基于变结构神经网络的L1自适应控制

针对传统模型参考自适应控制存在的鲁棒性问题和神经网络结构庞大因而计算量膨胀的问题,提出了一种变结构神经网络L1自适应控制方法,其中变结构神经网络用于在线辨识系统存在的未知非线性函数,该网络通过对节点进行唤醒与催眠以动态调节结构,以最少的节点数进行有效的逼近,降低计算复杂度;L1自适应控制用于网络权值学习与系统非线性补偿,反馈回路中设有一个低通滤波器,只要满足L1增益条件,就能确保系统的输入输出信号的瞬态响应和稳态跟踪性能与一个期望的线性时不变系统的响应保持一致。通过对四旋翼飞行器进行仿真,验证了该方法的有效性。     

我国首次空间交会对接任务路线

浩瀚太空,再次书写中国航天新传奇。神舟八号飞船与天宫一号目标飞行器成功实现交会对接,我国在突破和掌握空间交会对接技术上迈出重要一步。从无人实验飞船到模拟载人飞行,从单人单天到多人多天,从太空出舱行走到航     

“天宫一号”准确入轨 中国筑起太空家园 胡锦涛等领导对“天宫一号”目标飞行器发射成功表示热烈祝贺

本刊讯北京时间9月29日21时25分45秒,我国自主研制的天宫一号目标飞行器在酒泉卫星发射中心发射升空后准确进入预定轨道。胡锦涛、吴邦国、贾庆林、李长春、习近平、李克强、周永康等在北京航天飞行控制中心观看发射实况,温家宝、贺国强等前往酒泉卫星发射中心现场观看发射。     

滑翔飞行器控制系统设计与仿真

建立了无动力滑翔飞行器的弹道数学模型和控制系统的控制规律与模型,根据滑翔控制的特点及飞行器飞行中的稳定性要求,对滑翔飞行器控制系统进行了数学仿真,同时对飞行器控制系统的参数进行了优化并给出了仿真的结果。     

飞行器突防航路规划与目标选择研究

复杂环境下的中低空飞行器航路规划和目标选择问题近年来受到了越来越多的关注.根据地面威胁分布情况,将飞行空域进行网格化处理,划设常规空域与威胁空域,并基于空间搜索算法规划中低空飞行器的飞行航路.为分析地面威胁目标在飞行器突防过程中的重要程度,通过节点移除法求解不同目标破击后带来的飞行代价变化.将飞行器突防过程中的航路规划与目标选择有机结合,为任务驱动的关键目标选择排序研究提供了有价值的参考.     

时下流行“隐身”潮

"低可探测技术",这个专业味儿十足的名词,其实就是我们通常所说的"隐身技术".     

高超声速飞行器BTT耦合控制策略研究

针对高超声速飞行器倾侧转弯（BTT）过程中俯仰、偏航和滚动通道间的强烈耦合,提出一种耦合控制策略。首先,针对高超声速飞行器快时变、非线性和强不确定性的控制问题,基于解析形式的非线性最优预测控制方法,采用分层设计思想设计了飞行器姿态控制系统,可较好满足高超声速飞行器的快速性要求。然后,在分析了BTT飞行控制过程主要影响因素及其影响规律的基础上,提出了一种“先降低攻角—然后快速滚转—再拉起攻角”的耦合控制策略。最后,对该控制策略对于高超声速飞行器的适用性进行了仿真分析。结果表明：本文提出的耦合控制策略,有效降低了偏航通道的控制需求,降低了BTT控制过程的失控风险,提高了控制系统的可靠性。     

高超声速飞行器多目标复杂约束滑翔弹道优化

针对气动热、过载、动压、控制量、航路点、禁飞区以及终端状态等复杂约束条件,提出高超声速飞行器多目标滑翔弹道优化方案。建立换极运动模型,简化部分约束条件的处理,并规避了传统运动模型的奇异问题;在此基础上,引入物理规划方法将多目标优化问题转换为反映设计者不同偏好的单目标优化问题;进一步基于分段Gauss伪谱方法将弹道单目标优化的最优控制问题转换为非线性规划问题进行求解。仿真结果表明,该方法获得的滑翔优化弹道能满足复杂约束要求,同时能够反映设计者的不同偏好。     

MEMS技术发展现状及未来发展趋势北大核心

MEMS技术作为一门多学科高度交叉的前沿学科领域,在近些年来得到迅速发展,在航空、航天、生物技术等领域都有广泛的应用。该技术可实现优质高产低耗,大大提高系统的可靠性和智能化功能,已经成为电子领域活跃的发展方向之一。论述了MEMS微系统技术的重要性,从微感知与微控制、微流动控制、微惯性测量装置、微型飞行器、可穿戴和可植入式装备、纳机电谐振器、扫描隧道显微镜等七大方面分别论述MEMS微系统技术发展现状,并对该技术进行了展望,以期对未来发展并应用该技术具有借鉴意义。     

微小型飞行器多传感器融合容积姿态估计北大核心

针对微机电系统(MEMs)陀螺仪精度低、噪声大且误差随时间累积的问题,扩展卡尔曼滤波(EKF)线性化误差的问题和无迹卡尔曼滤波(UKF)时间耗费大的问题,提出了一种欧拉角容积卡尔曼滤波(CKF)姿态估计方法。建立了欧拉角姿态运动学模型,以姿态角为状态量、加速度计和磁强计输出解算得到的姿态角为观测量,采用容积数值积分理论来计算非线性函数的均值与方差,实现了多传感器辅助的微小型飞行器(MAVs)CKF姿态估计方法。仿真结果表明:估计精度方面,CKF与UKF相当,优于EKF;滤波稳定性方面,CKF与UKF相当,显著优于EKF;时间耗费方面,CKF优于UKF。