神经网络模型预测函数控制方法

在建立基于神经网络模型的非线性预测函数控制系统结构和基于BP网络非线性预测模型的基础上,提出了基于神经网络模型的非线性预测函数控制方法,并对其优化法等进行了讨论。通过与PID方法的仿真比较表明,预测函数控制方法具有抑制干扰能力强、跟踪性能好的特点,能够满足一些非线性系统的控制要求。     

采用非对角1-D切片的码片速率盲估计北大核心

在通信侦察识别中,通信信号的码元速率估计是调制识别和信息解调的前提和基础。针对直接序列扩频信号的伪码码片速率估计问题,提出了一种利用联合循环高阶累积量非对角1-D切片特征参数,对直扩信号码片速率进行盲估计的改进算法。该算法将采样信号不同延时的非对角1-D切片进行联合处理,通过自相关、快速傅里叶变换、求模平方等方法,增强了谱线特征。仿真实验证明,改进算法较2-D切片算法简化了计算,并且在更低信噪比条件下,实现了对无先验信息直接序列扩频信号的码片速率盲估计。     

地面目标特征识别与无人飞行器位姿估计

针对小型无人飞行器位置姿态估计问题,提出了一种基于视觉图像目标特征的相对位姿估计算法。应用Camshift算法获取目标初始位置,利用非线性尺度空间下的KAZE特征进行跟踪区域特征点提取,与源目标特征点进行匹配,得到精确的目标位置信息,实现了在图像平面内的目标快速跟踪,并得到机体轴系下无人飞行器与目标间相对位置和姿态角的估计值。对算法进行了实验验证,具有优良的跟踪性和实时性。     

卫星导航天线阵的载波联合跟踪算法

测量卫星导航信号在天线阵各阵元上的载波相位之差可用于卫星波达方向解算,但传统的各阵元独立跟踪算法在干扰条件下无法实现高精度跟踪且容易失锁。针对此问题,通过将天线阵各阵元的载波相位分解为公共的平均载波相位和低动态的残余载波相位,提出了一种联合载波跟踪算法。该算法利用平均载波相位为每个阵元共有的特点,通过对全部阵元的联合处理来提高其跟踪精度,同时通过缩小环路噪声带宽来提高残余载波相位跟踪精度。理论分析与仿真结果表明,该算法提高了波达方向解算所需的阵元间载波相位差的测量精度及跟踪灵敏度,四阵元天线阵在典型应用条件下,跟踪灵敏度提高4d B,相同载噪比下载波相位差测量精度提高3倍。     

级间设计人机联合探月方案

利用登月飞行器的级间组合设计方法对载人登月飞行器的构造进行设计,在级间方案的论证中分析了不同组装模式对运载火箭能力的需求,建立了航天员和机器人联合探测的载人登月方案。级间组合方法可为应转移飞行器和登月飞行器设计提供另一种思路,根据飞行器级间的不同组合方式对登月飞行器的质量规模进行了初步估算,并对比了不同飞行方案对运载火箭能力的需求,研究可为我国首次载人登月任务方案提供参考。     

胶泥缓冲器的非线性刚度的控制机理研究

为了改善履带车辆悬挂系统在各种路面的平顺性和缓冲性,对悬挂系统匹配了一款具有非线性刚度的粘弹性胶泥缓冲器。为了定量地研究胶泥缓冲器的非线性刚度控制机理,建立了非线性悬挂系统的动力学方程组。提出了一种无条件稳定的线性加速度逐步积分法对非线性方程组进行数值求解的新方法,最后用冲击实验验证该方法的可靠性。该研究为胶泥缓冲器的优化设计和车辆悬挂悬挂系统的动力学匹配提供了理论指导。     

一种强干扰环境下的相干弱目标DOA估计算法

提出了一种强干扰环境下相干弱信号的DOA估计算法。该算法通过修正的Toeplitz矩阵实现了对相干弱信号的解相干,然后将强干扰信号对应的特征矢量从信号子空间中剔除,最后利用MUSIC算法对弱信号进行DOA估计。所提算法不需要预知强干扰信号方位信息,对非平稳噪声有较好的抑制性能。此外,相对JJM算法,该算法具有更高的估计精度和正确概率,对强干扰信源具有更好的抑制性能。     

舰载机多机一体化机务保障调度研究

针对舰载机多机一体化机务保障调度问题,以出树、入树的形式描述实际保障过程中并行工序的约束关系,以最大保障完工时间和资源负载均衡性为目标,构建了舰载机多机一体化机务保障非线性多目标混合流水车间调度模型,并设计了一种结合基于Insert的动态邻域爬山搜索策略和并行工序的同步化修正的Memetic算法求解该模型。最后通过实例仿真验证了模型和所提算法的可行性和有效性。     

鲁棒四元数无味卡尔曼滤波算法在组合导航姿态估计中的应用

针对SINS/GPS直接式组合导航姿态估计中,GPS信号易受外界干扰而引入污染观测量等问题,提出基于Huber的鲁棒化四元数无味卡尔曼滤波算法。通过研究在四元数无味卡尔曼滤波算法中引入Huber鲁棒化框架,对原算法的量测更新进行修正,增强滤波算法的鲁棒性与稳定性。以SINS/GPS位置松组合为应用背景,在不同仿真环境下,验证提出算法对姿态信息的估计效果。试验结果表明:与原算法相比,该算法具有更好的鲁棒性和稳定性。     

基于AIS的对海雷达多目标联合误差估计方法

提出了一种基于AIS的对海警戒雷达多目标联合误差估计方法,该方法以高精度AIS提供的目标信息为目标真值,对雷达进行误差估计。利用系统积累的多目标航迹信息,首先进行目标粗关联,将航迹信息进行时空对准后产生误差序列,通过单目标误差序列统计信息进行异常值的筛选,再通过多目标误差序列进行错误关联目标的检验,最终对剩余误差序列进行误差估计。通过实测数据和实际应用证明,该方法估计的雷达误差较准确,用估计结果对雷达误差进行校准后可有效减小对海雷达的系统误差。