一种在主瓣干扰条件下稳健的自适应波束形成方法

在自适应波束形成技术抑制干扰问题中 ,当存在主瓣干扰时 ,便暴露出两个缺陷 :一是副瓣电平增高 ;二是主波束变形且峰值偏移。提出了一种先在数据域实施干扰相消预处理 ,再进行自适应波束形成的解决方法 ,该方法在抑制主瓣干扰的同时 ,有效地解决了副瓣电平增高、主波束变形及偏移的难题。仿真结果证明了该方法的有效性。     

瑞利噪声环境中水下目标辐射信号增强算法

提出了基于高阶累积量广义函数迭代的自适应滤波算法，证明了该算法的收敛性，给出了广义函数的几种具体表示式。用该算法对瑞利噪声环境中水下目标辐射信号谱增强进行了仿真研究。结果表明：该算法具有很强的抑制瑞利(白或色)噪声的能力。因此，该算法在提高水下探测系统对水下目标的检测能力方面有重要的应用价值。     

基于Elmore模型的Steiner树问题的求解

建立了一种求解基于Elmore延迟模型的Steiner树问题的遗传算法。针对Steiner树问题的特点,在引入一种新的具有自适应性的杂交概率和变异概率的基础上,提出了面向Steinet树问题的遺传算法和一种构造染色体的新方法。提供了遗传算法的结构并讨论了遗传算子。分析了基于时间和空间的算法复杂性。     

含有纯滞后对象的控制方法

评述纯滞后对象控制的两种典型方法─—大林算法和纯滞后补偿法的原理、优缺点、设计要求及存在问题，并讨论了两者的联系。     

一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

具有随机偏差的最优多段卡尔曼估值器

提出了具有随机偏差的最优多段卡尔曼估值器。针对状态模型与观测模型同时具有偏差且偏差模型噪声与状态模型噪声相关的情况 ,给出了具有随机偏差的状态方程的增广状态 ,并通过U V变换对卡尔曼估值器的协方差矩阵解耦得到了最优多段卡尔曼估值器。结果表明 ,多段卡尔曼估值器不仅是最优的 ,而且降低了计算的复杂度     

非线性模糊直接鲁棒自适应控制的后推设计

采用模糊直接控制方法,针对一类非线性多入多出系统,提出了一种带有连续鲁棒项的鲁棒自适应控制方法.在此基础给出了高阶多入多出系统的鲁棒自适应的后推设计方法.在鲁棒项合理简化的情况下,给出了系统Lyapunov意义下的稳定性证明,简略分析了各设计参数的物理意义及其对系统性能的影响.理论分析和仿真实验均显示,本方法可以使系统全局渐近稳定,且选取恰当的设计参数可保证系统对输入信号的跟踪达到任意精度;并且由于鲁棒项的引入可使系统的设计更具灵活性.     

自适应压电桁架结构多目标最优控制

根据嵌入压电作动器的自适应桁架结构的机电耦合特性，考虑了结构强度、节点最大位移以及作动器最大控制电压等约束条件，提出了以强度、位移和能耗为目标、以电压为控制参数的多目标最优控制模型。该模型通过引入权系数，使多目标问题转化为一个二次目标、线性约束的二次规划问题。限制了设计变量每一步的运动极限，从而保证了算法的稳定性。用数值方法模拟了该模型对结构的控制效果。数值算例表明，该模型具有改善静不定结构应力状态、保证结构形变精度及调节控制能耗的功能。对于静不定结构，可以在一定程度上降低结构的最大工作应力。该模型还具有较小的能耗指标，并使控制点的节点位移尽可能小，利用该模型可以有效地实现单点或多点位移控制。