一种连续修正速度方向的导引方法

考虑制导炮弹由身管武器发射,其飞行控制能力和导引信息量有限,基于预测落点位置偏差量来修正速度方向并在控制时间内连续分配导引指令的思想,提出了一种新的三维末制导方法。根据非线性弹道方程组的级数解预测弹丸落点位置,得到落点与目标的偏差,并提出了两种通过此偏差解算当前速度方向修正量的方法。取剩余飞行时间为修正时间,通过将速度方向修正量分配到整个剩余导引段建立了加速度修正公式,以减小导引指令饱和的可能性。通过连续地预测落点和分配加速度指令来实时地导引飞行。仿真结果表明：该导引方法简单可行,精度高,对控制能力要求较低,且具备较好的制导效果和毁伤效果,为该体制制导炮弹的应用提供参考依据。     

地球静止轨道高能电子通量在线预测模型

利用粒子群优化算法和最小二乘支持向量机,建立地球静止轨道高能电子通量在线预测模型。针对粒子群优化算法,提出一种新的粒子群多样性测度计算方法,有效改善其早熟收敛现象。运用改进的粒子群优化算法优化最小二乘支持向量机的正则化参数和核参数。利用滑动时间窗口策略更新模型数据,选择触发机制以及模型的再学习机制为设计变量,实现模型的在线预测功能。对2000年电子通量监测数据和相关太阳风、地磁参数等实际数据进行的提前1~3天的预测实验,表明所建在线预测模型具有较高的预测性能,并具有一定的实用价值。     

阻拦索张力控制方法

飞机阻拦装置是机场保证飞机正常降落和拦阻因意外原因冲出跑道的飞机的重要保障设施。针对现有机械型阻拦装置难以适应未来多种机型阻拦需求的现状,提出一种以阻拦电机为吸能元件的电磁阻拦装置,搭建考虑阻拦索弯折波影响在内的电磁阻拦装置模型,设计电磁阻拦装置的闭环控制算法,并利用仿真进行了验证。     

太阳能热推进系统聚光器参数优化研究

本文采用先进遗传算法,对太阳能热推进系统一次聚光器参数进行优化分析。以聚光器太阳光收集效率和聚光器质量为优化目标函数,建立了聚光器工作的数学模型,并开展了相关仿真研究。仿真结果表明,先进遗传算法可有效用于太阳光收集效率和聚光器质量优化分析。     

基于VR与PNN相结合的机电液控制系统故障诊断方法

针对大型复杂机电液控制系统故障诊断中存在的数学模型获取困难、历史故障数据匮乏问题,提出了一种将虚拟样机与概率神经网络相结合的故障诊断混合方法。建立系统的虚拟样机,并对其可信性进行校核与验证。在此基础上进行大量随机性故障植入与仿真实验,获取故障仿真数据。经过特征提取与概率神经网络模式识别训练,形成用于诊断的知识库,从而实现故障诊断。以操舵系统作为研究案例,得到了较高的故障检测和隔离精度与较低的虚警及漏警率,验证了该方法的可行性,为大型复杂机电液控制系统故障诊断提供新的思路。     

脉冲修正弹控制参数粒子群优化算法

针对脉冲修正弹自身控制离散不连续特征,开展脉冲修正弹脉冲控制参数优化设计方法研究。考虑到脉冲成本和精度的双重要求,选择以脉冲发动机工作次数和脱靶量最少为双目标的函数。在风干扰条件下,提出以脉冲控制时间间隔为离散脉冲控制参数设计变量建立优化模型,以此发展一种改进型递减惯性权重粒子群优化脉冲控制参数的方法,提高修正参数优化收敛速度。仿真结果表明:该算法能快速有效地获得最优解,为在干扰条件下寻找最优的脉冲修正参数和脉冲工作方式提供一种优化设计思路。     

轮毂电机驱动车辆转向控制策略

为提高轮毂电机驱动车辆转向机动灵活性以及安全稳定性,提出了一种基于直接横摆力矩控制的转向控制策略。以带有双桥转向机构的8轮轮毂电机驱动车辆为研究对象,研究其双重转向控制问题,建立基于车辆二自由度单轨模型的车辆参考模型,并以横摆角速度作为控制变量,建立基于横摆力矩PID控制器和横摆力矩分配控制器的转向分层控制模型。利用硬件在环实时仿真实验对所提出的转向控制策略的可行性和有效性进行分析验证。     

太阳能热推进系统聚光器参数优化

采用先进遗传算法对太阳能热推进系统一次聚光器参数进行优化,达到减小推进系统质量的目的。以聚光器太阳光收集效率和聚光器质量为优化目标函数,建立聚光器工作的数学模型,并开展相关仿真研究。仿真结果表明,先进遗传算法可有效用于太阳光收集效率和聚光器质量优化分析。     

基于RCS序列的助推段弹道导弹识别

在弹道导弹的助推段,通过低分辨率雷达得到RCS序列作为识别的重要信息。由于运动特性和电磁散射特性的差异,弹道导弹在助推段的RCS序列与其他目标相比具有可识别性,但需要对其RCS序列进行处理。基于目标识别技术,详细阐述能从RCS序列中提取出的特征参数,并通过直方图、N点截图等方法给出了直观的反映。最后,将弹道导弹助推段特征与飞机、燃料舱等典型目标进行对比,得到可以作为识别参量的特征参数,并通过类内类间距离验证了有效性。     

云模型改进惯性权重的混沌交替粒子群算法

标准粒子群算法通过线性减小惯性权重系数来调整寻优性能,但缺乏智能化机制易导致算法后期产生早熟或陷入局部最优而产生僵局。针对这一问题,提出一种基于云模型改进惯性权重的混沌交替粒子群优化算法。根据粒子迭代变化关系,采用云模型理论对惯性权重ω进行智能化调整,以平衡其全局和局部搜索能力,防止算法产生局部僵局;另外,判定粒子稳定性,对于可能陷入局部僵局的稳定粒子进行混沌扰动,促使其跳出僵局进而向最优位置更新。实验与分析表明,基于云模型改进惯性权重的混沌交替粒子群优化算法能够跳出局部僵局且具有较高的寻优精度,算法接近完全收敛时的平均迭代次数,较现有相关研究分别降低了13.73%~20.11%。