基于Vague集模糊值线性序法的雷达抗干扰效能评估

针对已有评估方法存在的不足,提出了一种基于Vague集模糊值线性序法的雷达抗干扰效能评估方法。分析了影响雷达抗干扰效能的指标因素,给出了各评价指标的模糊值表示,建立了基于Vague集模糊值线性序法的雷达抗干扰效能综合评价模型,得到了评价其效能的排序方法。最后通过实例分析验证,该方法评估结果准确,具有一定参考价值。     

基于改进遗传粒子滤波与SME的多目标跟踪算法

针对基于对称量测方程的多目标跟踪,传统的滤波手段无法解决因对称变换带来的非高斯问题,提出一种新的遗传粒子滤波方法。新的滤波算法利用粒子的噪声含量与权值的负相关,改进了更新过程中权值计算所依赖的概率密度函数,避免了新量测噪声的求解。同时利用遗传算法的优势,保障了粒子的多样性,提高了粒子的使用效率,防止了滤波发散及局部最优。仿真结果表明,基于对称量测方程的多目标跟踪中,改进的遗传粒子滤波算法较扩展卡尔曼滤波算法、不敏卡尔曼滤波算法和联合概率数据关联滤波算法跟踪效果更好。     

均匀对称刚体动能的另一种计算方法

对几种常见均匀对称刚体的动能给出了另一种计算方法,并举例说明了应用这种方法求解相关问题时在一定程度上可简化计算过程.     

轴承装配误差及预紧量对导引头伺服机构谐振频率影响与分析

为了在精密装调过程中对导引头伺服机构的动态特性进行准确预测,采用理论建模的方法确定了轴承微量装配参数与伺服机构谐振频率的定量关系。基于Hertz接触理论,建立5自由度轴承刚度模型,并将微量装配误差对轴承刚度矩阵的影响进行建模和分析;采用Timoshenko梁理论推导弹性阶梯轴单元矩阵,并确定系统特征值和特征向量的求解方法;采用MATLAB/GUI建立伺服机构谐振频率分析系统,并搭建实验系统对理论模型进行验证。分析和实验结果表明,所建立的分析方法可以对轴承的微量装配误差引起的谐振频率变化进行比较准确的计算,解决了目前伺服机构精密装调过程中动态特性预测的难题。     

计及技术风险的复杂系统多分辨率风险评估方法

针对技术风险难以直接度量、模型参数设定主观性较强等问题,利用技术成熟度的规范化方法评估系统组成的技术实现条件和难度;通过矩阵化的系统描述及关联关系推理,建立各分系统技术成熟度与系统过程模型动态参数之间的量化关系;采用系统过程建模仿真的间接方法,计算进度或费用超出可承受范围的不确定性,用以评估复杂系统研制的技术风险。通过多分辨率建模方法提高系统分析粒度,使该方法具有随系统演化过程对技术风险评估保持更新和分析粒度提升的能力。     

考虑NEPE推进剂力学性能拉压不对称性的装药结构完整性分析

为研究NEPE推进剂拉压不对称性对其装药结构完整性的影响,构建了考虑拉压不对称性的推进剂含损伤非线性本构模型,提出一种考虑拉压不对称性的装药结构完整性评估方法,并对轴向和横向联合过载作用下NEPE推进剂药柱进行了结构完整性分析。结果表明：在轴向和横向联合过载作用下,NEPE推进剂药柱处于拉压共存状态,且药柱的拉伸和压缩区域与推进剂本构模型无关;推进剂的拉压不对称性对其力学响应有一定的影响,考虑拉压不对称性的最大等效应变为1.54,介于分别由拉伸本构计算得到的应变0.193和压缩本构计算得到的应变0.100之间。考虑拉压不对称性的安全系数为5.68,大于未考虑时的安全系数1.73和4.98,传统的结构完整性评估方法较为保守。     

基于单快拍数据的嵌套阵列DOA估计算法

针对嵌套阵列DOA估计实时性不好的问题,提出了一种基于单快拍数据的估计算法。该算法将嵌套阵分为阵元间距等于信号半波长和阵元间距大于信号半波长的两个均匀子阵。利用两子阵接收的单快拍数据分别构造Toeplitz矩阵,然后进行特征值分解结合MUSIC算法得到低精度无模糊的DOA估计和高精度有模糊的DOA估计,最后结合解模糊算法得到高精度无模糊DOA估计。在阵列孔径相同的条件下,相比于阵元间距等于信号半波长的均匀线阵,算法需要的阵元个数较少,节约了硬件成本。该算法具有较好的实时性,并且拥有较高的测向精度。仿真结果证明了算法的有效性。     

基于Cholesky分解的自适应抗干扰算法

介绍了卫星导航系统常用的自适应抗干扰算法,并指出了各自的优缺点。针对自适应抗干扰算法的难点,提出了一种基于Cholesky分解的自适应抗干扰算法,巧妙地回避了矩阵求逆等复杂运算,大幅度降低了运算复杂度。推导出了利用Cholesky分解求下三角矩阵并最终完成权值求解的公式,基于FPGA设计给出了具体的实现方法。该算法已成功应用于GNSS抗干扰系统中,实测结果表明该抗干扰算法性能优良,权值更新速度快,是一种简单、高效的实现方法。     

基于加速度的马尔可夫参数自适应IMM算法

针对标准的交互式多模型算法(IMM)模型切换存在滞后性,使得目标机动改变时跟踪误差增大的问题,提出了一种基于加速度的自适应转移概率矩阵的IMM算法。该算法通过当前时刻IMM算法输出的加速度估计值,得到相应的修正因子,修正下一时刻的转移概率矩阵,使得模型切换速度加快,减小目标机动时的跟踪误差。最后通过仿真实验证明,改进的IMM算法能够有效减小目标机动改变时跟踪误差,提高模型切换速度,同时还指出了该算法的适应范围。     

动态矩阵控制在固体氧化物燃料电池中的应用

提出将动态矩阵控制(DMC)算法用于固体氧化物燃料电池(SOFC)的控制。为此,在分析SOFC动态机理模型的基础上,建立了其阶跃响应模型。控制目标是使SOFC的输出电压始终保持在一定范围内,并收敛到恒定的数值。在实际应用中,这样的算法应能提高SOFC输出功率的跟踪性能。仿真结果验证了这种方法的有效性。