基于内力的卫星编队飞行动力学建模

基于内力的卫星编队飞行凭借良好的性能正日益受到重视,但由于该类编队的控制力对卫星间的相对位置和相对姿态均高度敏感,并且控制力和控制力矩之间存在耦合,给动力学建模带来了很大的挑战.首先,建立了六自由度的内力编队姿轨耦合动力学模型,该动力学模型利用了控制力和控制力矩的耦合效应,可以同时针对编队卫星的相对位置和相应姿态设计相应的控制律,从而实现编队的六自由度协同控制.最后,通过采用伪谱法求解编队构型的重构问题,对该动力学模型进行了验证.     

通信受限下基于终端滑模和指对数滑模方法的编队航天器姿态协同控制

针对星间通信时延和信号量化情形下编队航天器,研究对应的姿态协同控制器设计问题.首先,为节省编队航天器星间通信的带宽资源,提出基于信号量化的星间数据通信策略,并设计了一种终端滑模姿态协同控制器以保证航天器编队姿态同步系统的渐近稳定;其次,考虑到航天器间可能存在通信时延,考虑基于信号量化的通信策略,提出一种基于指对数滑模面的编队航天器协同控制器设计方法,能保证编队航天器在有限时间内达到期望姿态;最后基于包含4个航天器的编队系统,通过仿真验证了所提出的协同控制方法的有效性.     

FY-4气象卫星定位用导航星选取方法

给出了一种导航星的选取方法,该方法以J1991.25 Hipparcos星表为中心,联合Tycho-2星表、SAO星表及Pulkovo视向速度表,通过精密历元转换至J2000.0历元时刻,引入位置精度阈值,使得高精度的恒星作为导航星,为高精度的卫星姿态反演奠定了基础;引入辅助导航星,以提高星图识别率和识别速度;通过对星图识别失败的个例分析,剔除冗余星,以进一步提高星图识别效率。189颗辅助导航星遍及全天球,其中亮于3等星的恒星占34.4%,非常有利于提高星图识别率,且弥补了部分天区恒星稀疏的不足。参考星表的不精确将引起姿态输出的误差,这是无法避免的,通过精密历元转换计算FY-4观测历元时刻的导航星精确位置,与直接利用常用星表中提供的恒星位置相比,改善了参考星的输入误差,是提高姿态确定精度的手段之一。     

基于数据驱动高阶学习律的轮式移动机器人轨迹跟踪控制

轮式机器人执行巡逻、播种和工业生产等任务是一个强非线性的间歇过程.针对重复运行的轮式机器人轨迹跟踪问题,本文提出了一种基于数据驱动的高阶迭代学习控制算法.首先,对轮式移动机器人的模型进行推导设计,并对推导得到的状态空间形式的离散时间模型利用基于状态转移的迭代动态线性化方法,将轮式机器人系统转化为线性输入输出数据模型;其次,设计高阶迭代优化目标函数得到控制律,并利用参数更新律估计线性输入输出数据模型中的未知参数.控制器的设计和分析只使用系统的输入输出数据,不包含任何显式的模型信息.通过采用高阶学习控制方法,在控制律中利用更多之前迭代的控制输入信息,提高了控制性能.最后,仿真结果验证了该方法在轮式机器人轨迹跟踪控制中的有效性.     

区域扫描模式下风云二号气象卫星姿态求解方法

针对风云二号气象卫星区域扫描模式下姿态求解问题,提出了分别基于区域观测图像、姿态预报和粗-精姿态关系模型3种不同的卫星姿态求解方法,并分析了它们的适用条件。利用FY-2E卫星获取的2013年7月8—14日的图像进行模拟分析,姿态计算结果表明:利用基于区域观测图像方法求解的姿态对区域观测云图进行定位,误差保持在2.5个红外像元以内,该方法适用于连续区域观测情况;利用基于预报的姿态求解方法对未来24 h内区域观测云图进行定位,平均误差达到1个红外像元,该方法适用于临时启动区域观测时前24 h的区域云图定位。利用粗-精姿态关系模型方法求解的姿态对区域观测云图进行定位,最大误差为4.9个红外像元,前24 h平均误差为3.6个红外像元,该方法可以在无精姿态数据时对区域观测图像进行应急定位。     

我国风云四号气象卫星与日本Himawari-8/9卫星比较分析

从观测仪器种类、观测波段设置、观测时空分辨率、仪器灵敏度、仪器定标精度、数据服务能力等六个方面比较和分析了我国风云四号(FY-4)试验星与日本Himawari-8/9卫星的水平和差距。从观测仪器种类方面来看,Himawari-8/9卫星只装载了辐射成像仪(AHI),FY-4试验星除装载一台与AHI性能基本相当的扫描辐射成像仪(AGRI)外,更将首次在静止轨道上同时实现红外干涉式高光谱探测和闪电探测;观测波段设置方面,FY-4试验星搭载的AGRI与Himawari-8/9 AHI基本相当;时空分辨率方面,AHI略优于AGRI;仪器灵敏度方面,AHI和AGRI在发射波段基本一致,AHI在反射波段明显优于AGRI;仪器定标精度方面,AHI和AGRI基本相当;数据服务能力方面,FY-4试验星仍然采用传统的卫星直接广播和借助通信卫星转发两种模式,而Himawari-8/9以互联网云服务为主,可按需灵活调配服务内容和性能且运维成本较低。     

含变时滞输入的挠性航天器姿态复合控制

对含变时滞输入的挠性航天器姿态复合控制问题进行了研究,主要是通过设计一个时滞依赖的H_∞控制和干扰观测器（DOBC）相结合的复合分层控制结构,实现姿态角和姿态角速度的稳定控制.本文所提方法的优势为：1）对振动引起的干扰进行精确补偿,减少了干扰对控制效果的影响;2）设计了时滞依赖的状态控制器,降低了时滞对姿态的影响;3）在泛函求解过程中引入了时滞积分不等式分解系数,从而降低了设计的保守性.最后,通过数值仿真验证了本文设计的控制方法的有效性,并分析了时滞量及时滞积分不等式分解系数对闭环系统性能的影响.     

基于模糊自整定PID的直升机飞行控制律设计

在经典PID控制律基础上,引入模糊控制的概念设计模糊自整定PID控制律改进无人直升机姿态回路控制器,实现了PID控制器的参数在线自整定,并改善了控制器性能.通过Matlab对闭环系统进行算法仿真,表明模糊自整定PID控制器能够发挥优于传统PID控制器的控制性能.最后对所设计的控制器进行半物理仿真验证,通过对比典型输入指令下经典PID和模糊自整定PID两种控制器的控制效果,验证了模糊自整定PID对系统性能的优化.     

基于MFAC的数控机床位置伺服系统

数控机床位置伺服系统是数控机床的重要组成部分,是一个复杂的机电系统,其控制受多方面因素的影响,控制难度较大,且其位置精度会影响数控机床的加工精度.本文以数控机床的位置伺服系统作为研究对象,通过改进算法来提高系统性能.本文基于传统的PI控制,采用紧格式动态线性化（CFDL）方法进一步对速度环与位置环进行改进,设计出改进前的无模型自适应控制（MFAC）,之后通过增加控制项来对改进前MFAC算法进行改进,得到改进后的MFAC算法.将两种算法在Matlab/Simulink中分别进行仿真,结果表明改进后的MFAC控制方案能够保持改进前MFAC控制方案的优点,并且位置跟随性能增强,具有良好的鲁棒性.     

Gerris数值方案及其在海洋数值模拟中的应用

基于动态自适应网格的开源软件Gerris受到越来越多海洋和水文研究者的关注.概述了Gerris开发背景、研究现状和特点,详细阐述了Gerris数值方案,包括动态自适应网格、动态负载平衡技术原理、广义正交曲线坐标系、内嵌复杂固体边界和地形数据的处理方法,并探讨了Gerris在海洋数值模拟中的初步应用.结果表明,Gerris动态自适应网格在多尺度问题模拟中的优势独特,在海洋数值模拟应用中可通过自适应网格提高地理特征的精度,通过GTS(或KDT)格式的数据来处理地形和网格,达到同时兼顾精确性和易用性的目的,使得Gerris与其他海洋模式进行有机结合成为重要发展方向.     

基于事件触发机制的一类非严格反馈非线性系统的自适应神经网络追踪控制

基于事件触发机制,研究了一类非严格反馈非线性系统的自适应神经网络追踪控制问题.结合反步技术、神经网络和事件触发机制,提出了一种自适应神经网络控制方案,减少了数据传输量并减轻了控制器和执行器之间的传递负担,保证了输出信号尽可能地追踪到参考信号,同时使得闭环系统的所有信号有界.此外,通过避免芝诺现象保证了所提事件触发机制的可行性.最后,给出一个例子验证了所提出策略的有效性.     

基于饱和约束和时变观测器设计的异构航天器姿态控制策略

针对空间异构环境下易产生非线性和不确定性影响,多个异构航天器进行姿态控制存在执行器输入饱和约束,对有限的资源进行协作调度难度大等问题,提出了异构航天器包含饱和输入和不确定性动态的鲁棒一致性追踪控制策略.在该控制策略中,参考系统的动态权重矩阵被允许是完全未知的,因此现有的方法并没有可行解.通过引入有向生成树假设,一种新的权重平均方法被提出来构造分布式观测器动态.通过综合分布式观测和非线性动态,一类新的鲁棒一致性追踪控制器被设计.仿真结果表明：当同步行为和分布式观测动态能够被同时获得并且达到领导者状态,异构系统的鲁棒一致性问题将被解决.同时,通过利用多个航天器的动态模型,设计了不同性能指标的参数条件,验证和分析了提出方法的有效性.     

时问序列动态学习率神经网络模型及其初步试验

神经网络在气象上的应用往往是采用固定学习率的BP算法建模,学习过程易出现振荡现象和网络存在冗余连接等缺陷,基于此对神经网络进行了改进。利用时间序列分析方法对样本数据进行处理,用改进后的神经网络对时间序列样本数据进行训练预测,创建了时间序列动态学习率神经网络模型。最后用库车县1997—2007年四季的平均气温值作样本数据进行训练,其训练精度和拟合度都达到很高的标准,用该模型预测了库车县2008年的气温。通过实例证明这个模型在气象预测领域有一定的实用价值。     

基于执行依赖启发式动态规划的船舶减摇鳍在线最优控制

针对船舶线性横摇系统,设计了一种基于执行依赖启发式动态规划（ADHDP）方法的在线学习最优减摇鳍控制器.在设计过程中直接使用输入输出数据获取系统状态值.利用评价网络来逼近针对船舶减摇鳍控制系统设计的性能指标函数,并通过执行网络获得最优控制律,这两个网络都是多层前馈神经网络,即反向传播（BP）神经网络.在训练过程中,这两个神经网络不仅可以使用实时测量数据,也可以减少船舶横摇模型的内部误差和不确定性干扰的影响,从而提高系统的鲁棒性.最后,仿真结果表明所提出的ADHDP控制器对于降低船舶横摇有很好的控制效果.     

交叉熵神经网络及其在闽北大雨以上降水预报中的应用

基于误差平方和最小化准则的BP神经网络(ANN-MSE)并不适合解决小概率天气事件的预报问题,引进一种改进的以交叉熵函数为目标函数的神经网络方法(ANN-CE),该法是一个三层反向传播神经网络,其输出层只用一个节点.利用2003-2008年的ECMWF预报场资料,把该法用于福建省南平市4-6月部分大雨或以上降水96h预报中,分别用原始因子和PCA降维后的主因子建立了ANN-CE预报模型和ANN-MSE预报模型,用这些模型对2009-2010年独立样本进行了试报.测试结果显示主因子预报模型TS评分比原始因子预报模型高且漏报次数少,其中,主因子ANN-CE预报模型的TS评分和漏报率分别是0.51和0.17,其性能是所有模型中最好且最为稳定的,是一种适合于小概率事件预报的方法.     

基于深度学习的公路能见度分类及应用

以VGG16为基准模型,融合批归一化处理、全局平均池化和联合损失函数,提出了一种基于卷积神经网络的高速公路雾天能见度等级分类方法.实验结果表明,改进后的神经网络模型的平均识别正确率达83.9％,相较于其他几种模型具有较高的正确率和较好的收敛性.将模型封装入业务系统后进行业务化检验,其平均识别正确率可达84.9％,且白天...     

人工神经网络在西藏中短期温度预报中的应用

根据2003年11月—2005年10月西藏自治区32个站点的气象资料,采用动态学习率BP算法的人工神经网络建模,在ECWMF、T213等模式数值预报产品释用基础上,进行1~7天逐日最高、最低温度模拟预测。模型业务试用结果表明,该神经网络模型具有较强的自适应学习和非线性映射能力,其预报结果能够满足实时预报的精度要求,对西藏中、短期极端温度的实时业务预报具有较好的参考价值。     

基于鲁棒自适应策略的燃气轮机系统控制器设计

太阳能、风能和潮汐能等可再生能源的发电系统,具有间歇性发电的特性.因此,具有快速响应、发电效率高的燃气轮机发电系统,能够在可再生能源发电间歇出现时充当替代系统,不仅稳固电网的负荷能力,还有助于推动可再生能源的发展.由于燃气轮机是一个模型包含未知的复杂非线性系统,目前针对转速环节主要采取传统PID控制技术.然而,实际运行中系统工况发生变化时,控制器参数不能随着这些变化做出相应的调整,使得控制效果欠佳,执行器故障的出现也可能导致系统无法正常工作.因而,本文针对单轴燃气轮机的孤岛发电模式,结合燃气轮机系统特性,基于反步法的设计思路,引入不依赖于系统模型的鲁棒自适应控制策略,并加入容错控制和Nussbaum函数构造转速控制器.在控制器设计过程中融合动态面方法,解决高阶系统中反步法引起的计算爆炸问题.最后,通过仿真,验证了控制器的可靠性.     

基于模糊小波神经网络算法的汽车滑移率控制研究

防抱死系统是汽车制动过程非常重要的基本安全措施,滑移率控制是汽车防抱死控制的重要组成部分.汽车的制动过程是一个与实时路况相关的时变、非线性、不确定系统.针对该问题开展基于模糊小波神经网络算法的滑移率控制研究.通过采用模糊小波神经网络估计系统模型的非线性、时变不易获知的部分,结合等效控制思想来构造滑模控制法则,从而实现期望的滑移率控制.Matlab-simulink仿真结果表明,所设计的算法具有良好的鲁棒性能,能有效、快速地到达期望的滑移率.