水下目标多元声传感阵列网络定位方法

针对由于环境干扰因素等影响水下目标精确定位的问题,提出了采用以声传感器为核心的多五元声传感阵列网络定位方法。根据水下空间环境,建立了多五元声传感阵列网络定位空间数学模型,研究与分析网络结构的多五元声传感阵列定位算法,给出了水下目标多五元声传感阵列网络定位参数的计算式及误差分析。分析表明:多五元声传感阵列网络定位参数的精度与声传感器阵列的布阵方式和声传感器之间的时延密切相关,随着时延的增大,水下目标方位角、俯仰角及距离误差也增大;通过采用单五元声传感阵列定位算法和多五元声传感阵列网络定位模拟对比实验,在同一区域下,多五元声传感阵列网络定位算法测量误差小于单五元声传感阵列定位算法测量误差,验证了水下目标多五元声传感阵列网络定位具有测试精度高的优点,为水下目标的精确定位及精确制导研制提供了技术方法,为开拓水下目标检测奠定了基础,具有很高的应用价值。     

基于半实物的Ｓ频段卫星测控仿真系统平台设计

该仿真系统是为了满足Ｓ频段卫星测控演练的需要而提出的。根据航天测控系统和Ｓ频段测控设备的特点，明确了仿真系统的组成及功能，并对主要部分进行了详细的描述；确定了仿真系统运行工作模式、主要技术指标、接口之间关系；结合实际应用情况，通过与真星进行比对，证明通过建立半物理仿真数学模型，达到了在数据层上与真星具有等价性，并展望了未来发展方向。     

中性点非直接接地电网单相接地故障暂态特征分析

针对已有暂态分析方法存在的不足，建立了基于线路分布参数模型的小电流接地故障模量结构图；根据线路相频特性将频率分为不同区段，再分析不同频段内故障暂态特征。重点论证了零序网络在一选定频段(SFB)下阻抗呈容性的特性及其临界频率应满足的条件，分析了在该选定频段内暂态零序电流及无功功率的分布规律，得出以下结论：在SFB内，故障线路暂态零序电流和无功功率大于或等于任何一条健全线路，且在故障线路中从线路流向母线，与健全线路中的流向相反；在SFB外，故障线路和健全线路电气量分布差异不明显或临界频率不易确定。用电磁暂态仿真程序(ATP)对故障暂态特征进行了验证。     

采用序优化的改进蚁群算法

为了评价蚁群算法在有限时间内所得优解的质量,基于序优化方法提出了一种改进的蚁群算法:使用盲目挑选规则选择初始解,并对信息素进行相应的初始化;确定得到满足要求的优解所需要的迭代次数,将其作为算法的终止条件;为了更好地利用每次迭代中的优解,在算法开始阶段使用前l个迭代优解更新信息素,以增强探索能力;在算法结束阶段采用当前迭代最优解更新信息素,以加快收敛速度.改进算法在保证收敛的前提下,并没有增加算法的时间复杂度.对旅行商问题进行的仿真实验表明,改进算法在解的质量和收敛速度方面优于最大-最小蚂蚁系统.     

构建复杂回响状态网络的新方法

研究了人工神经网络混沌时间序列预测应用中的拓扑选择问题,受大脑皮层生长发育过程启发,提出一种类皮层网络--复杂回响状态网络(CESN)的构建方法.将影响皮层网络生长发育过程的依赖距离和依赖时间窗口的2个生长机制中的规模因子、距离敏感因子、密度敏感因子、种子神经元个数,以及时间窗宽度等调控因子,类比地定义为CESN构建过程中的构造参数.实验发现,CESN的拓扑结构能够被这些构造参数惟一地确定,并且当种子神经元个数取值约为网络规模的10%时,构建出的CESN几乎具有最优的预测精度.根据这个发现,仿真证实了CESN能够被更省时地构建,表明所提方法是一种高效的网络构建方法.     

一种基于灰色关联分析法的航天器初轨选优算法及仿真

针对航天器入轨段,如何从多组初始轨道中选择一组最优轨道问题,进行了深入地理论分析,提出了一种基于灰色关联分析法的航天器初始轨道选优算法.根据航天器初始轨道的设计特点,创新地利用标称轨道作为属性基向量,解决了比较数列的生成问题,建立了灰色关联分析法的初始轨道选优决策数学模型以及求解的七个基本步骤,最后以一颗太阳同步轨道卫星为仿真算例,验证了数学模型和选优算法的合理性和正确性.     

利用最大似然准则的双向联想网络研究

针对现有双向联想网络(BAM)存在的存储容量小、抗干扰能力弱的缺点,提出了一种利用最大似然准则的BAM网络(MLBAM)及其训练算法.MLBAM网络采用双向网络结构建立了神经元的发放以及抑制模型,充分利用似然函数的特性以及网络的双向联想特性,很好地完成了自联想和异联想功能,并且准确计算出关联样本对之间的关联度,使MLBAM网络在随机环境中具有很强的抗噪能力.利用最速下降算法,给出了MLBAM网络的训练算法,根据训练权重的Hessian矩阵负定,判定算法能够获得全局最优解,从而证明了算法的收敛性.该训练算法能够训练出最优的连接权重和神经元阈值.通过2个典型实验验证了MLBAM网络的抗噪能力和联想能力,在存在1位随机噪声的情况下,该网络的联想正确率达到了100%.     

基于自适应变结构控制的机器人系统仿真研究

针对机器人系统的参数与非参数不确定性，提出一种新颖的控制策略。将自适应滑模变结构理论应用于机器人轨线跟踪控制，鲁棒增益自适应调整，Lyapunov直接法分析证明系统可实现全局渐近稳定。在保持渐近稳定性的前提下，引入平滑饱和函数，有效改善控制的暂态品质和震颤现象。仿真结果表明系统估计参数收敛，并有较高的鲁棒性和精确性。     

层叠CMAC补偿的并联机器人变结构控制研究

针对复杂机器人系统的不确定性,提出一种层叠小脑模型关节控制器(CMAC)神经网络同滑模变结构控制相结合的控制策略。首先利用改进CMAC学习机器人系统的不确定信息,并作为前馈补偿来确保跟踪误差的快速收敛,再通过滑模变结构控制器消除CMAC网络的逼近误差和不可重复随机干扰的影响。采用Lyapunov直接法进行控制律选取,分析表明系统可实现全局渐近稳定。在6-6并联机器人的轨线跟踪仿真试验中显示了良好的鲁棒性和精确性.     

粗糙集CMAC神经网络故障诊断策略

提出一种基于粗糙集CMAC神经网络的智能互补融合的诊断策略．该策略利用粗糙集理论对数据样本进行数据浓缩．提取初步的诊断规则．对初步的诊断规则通过神经网络进行粗映射，利用神经网络的分类逼近能力，建立故障状态空间到诊断空间的精确映射．大大提高了神经网络的收敛速度和逼近精度．将该神经网络应用于的变压器故障诊断实例．结果表明．该神经网络具有分类逼近能力强．计算量小等优点．诊断正确率比普通神经网络的诊断正确率高．