具有落角约束的对地攻击自适应变结构导引律

针对空对地攻击武器对地面目标的精确打击问题,提出了一种带落角约束的自适应滑模变结构末制导律。该制导律在自适应滑模导引律的基础上,引入落角约束项,可以满足制导精度和落角的双重要求。仿真结果表明,该制导律对地面活动目标的攻击既具有较高的制导精度,又可以满足落角要求,对空地精确制导武器的作战使用具有指导意义。     

十字梁控制系统的非奇异终端滑模控制

为了保证系统跟踪误差在有限时间内收敛到零,采用非奇异终端滑模控制方法设计十字梁系统的控制器.将十字梁系统3个通道之间的耦合因素和外界干扰影响视为不确定项,将十字梁系统模型转变为一种类解耦形式.设计了自适应算法分别调节3个通道的控制器参数,对不确定项进行估计和补偿,使得3个通道的控制器中不包含耦合因素,从而简化了控制器结构.仿真分析表明,所设计的3个通道的非奇异终端滑模控制器比前人设计的控制器具有跟踪速度更快、跟踪精度更高的优点.     

一种新的离散余弦变换LMS自适应滤波算法

通信过程中由于多径效应容易造成码间串扰,为此讨论了一种基于离散余弦变换(DCT)的最小均方(LMS)自适应滤波算法.该算法不依赖于输入信号特性,以一种近似的方式完成对输入向量正交化,实现了高效计算.将该算法运用于码间串扰(ISI)严重的信道均衡仿真实验中,并与传统的LMS和归一化LMS( NLMS)算法进行比较,仿真结果表明该算法具有更快的收敛速度和更小的稳态误差.     

基于核函数的自适应聚类背景提取

随着目标的检测与跟踪的广泛应用,移动物体分割问题成为研究热点,而解决这类问题的关键需为对图像背景的更新和提取。通过对目前已有的背景提取方法的研究,提出了一种新的基于核函数的背景提取方法:进行预处理,制定删选法则来自适应获取所需处理的视频序列;定义核函数来衡量模式间相似性,对2类聚类中心进行初始化;利用最小距离准则来灰度归并,采取实时的自适应阈值选择;最后通过比较满足条件的像素总数,获取所需背景。实验证明,该方法有效。     

星上路由查找设计与算法实现

针对星上路由器的路由查找功能展开研究。通过分析比较多种路由查找算法,利用软硬件协同设计的思想,给出了星上路由查找的设计与适合硬件查找的Trie树实现。给出了算法实现程序,通过实例分析了算法的优点。结果表明设计可以满足宽带卫星通信系统业务的需求。     

基于AKF的AUV对接回收组合导航研究

针对自主水下机器人(Autonomous Underwater Vehicle,AUV)在回收过程中的组合导航精度问题,提出了一种改进的高斯距离迭代法及改进的自适应卡尔曼滤波算法(Adaptive Kalman Filter,AKF).基于AUV回收对接系统,研究并建立了针对惯导SINS、超短基线USBL、多普勒计程仪DVL和深度计的基于斜距的组合导航模型.通过对SINS/USBL/DVL/深度计组合导航量测信息误差特性分析,设计了改进的基于斜距的SINS/USBL/DVL/深度计组合导航模型;针对该模型突出的滤波发散问题,设计了基于滤波收敛性判据和强跟踪滤波思想改进的AKF滤波算法进行有机融合.仿真结果表明,此研究使实际AUV系统具有更高的滤波精度和可靠性.     

WSNs中基于鸡群优化算法选择簇头的簇路由

能量是无线传感网络(Wireless Sensor Networks,WSNs)的重要资源.有效地利用节点能量可延长网络寿命.簇技术是提高资源分配、缓解网络能耗的有效策略.提出基于鸡群优化算法选择簇头的簇路由(Chicken Swarm Optimization-based Cluster Head Selecting Clustering Routing,CSO-CHS).CSO-CHS路由先从能量角度构建目标函数,再利用鸡群优化算法产生最优鸡群,进而形成最优的簇.通过最优的簇,平衡节点间能耗,进而实现延长网络寿命的目的 .仿真结果表明,相比于同类算法,CSO-CHS路由缓解了节点能耗速度,延长了网络寿命.     

领导者输入未知的多智能体系统容错一致性设计方法

自然界中许多现象都间接地映射了多智能体分布式协同控制问题,在实践应用中展现了潜在的应用价值,如何实现一致性一直是多智能体研究的基础和热点问题。基于李雅普诺夫稳定性分析、自适应控制理论等方法研究了具有绝对未知输入的多智能体系统的自适应容错一致性问题。首先,根据故障的演变特征建立了一种马尔科夫跳变故障模型;其次,提出一类包含固定控制器增益、相邻智能体的局部状态信息及时变辅助控制函数的容错一致协议,利用辅助控制函数来补偿执行器故障和领导者未知输入;然后,建立适合于该系统的H;性能指标函数,减少了估计误差和多智能体初始状态对闭环系统的影响;最后,通过仿真验证了所设计方法的有效性,能较好的估计故障和实现容错一致性。所提供的算法为无人协同编队在复杂环境下的应用提供理论支撑。     

基于自适应卡尔曼滤波的联合RSS/TOA/INS无人机定位算法

针对在全球导航卫星系统信号拒止环境下(如山地、隧道、峡谷)无人机集群常规定位方法受限问题,提出通过集群之间的协同定位,对卫星信号拒止的低成本无人机进行导航恢复的滤波方法,从而有效抑制纯惯性导航系统(INS)定位发散。在获取定位数据方面,首先采用基于超宽带(UWB)和Zigbee设备分别通过到达时间差(TOA)和接收信号强度(RSS)的测距方式得到测距信息,然后进一步利用最小二乘方法解算得到定位局部坐标。考虑到RSS测距远、精度低,而TOA测距精度高、测距范围小的特点,提出一种基于TOA/RSS/INS的序贯扩展卡尔曼滤波算法,通过引入自适应因子,为短程定位信息提供TOA/RSS两路定位冗余的同时,在长程TOA定位失效时仍可利用RSS定位来抑制惯性导航的发散。实验结果表明,该算法在近程可由RSS/TOA提供冗余测距信息,通过自适应因子可将定位精度改善至2m;在长程,尤其TOA定位失效的范围外,同样可以提供误差约为5m的定位信息。相对于传统扩展卡尔曼滤波,所提出的自适应序贯卡尔曼滤波算法有效提高了定位精度,为解决传统定位受限条件下的基于无人机无线电定位研究提供新的思路。