电驱动车辆反馈线性化自适应滑模滑移率控制

针对驱动和制动工况下电驱动汽车的滑移率控制这一强非线性和不确定性控制问题,提出了一种基于反馈线性化的自适应滑模控制(ASMC)方法。针对车辆驱动、制动工况下的车轮滑移率进行了动力学分析,建立了统一的状态方程。充分利用系统已知模型和参数,采用线性化反馈消除非线性变化的控制量增益系数的影响,通过对反馈项增益参数的自适应调整,适应附着路面不确定参数变化的控制要求,克服系统控制中存在的主要非线性和不确定性部分,对于系统难以建模描述部分,视为扰动,利用滑模控制抑制系统该部分的不确定性因素,同时保证系统响应的快速性,并对算法进行了Lyapunov稳定性分析。最后,以某型电动汽车为对象进行了仿真分析,结果表明采用ASMC控制系统动态响应快、精度高、抗扰能力强,对路面参数变化具有较强的鲁棒性,同时输出控制量抖振小。     

一种新的复合导引头多源异步信息融合精确拦截算法

针对单一制导体制难以满足现代战场作战需求,而多传感器数据更新率不同步的问题,建立一种新的微惯导/毫米波/红外复合制导体制,研究了该体制下多传感器异步信息融合的时间同步和空间配准问题;提出一种自适应Unscented卡尔曼滤波算法,该算法采用预测残差构造状态模型误差统计量,通过自适应因子调整状态模型信息对状态参数估值的贡献,有效控制状态模型噪声异常对状态参数估值的影响。将提出的算法应用到微惯导/毫米波/红外复合制导系统中进行仿真验证,结果表明,提出的自适应Unscented卡尔曼滤波算法的解算精度高于标准扩展卡尔曼滤波和Unscented卡尔曼滤波算法,能有效提高导弹的制导的解算精度。     

引入电流变化率的电源分布网络最差噪声分析算法

随着时钟频率的增加以及电源电压的降低,电源完整性问题日益凸显。将电流变化率加入到最差噪声算法的电流约束中,能够在任意电流变化率的情况下分析电源分布网络的最差噪声,从而获得更加真实的最差噪声。另外,利用改进的Knuth-Yao四边形不等式法对基于动态规划的最差噪声算法进行加速,加速后算法的时间复杂度从O(n~2m)降为O(mnlogn)。     

复合导引头多源异步信息融合精确拦截算法

针对单一制导体制难以满足现代战场作战需求且多传感器数据更新率不同步的问题,建立一种新的微惯导/毫米波/红外复合制导体制,研究了该体制下多传感器异步信息融合的时间同步和空间配准问题;提出一种自适应无迹卡尔曼滤波算法,该算法采用预测残差构造状态模型误差统计量,通过自适应因子调整状态模型信息对状态参数估值的贡献,有效控制状态模型噪声异常对状态参数估值的影响。将提出的算法应用到微惯导/毫米波/红外复合制导系统中进行仿真验证,结果表明,提出的自适应无迹卡尔曼滤波算法的解算精度高于标准扩展卡尔曼滤波和无迹卡尔曼滤波算法,能有效提高导弹的制导的解算精度。     

基于子阵结构的相控阵MIMO雷达分辨能力分析

在阵元总数一定的情况下,不同的子阵划分方式和布阵间距对不同子阵发射正交波形,子阵内发射相干波形的相控阵-MIMO雷达系统的分辨力的影响,首先通过相控阵-MIMO雷达的信号模型推导出其广义模糊函数,然后以此分析子阵结构对距离、多普勒、方位三维分辨力的影响。仿真结果表明,在阵元总数一定的情况下,子阵越多,系统距离分辨力越高,子阵越大,多普勒分辨力越高,子阵间距满足一定条件才能有较好的系统分辨力。这些结论对相控阵-MIMO雷达子阵结构设计具有指导意义。     

基于循环谱相关的雷达信号脉内分析改进算法

针对传统的雷达信号脉内特征分析算法存在的局限,提出了一种基于循环谱相关的雷达信号脉内特征分析的改进算法。该算法将传统的循环谱估计方法进行了改进,能对雷达信号脉内调制方式进行识别并提取脉内特征参数,然后结合改进的小波变换的优点,对识别出的相位编码信号进行相位突变点的提取,最后输出至完善的脉冲描述字中。改进的算法能够在较低计算量的同时保证较好的脉内特征参数的估算精度。仿真结果表明,在较低信噪比下,该算法仍然具有较好的性能。     

基于模糊神经网络的武器控制系统信号分析

某新型飞机武器控制系统故障诊断过程复杂,故障征兆和故障原因之间存在着许多不确定因素,精确定位故障存在许多困难.针对这种情况,提出了基于模糊神经网络,研究了模糊神经网络技术在武器控制系统故障诊断领域的应用,并根据系统本身的特点,提出了诊断和算法模型.在此基础上,研制出武器控制系统检查仪,对该方法作了验证.结果表明:该方法是可行和有效的.     

单颗卫星对弹道导弹的预警模型及其仿真

卫星预警系统在现代战争中发挥着重要的作用.通过分析研究,建立了单颗预警卫星对战术弹道导弹(TBM)预警的数学模型,主要包括了用预警卫星探测信息确定TBM坐标的模型,并对TBM弹道参数的精度进行了分析,得出了具有一定理论意义和工程应用价值的结论.     

Moving horizon based wavelet de-noising method of dual-observed geomagnetic signal for nonlinear high spin projectile roll positioning

Phase-frequency characteristics of approximate sinusoidal geomagnetic signals can be used for projectile roll positioning and other high-precision trajectory correction applications. The sinusoidal geomagnetic signal deforms in the exposed and magnetically contaminated environment. In order to preciously recognize the roll information and effectively separate the noise component from the original geomagnetic sequence, based on the error source analysis, we propose a moving horizon based wavelet de-noising method for the dual-observed geomagnetic signal filtering where the captured rough roll frequency value provides reasonable wavelet decomposition and reconstruction level selection basis for sampled sequence; a moving horizon window guarantees real-time performance and non-cumulative calculation amount. The complete geomagnetic data in full ballistic range and three intercepted paragraphs are used for performance assessment. The positioning performance of the moving horizon wavelet de-noising method is compared with the band-pass filter. The results show that both noise reduction techniques improve the positioning accuracy while the wavelet de-noising method is always better than the band-pass filter. These results suggest that the proposed moving horizon based wavelet de-noising method of the dual-observed geomagnetic signal is more applicable for various launch conditions with better positioning performance.     

用结构自适应前馈网络解算多目标导弹攻击区

多目标导弹攻击区的实时解算是机载多目标攻击武器系统得以技术实现的中心环节。阐述了“多目标导弹攻击区”的概念 ,探索了其解算的技术途径 ,提出了“实时、高精度和低存储”的解算要求。根据上述技术要求 ,设计了基于网络灵敏度统计分析的多层前馈网络结构自适应算法 ,以用于训练合适规模的多层前馈网络逼近器。在此基础上 ,进行了系统仿真研究 ,研究的结果表明了该方案的应用前景。