伞翼无人机线性自抗扰高度控制

针对伞翼无人机参数不确定性和复杂环境干扰敏感的问题,提出一种伞翼无人机线性自抗扰(Linear Active Disturbance Rejection Control,LADRC)高度控制方法。建立伞翼无人机8自由度飞行动力学模型,并引入风场和降雨模型以更加准确地模拟真实飞行环境。基于LADRC确定总体控制架构,设计线性扩张状态观测器对所有扰动进行估计,并引入误差反馈率在控制中实时补偿。使用该控制方法在多种扰动工况下进行伞翼无人机高度控制仿真实验。仿真结果表明,基于LADRC的高度控制方法能够有效克服内扰和外扰的影响,实现高精度高度控制;与传统PID控制效果相比,LADRC控制器具有更好的抗扰能力和鲁棒性。     

太阳风作用下航天器表面充电效应分析

针对太阳风等离子体中航天器的充电过程,基于欧洲航天局开发的航天器表面充电仿真软件,建立了航天器的数值计算模型,模拟了太阳风等离子体与航天器的相互作用,实现了不同表面材料时航天器表面电位以及尾迹结构的计算分析,给出了近日环境下航天器周围的空间电位结构以及等离子体密度分布情况。研究结果表明:表面材料的选择将影响空间势垒深度以及尾迹结构,表面充电至更低电位的表面材料具有较小尾迹区域;航天器向阳面电位分布主要由光电子以及二次电子主导,而背阳面的电位分布则主要受到尾迹效应的影响。以上结果对太阳风环境航天器探测和评估等相关工作以及工程研究具有一定的理论参考价值。     

基于奇偶矢量的多星座RAIM算法

随着GNSS接收机技术的不断发展,基于多星座下的GNSS接收机自主完好性监测(RAIM)算法也已被国内外学者广泛研究。首先介绍了接收机自主完好性监测奇偶矢量算法的原理,然后分别对单星座、多星座组合下的RAIM算法进行了研究和仿真,图形化和数据化的仿真结果充分证明了多星座组合下的完好性监测性能优于单星座下完好性监测性能。     

特征保持的视点相关三维矢量场流线简化方法

为了解决三维矢量场可视化中流线数量过多造成的遮挡与视觉混乱问题,同时保证流线能够准确描述矢量场变化规律与重要特征,提出了一种基于特征保持的视点相关三维矢量场流线简化方法。采用粒子跟踪生成3D矢量场流线集,并进行视点相关映射;对流线集进行特征保持计算;基于流线视觉效果度量对流线集进行迭代简化计算,从而实现流线集的有效简化。实验结果表明,能够有效保持矢量场的物理特征,且具有较好的流线视觉效果。     

因素状态值为模糊数的变权综合决策方法

对因素权重为实数、因素状态值为模糊数的多因素不确定性决策问题,由实数型状态变权向量导出模糊数状态变权向量,得出模糊数变权公式,建立模糊数变权综合决策模型,最后给出一个应用模糊数变权综合决策模型的实例.     

基于非负矩阵分解的电磁超声系统优化研究

针对孤立脉冲群电磁超声系统信号特征容易被噪声淹没的问题,提出基于改进的非负矩阵分解（INMF）优选特征的支持向量机（SVM）方法．首先,用3种不同的方法提取高维特征;其次,用NMF方法实现特征降维,并保证降维结果的唯一性,避免对特征的直接选择;最后,应用支持向量机方法对降维特征进行分类．对孤立脉冲群电磁超声系统采集的4种信号特征进行提取、选择和分类,实验结果表明：INMF方法能有效提取微弱信号的特征,减少运算量,提高电磁超声系统特征采集的准确率．     

基于遗传算法与支持向量机的火炮内膛疵病分类方法研究

支持向量机能够较好解决小样本、非线性数据特征的多分类问题,适用于火炮内膛疵病的分类,但其性能依赖于其参数的选取;对基本遗传算法进行改进,使用自适应的交叉算子和变异算子,并应用于支持向量机参数优化;通过对火炮内膛疵病分类精度的对比研究,改进的遗传算法确定支持向量机优化参数的方法取得了良好的效果,验证了该方法对疵病分类的有效性。     

具有集值H-半-伪单调映射的广义向量变分不等式解的存在性

首先推广向量集值半一单调映射到向量集值H-半-伪单调映射,然后利用Kakutani—Fan—Glicksberg不动点定理,研究了具有集值H-半-伪单调映射的广义向量t变分不等式问题,在自反Banach空间中得到了两个存在性结果。     

半无限大海水空间中水平电流元产生的电磁场计算

提出一种根据经典的Summerfield赫兹矢量来计算空气和海水中水平直流电流元在半无限大海水空间中所产生的电磁场的简单方法,并用J．R．Wait, P．R．Bannister和R．L．Dube的方法验证了用该方法推导出的电磁场表达式是正确的。     

回归型支持向量机的机翼结冰冰型预测

飞机结冰严重威胁着飞行安全。针对机翼结冰冰型预测时不确定性因素较多、难以准确预测的问题,提出了一种基于回归型支持向量机的机翼结冰冰型预测方法。在建立冰型模型的基础上,利用回归型支持向量机(Support Vector Regression,SVR)获得冰型多项式系数,从而预测出相关飞行条件和大气条件下的冰型。仿真结果表明,该方法具有较好的预测能力,可以及时提供可靠的结冰信息,为保证结冰条件下的飞行安全提供了保障。