基于SADRC的四旋翼飞行器姿态解耦控制方法

针对线性自抗扰(Linear Active Disturbance Rejection Control,LADRC)在四旋翼飞行器姿态控制中存在初始状态误差较大时可能产生"峰值"现象的问题,提出了一种基于线性/非线性自抗扰切换控制(Switch in linearnonlinear Active Disturbance Rejection Control,SADRC)四旋翼飞行器控制方法。以实验室现有的3-DOF四旋翼飞行器平台为研究对象,建立了其姿态的数学模型,引入SADRC对其基本原理进行了介绍;基于SADRC设计了四旋翼飞行器姿态解耦控制器,并对系统单通道的稳定性进行了分析;对控制方法进行了实验验证。结果表明,SADRC控制器可有效避免LADRC控制器因为初始状态误差引起的"峰值"问题,抗干扰性能进一步提高。     

智能化雷达干扰系统自学习模型研究

首先对自学习进行了阐述;然后研究了雷达对抗中敌我双方的参数、特征知识及知识表示;最后提出智能化雷达干扰系统中的2个过程自学习模型:雷达辐射源识别规则自学习模型和对敌雷达干扰策略自学习模型,为深入研究智能化雷达干扰系统提供模型基础.     

系泊状态下舰载捷联惯导系统自对准研究

系泊状态下舰船发生三轴摇摆,使惯性元件中附加摇摆信息,严重影响对准精度。给出了较为完整的对准办案：在粗对准阶段,将惯性元件输出数据进行预处理以实现姿态矩阵的粗略估计;住精对准阶段,采用参数辨识法计算角速度和角加速度以实时估算杆臂K度,实现对杆臂误差的补偿,并通过卡尔曼滤波完成对姿态的精确估计。仿真结果表明：粗对准方案能够较准确地实现水平姿态跟踪,参数辨识法避免了对角增最二次微分引入的误差,验证了方案的可行性。     

自组织特征映射网络在目标分类识别中的应用

为了在日趋复杂的空战环境中准确分析出目标的类型,以达到辅助决策之目的,采用自组织特征映射网络来对目标进行分类识别.首先提取影响目标识别的类特征,然后对其预处理.在此基础上建立SOM网络目标识别模型,并利用SOM网络算法实施无监督的自组织学习.在学习的过程中,通过不断调节网络节点间的权向量,来实现目标聚类.最后,通过仿真验证了该方法在目标分类识别中的可行性和实用性.     

基于遗传算法的自航水雷航路规划

自航水雷在执行任务时需要装载根据战场环境预先规划好的最优路径,路径的优劣直接决定了自航水雷的作战效率.采用遗传算法进行自航水雷航路优化,算法利用极坐标描述威胁位置和航路点,将航路编码由二维缩减至一维,降低了搜索空间,提高了优化效率.对算法进行了相应的仿真,仿真结果表明,编码方式提高了优化效率,得到的航路有效地规避了威胁.     

一种基于轮廓自扩展的GVF算法

针对Snake算法及GVF算法对初始轮廓覆盖区域敏感性的缺陷,提出一种轮廓自扩展方法,从而使初始轮廓能够有效地覆盖目标所在区域,达到对目标的完整搜索;将其应用到目标跟踪中,根据下一帧中目标与当前帧设置的轮廓的交叉,通过自扩展初始轮廓可以很快将目标划为搜索区域之内.实验表明,基于轮廓自扩展方法的GVF方法可以实现对目标轮廓的完整提取;在目标跟踪中可以自动、有效地跟踪目标.     

一种快速辨识ARMA信号模型参数的方法

本文给出了一种对ARMA信号模型参数进行自适应滤波快速辨识的方法。首先提出将MA模型匹配ARMA模型的理论误差转化为输出端的加性噪声．然后提出了一种新的变步长LMS算法。基于以上两点,本文使用自适应滤波器,通过拟合模型传递函数来辨识模型参数。数值仿真结果及其与IIR SHARF算法的比较证明本文的理论分析。