主动隔振系统的最优控制时滞

针对主动隔振系统带有时滞的鲁棒渐进稳定问题,研究了时滞的存在对最优控制算法控制效果的影响,运用MATLAB中LMI工具,采用变步长试凑的方法,解出了最优控制系统反馈控制鲁棒渐进稳定的最大允许时滞上界。最后,通过数值仿真,验证了理论的正确性。仿真结果表明:随着控制时滞的增大,主动隔振效果逐渐变差,一旦反馈控制力时滞超过最大允许时滞上界,系统便将发散。同时,增大反馈控制力和减小加权矩阵控制目标的相应权值,可以提高最大允许时滞上界。     

海上多角反射体群雷达散射面积的快速预估算法

依据远场高频环境下雷达散射面积(RCS)的计算原理,对海上多个角反射体所组成的无源对抗系统的RCS特性进行预估计算。针对传统算法计算量过大的问题,借助Hepermesh有限元网格处理软件,提出了一种快速算法,该算法首先应用混合面元、快速投影理论实现海上单个角反射体RCS计算,然后结合散射中心合成算法对海面随机布放多角反射体群的整体RCS特性进行预估,随后利用FEKO软件对算法进行了仿真验证。结果表明:新算法能够在保持计算精度的前提下,有效缩短海上多角反射体群RCS的计算时间。     

轮式越野车动力学建模及行驶动力学特性仿真

为准确评估某型6×6轮式越野车行驶动力学性能,建立了该越野车的整车多刚体动力学模型,分析了模型的振动固有特性和频率响应特性,并进行了特定工况下的行驶动力学特性仿真,计算了悬架动行程均方根值和车轮动载荷均方根值,分析了悬架与限位块的碰撞概率和车轮跳离地面的概率。结果表明:该动态工况下越野车的悬架设计工作空间满足使用要求,但行驶安全性能较差。     

挠性航天器变幅值输入成形姿态机动策略

针对变参数挠性航天器的姿态机动问题,在变幅值零振动成形器的基础上,提出了鲁棒性较强的变幅值零振动和零微分成形器设计方法,设计了鲁棒姿态机动策略.该机动策略的控制目标是,将航天器机动到期望状态的同时,消除挠性结构的残余振动.以含转动挠性太阳翼的航天器进行三轴姿态机动为例,进行数值仿真.仿真结果表明,该机动策略对挠性结构频...     

基于方位和线谱频移的TMA方法

采用纯方位跟踪(BOT)技术确定运动声源的位置及速度时,需要自身至少机动一次,这给观测带来了一定的限制。而处于舰船噪声低频区的线谱具有很高的强度和稳定度,这一事实为估计目标运动要素提供了新的思路。综合考虑了目标方位和线谱多普勒频移信息,给出了形式简洁,易于实现的滤波公式,消除了机动限制。计算机模拟及海上试验数据表明该方法能够得到稳定有效的解。     

人工磁导体在超近反导系统中的应用

针对坦克超近程主动防护雷达系统中的收发天线隔离问题,分析了由周期结构光子晶体高阻表面形成的人工磁导体(AMC)的等效模型,给出了其反射系数与相移的关系.由于其对电磁波表现出来的吸收和产生相移的特点,提出一种利用光子晶体高祖表面代替传统隔条来提高天线隔离度的新方法.实验结果证明,该方法能使得收发天线在200MHz的带宽达到- 80dB以下的隔离度,满足系统要求,并且结构简单、成本低,具有很大的应用价值.     

时差方位被动定位法在水下目标跟踪中的应用

在水下目标跟踪中 ,无源被动定位技术是常用的技术。在对利用方位和声波脉冲到达时间差的被动测量来进行目标的定位和跟踪后 ,对系统进行了描述和分析 ,利用递推最小二乘 (RL S)估计算法估计出目标的运动偏量 ,然后结合线性卡尔曼滤波 (KF)算法给出目标的运动状态。仿真结果表明 ,利用方位和时差对水下目标进行定位跟踪 ,可以要求观测站是静止的 ,不必机动 ,并且具有快速收敛、精度较高、稳定等特点。     

自修复飞控系统故障检测与隔离软件系统

介绍了一个自修复飞行控制系统故障检测和隔离实时工程软件系统,该系统按照软件工程规范、采用等价空间法和残差向量的概率信息融合法研制和开发,不仅能对飞行控制系统的突变故障——作动器卡死故障和控制舵面损伤故障进行实时检测和隔离,而且具有良好的用户界面。仿真研究表明该软件系统具有良好的鲁棒性和实时性。     

雷达无线组网抗干扰技术

介绍了将三部火控雷达进行无线组网的一种方法。系统的网络拓扑结构采用星形结构,各子站由单片微型计算机、雷达数据采集模块、调制解调器和调频无线电台等组成,信息处理中心由通用PC机实现。雷达无线组网后,即可通过该系统的坐标转换功能实现雷达间的资源共享,也可实现实时的无源交叉跟踪和定位,还具有一定的抗反辐射导弹攻击的能力,从而形成一个综合抗干扰系统。     

三维被动定位AOA融合算法

三维被动定位是ESM系统的重要内容,在军事上是侦察定位、监视监测的重要方面。AOA是被动雷达普遍采用的一种定位方法。基于安装于不同运动平台上的两个传感器的AOA测量,给出了ILS融合算法。仿真结果显示采用AOA融合算法,使定位精度得到有效提高。