正确性和可行性.     

信息融合系统中的多传感器优化分配

在舰载多传感器信息融合系统中,对传感器优化分配问题进行了研究.充分考虑目标身份和目标优先级等信息,依据最大信息增益准则,建立了传感器优化分配的数学模型,并对算法进行了仿真实验.     

基于子空间近似算法的鱼雷总体多学科设计

在鱼雷总体多学科优化设计(MDO)中,学科间的耦合与解耦问题一直是研究的重点和难点.在子空间近似算法的基础上,结合鱼雷总体设计的实际特点,分析了各学科间的耦合因素,建立了鱼雷总体设计多学科设计优化的统一模型和子空间近似算法的数学模型,并进行了实例验证,结果表明基于子空间近似算法很好地解决了鱼雷总体设计多学科设计优化中学科间耦合关系复杂的问题,收敛速度快,可靠性高.该方法对提高鱼雷的设计质量,避免人力、物力的浪费,降低设计风险等有极为重要的作用.     

基于混合遗传算法的拦截弹道优化方法

传统的遗传算法中,交叉和变异样本的选择直接影响算法的收敛.通常根据工程实际需求调整交叉和变异样本的选择概率来提高遗传算法运行的有效性和防止早熟现象的发生.将传统的单纯形搜索算法与遗传算法相结合,提出了一种混合遗传算法,并在算法中增加了加速循环操作,提高遗传算法在求解优化问题特别是工程应用中的有效性,以便优化拦截弹道.数学仿真结果表明该方法能够有效地解决迎面拦截弹道问题.     

C2组织结构的鲁棒性设计方法

介绍了C2(Command and Control)组织和C2组织结构,讨论了C2组织结构的鲁棒性设计问题.提出了基于粒度计算的鲁棒性组织结构设计方法,设计过程包括两个阶段:平台集粒化阶段和决策分层阶段,并给出了基于遗传算法的平台集粒化方法和鲁棒性组织结构的决策树优化模型.案例分析和对比试验表明方法具有较好的性能.     

运用多作战策略打击多类型目标的效能分析

基于一体化联合作战要求,对武器装备体系中射击效力评估、优化模型进行了研究.首先推导了Gauss-Legendre法计算点目标被毁伤的概率公式,之后建立了射击效能评估模型.在此基础上,改进传统的优化算法,并提出具体的优化步骤.仿真计算表明,射击效力评估、优化模型能够为作战决策提供技术支持.     

能量状态法的无人机节油轨迹优化

应用能量状态法研究了高空长航时无人机节油飞行的最优轨迹问题.构建了基于能量状态法的质点运动模型,简化了传统运动模型的维数,并利用变分法提出了基于能量控制的性能指标,推导出飞机纵向飞行过程(爬升、巡航和下降)的优化方程,得到整个飞行过程的全局最优解,给出了一种适用的算法,利用Matlab对该算法进行了计算仿真.仿真结果表明,优化的节油轨迹算法效率较高,可节省飞机燃油、缩短航行时间.     

车辆悬挂系统的主动优化控制器设计及仿真

基于特征结构配置参数化结果,提出了车辆悬挂系统的主动优化控制器设计方法。该方法直接基于车辆悬挂系统的参数矩阵,便于工程应用。车辆悬挂系统的仿真实例表明所提主动优化控制器设计方法简单且有效。     

变结构多模型估计第Ⅲ部分——模型群切换算法

本文提出了一种称为模型群切换算法(MGS)的通用的变结构多模型(VSMM)估计器.它假设整个模型集合可以用一定数目的模型群来覆盖,每个模型群代表相互间紧密联系的一族系统行为方式或结构,在任何给定时刻,由一个硬决策来决定具体运行的模型群.它是第一种可普遍应用于一大类具有混合(连续或离散)不确定性问题的VSMM估计器.同时,它很容易实现.通过一个简单的失效检测和识别的例子显示当具有与固定结构的交互多模型(FSIMM)估计器相同的性能时,MGS算法可以从本质上减少计算量.     

变结构多模型估计第Ⅳ部分——模型群切换算法的设计和评估

在第Ⅲ部分提出了一种称为模型群切换算法(MGS)的变结构多模型(VSMM)估计器它是第一种通用的、可应于一大类具有混合(连续或离散)不确定性问题的VSMM估计器.在这种算法中,模型集合通过在一定数目预先确定的模型群之间的切换来实现自适应.它比固定结构MM(FSMM)估计器,包括交互多模型估计器(IMM)具有更大的潜力获得更高的费效比.本文研究了算法应用中的一些比较重要的问题,包括模型群自适应逻辑和模型群的设计.研究的结果通过一个机动目标跟踪问题的详细设计例子进行了演示.这个跟踪问题使用一个时变模型集合,每个模型由目标的加速度期望值表征.仿真结果用来证实在仔细设计和非常随机和确定的情况下,MGS算法同使用所有模型的固定结构IMM(FSIMM)估计的性能(基于更合理和完全的度量,而不是仅使用通常的rms误差)和计算复杂程度的比较.