油气悬架非线性刚度的统计线性化研究

介绍了一种双气室油气悬架结构,基于理想气体状态方程,推导了其刚度的非线性特性.以传统线性悬架模型为基础,根据概率统计理论和数值迭代理论,提出了一种油气悬架非线性刚度的统计线性化方法,并分析了油气弹簧统计线性刚度的迭代收敛性.通过与非线性实体模型的仿真对比,验证了利用统计线性化刚度收敛值建立的线性模型的有效性.     

基于NFxPEM算法的调制气流声源的非线性补偿

针对调制气流声源存在较强的谐波畸变,将声源系统等效为Hammerstein非线性模型,利用该模型下的预失真技术对声源进行非线性补偿研究。根据辨识的Hammerstein模型中静态非线性部分带有直流分量的特点,给出了考虑直流分量补偿的预失真算法,并用数值仿真验证了算法的准确性和直流分量补偿的必要性。在非线性补偿实验中,根据单频信号辨识得到Hammerstein模型参数,采用NFxPEM算法求得对应的预失真Wiener模型参数和预失真波形。实验结果表明, 与直接发射相比,补偿发射后声波的功率谱中谐波能量有所下降,而基频能量有小幅度的上升,说明了研究思路的正确性。     

量子雷达的技术体制

当前,量子信息理论正在蓬勃发展,其应用已经深入到自然科学的各个领域.量子雷达是量子信息技术在目标探测上的具体应用,可探测隐身目标,具有超强的隐蔽性和机动性.主要介绍了量子雷达的分类、原理、系统组成、特点和关键技术问题.     

飞行器自适应预设性能姿态控制设计

预设性能控制是一类可以同时保证系统响应瞬态与稳态性能的非线性控制方法。针对具有非线性与未知干扰的飞行器系统,研究了一种无逼近预设性能姿态控制器设计方法,并进行了数值仿真验证。首先,研究了在传统预设性能方案中潜在的奇异性问题;其次,针对该问题提出了一种拥有自适应边界的预设性能函数改进方案。当归一化误差达到一定阈值时,通过放宽性能函数边界并使其重新收敛,确保跟踪误差被包覆,避免误差越界引起的奇异性,防止控制系统崩溃。最后,通过数值仿真验证改进方案的正确性与有效性。仿真结果表明,改进方案可以保证系统在存在误差越界的情况下姿态控制回路运行良好,并能满足预定的控制要求。     

欠驱动关节机械臂位置控制研究

以具有欠驱动关节的水平两自由度机械臂为研究对象,研究当驱动关节达到指定位置后,以幅值和频率可调的驱动关节角速度信号为控制输入量来控制欠驱动关节的位置。用平均法对欠驱动机械臂的拉格朗日动力学模型进行了简化,并基于简化后的模型给出了闭环非线性反馈控制律。仿真结果表明,所设计的闭环非线性反馈控制率能够使任意初始位置的欠驱动关节趋近其指定位置。     

应用时标分离和动态逆方法设计飞行器的姿态控制系统

在对飞行器的姿态控制过程中,针对飞行器姿态控制系统模型的非线性特性,线性的控制方法难以直接应用,应用非线性控制理论来设计姿态控制律十分必要。结合时标分离的思想将系统姿态的运动学部分和动力学部分分别视为慢变子系统和快变子系统,2次应用动态逆的设计方法来设计控制律,仿真结果表明,系统能够快速地跟踪期望的姿态角,跟踪的精度高,该方法简单可行,具有一定的实用性。     

基于随机共振的多频率微弱信号并行检测

强噪声背景下的微弱信号检测是当前信号处理领域的研究热点。基于非线性理论的随机共振能够利用噪声,将噪声的一部分能量转移给信号,从而获得更高的输出信噪比。针对传统随机共振检测算法应用环境受限且无法实现多频率并行检测的现状,文章面向实际超短波环境,在参数补偿法的基础上,重新设计采样频率和补偿系数,提出了新的检测算法,实现了多频率微弱信号的并行检测。     

穿浪双体船纵向运动模糊PID控制

针对穿浪双体船高速情况下的纵摇和垂荡运动影响乘船舒适性的问题,分析了穿浪双体船的运动规律,给出了其纵向运动控制模型,并根据控制模型的多输入多输出系统特点,分别针对纵摇和升沉两个通道设计了独立的PID控制器。在此基础上,进一步将模糊控制理论应用于PID参数的整定,给出了具体的设计方法,并根据人工经验设计了详细的参数整定规则。经仿真分析表明:模糊逻辑的引入使得PID控制器具备了自适应功能,能够取得更好的减摇效果。     

基于简化CKF的IMM算法北大核心

IMM算法中采用的运动模型多为线性,针对这一情况,首先对容积卡尔曼滤波(cubature Kalman filter,CKF)算法进行了简化,通过理论推导证明,简化CKF算法的时间更新结果与KF算法的一步预测结果一致。然后对简化算法进行了计算复杂度分析,分析结果表明简化算法的复杂度要远低于CKF。进而将简化的CKF算法与IMM算法相结合,提出了一种基于简化CKF的IMM算法,最后通过机动目标跟踪实验对新算法进行了仿真,实验结果表明,新算法在没有降低跟踪精度的前提下,大幅缩短了算法的运算时间,提高了跟踪的实时性。     

基于控制器动态线性化的数据驱动ILC

针对未知非线性非仿射重复离散时间系统,将迭代域的动态线性化技术应用于非线性被控系统和未知非线性理想学习控制器,提出一种新的数据驱动迭代学习控制方案。通过设计一种改进的无模型自适应迭代学习控制算法对理想学习控制器的增益进行估计,该方案仅利用非线性系统的输入输出数据,便可自动调整迭代学习控制律。数值仿真和对高速列车模型的仿真验证了该方法的有效性和适用性。