自适应模糊PID控制器的设计和仿真

在参数自适应模糊PID控制器的基础上,利用模糊推理的方法实现了对PID参数的在线自动整定,并且在MATLAB软件下将该控制器在某系统中的应用进行了研究,仿真结果表明,参数自适应模糊PID控制能使系统达到满意的控制效果,对进一步应用研究具有较大的参考价值.     

线性离散周期系统的区域极点/H2指标满意控制

针对线性离散周期系统的状态反馈控制问题,利用提升法将线性离散周期系统转化为时不变系统并提出期望极点指标,同时要求周期系统满足H2范数指标,采用数值递推算法对线性周期系统进行上述指标的满意控制设计,并运用满意控制思想将上述控制问题转化为线性矩阵不等式(LMI)的线性凸优化问题,从而运用LMI技术求解、设计可行的满意控制.数值仿真验证了相关结论.     

静电放电抗扰度试验方法存在的问题及相关研究

综述静电放电（ESD）抗扰度试验方法中存在的问题,从静电放电电流的数学描述、静电放电电磁辐射场模型、静电放电与电子设备之间的能量耦合规律及静电放电抗扰度试验4个方面对这些问题的研究状况进行了描述。在此基础上,提出一些解决或改善这些问题的建议和方法以及下一步研究方向。     

基于直线特征及模板倾斜修正的图像匹配定位

针对火炮发射图像序列中运动目标后座的旋转问题,提出了基于直线特征及模板倾斜修正的匹配定位方法。该方法首先利用Hough变换提取出具有反应倾斜角特征的直线,与基准直线比较,算出直线旋转角度α,再把包含模板的基准图部分区域旋转α后截取新模板,使问题回到只有平移的情况并进行去均值归一化相关法（NNPROD）匹配。实验与分析表明,该方法可以有效地解决存在旋转、灰度对比度变化大、噪声干扰强、强光饱和等情况下的匹配定位问题,匹配精度较高。     

自航水雷雷位误差对障碍毁伤概率影响分析

自航水雷障碍毁伤概率是其作战效能的重要指标之一。针对自航水雷(SLMM)雷位所具有的随机散布特性,建立了反映水雷障碍毁伤概率与雷位误差之间关系的理论模型,并对理论模型进行了仿真验证。利用该理论模型分析了自航水雷雷位误差对毁伤概率的影响,同时对自航水雷障碍期望雷位的优化配置方法进行了初步的探讨。     

基于球坐标系下BLUE滤波的IMM算法

针对机动目标跟踪中常见的量测转换问题,提出了一种基于球坐标系下最优线性无偏估计滤波的交互多模型算法。该算法的核心思想是将最优线性无偏估计滤波作为交互多模型中的基本滤波,完成对机动目标的跟踪。在仿真试验中,将该算法与基于扩展卡尔曼滤波的交互多模型算法进行比较,结果表明该算法有效地抑制了扩展卡尔曼滤波中常见的滤波发散问题,并且提高了跟踪的精度,具有较好的实用性。     

固定翼无人机曲线路径跟踪的积分向量场方法

常规的向量场方法在处理无人机曲线路径跟踪问题时很容易受非定常风扰的影响而使得跟踪误差增加,因此很多方法采用用无人机的惯性坐标系(地速和方位角)替代机体坐标系(空速和偏航角)的方式来提高抗风性能。但是,这种方式只能处理大小和方向均恒定的风扰,这在实际飞行中是过于理想的假设。为了克服这些不足,提出了一种采用侧偏距的积分来主动抵消非定常风扰的积分向量场方法用于固定翼无人机曲线路径跟踪控制。根据期望路径的曲率及路径角,结合无人机自身的状态信息设计了曲线路径跟踪策略,并且使用李雅普诺夫理论证明了提出的方法能够确保闭环系统的全局渐进稳定。最后,使用高性能半实物仿真系统验证了提出方法的抗风跟踪性能。     

PWPF的直接力脉冲自抗扰姿态控制方法

为应对来自临近空间高超声速飞行器的威胁,对作战空域在35 km以上高空的反临近空间拦截弹的需求越来越迫切。姿态控制系统的执行机构为6台常值推力发动机,为弹体稳定的跟踪目标提供可多次开启的常值推力,而使用PWPF调制技术可以将常值推力等效为连续推力;拦截器姿态控制系统需要克服轨控开启时带来的较大干扰,因此基于自抗扰方法设计了控制器,控制信号经PWPF调制后得到脉冲开关信号实现拦截器的姿态控制。仿真结果表明,自抗扰控制器具有更好的快速性与稳定性,且更方便与PWPF调制器串联使用。     

均匀圆阵主特征矢量分析解相干算法

为解决均匀圆阵的相干信源波达方向估计问题,提出一种适用于均匀圆阵的虚拟均匀线阵主特征矢量分析算法.采用模式空间变换将均匀圆阵转换为虚拟均匀线阵,对其数据协方差矩阵进行处理以构造主特征矢量矩阵;引入加权最小二乘法,通过重复迭代得到子空间各元素之间的线性预测系数,从而求得相干信源的波达方向估计值.理论分析和仿真结果表明,该...     

基于自训练EM算法的半监督文本分类

为了提高计算效率,提出基于自训练的改进EM算法STEM。在每步迭代的E-step中,将中间分类器最有把握对其类别进行预测的未标注样本转移至标注样本集,并应用到M-step中进行下一个中间分类器的训练,从而引入了利用中间结果的自训练机制。文本分类实验表明STEM算法在大部分情况下的分类准确性都高于EM,并通过减少迭代提高了分类器学习的计算效率。