飞行模拟机操纵负荷系统试验研究

飞行模拟机操纵负荷系统是飞行模拟机的重要组成部分,向飞行员提供逼真的力感模拟。以飞机操纵系统为原型给出了飞行模拟机操纵负荷系统的模拟原理,建立了由低摩擦作动筒组成的三通道液压驱动数字式操纵负荷系统,根据数学模型借助快速控制原型技术和Matlab/Simulink可视化编程语言进行实时控制系统的开发,解决了采用C 、VC进行开发周期长、调试困难的缺点,并通过试验验证了PD控制算法的有效性,实现了对飞机操纵系统的性能模拟,具有误差小、跟踪性能好的特点,已应用于飞行模拟机样机系统的研制。     

一种改进的基于效用理论的TOPSIS决策方法

提出了一种改进的TOPSIS决策方法.该方法更多地融合了决策者的主观意愿:用决策者对属性的效用评价代替方案的原始属性数据;用模糊数替代精确值反映决策者对效用值的理解模糊不确定性;同时关注决策者对最佳决策方案属性效用的综合性、均衡性考虑.最后,通过对一个具体决策实例的分析,验证了方法的合理性和有效性.     

基于Gamma-SLC混合密度估计的雷达目标识别

通过分析高分辨距离像(HRRP)的统计特性,提出一种Gamma模型与基于累积量的随机学习算法(SLC)相结合,估计HRRP概率密度的新方法:Gamma-SLC方法。该方法具有Gamma分布针对性强,估计准确与SLC适应性强的优点,同时回避了二者的缺点。另外,借鉴最大熵原则的非高斯性测度,设计了一个新的评价概率密度估计效果的准则。基于外场实测数据的实验证明了Gamma-SLC方法的有效性。     

区域经济现代管理发展过程与要素系统分析

应用系统科学思想对区域经济现代管理进行了系统分析,论述了区域经济管理的系统发展过程、系统内涵与特点、系统要素分析。     

Gate-to-Gate模式下航班到达的综合调度

Gate-to-Gate是空中交通管理的未来趋势之一,研究了Gate-to-Gate模式下的航班到达问题,对航班到达的空中降落与地面滑行进行综合调度,建立了地空综合调度的简化数学模型,实现了航班到达从区调阶段到航站楼的关键点路径规划和时间安排,并对北京终端区及首都机场地面滑行过程进行了算例分析。针对实际应用规模大、求解时间长的问题,利用模型的特殊性制定了先松弛后固定分支求解的两步法求解算法,实现了在5分钟内能求得相对误差小于5.3%的近优解。     

易腐货物配送中时变车辆路径问题的优化算法

以易腐货物配送中的时变车辆路径问题为研究对象.由于时变车辆路径问题中每条道路上的车辆行驶速度随时间变化,此类问题难以用传统的数学建模方法进行建模及实现优化求解.因此,提出应用计算机建模的方法建立此类时变车辆路径问题的仿真模型.在此基础上,设计并集成遗传算法于计算机仿真模型用于搜索问题的最优解,所提出的自适应性优化算法能够根据来自车辆驾驶员回传的实时数据动态调整后续的最优行驶路线.最后,在多智能体建模与仿真平台上实现了该算法,并以15个顾客的时变车辆路径问题为例验证了算法的有效性.     

基于阵列接收数据合并的宽带DOA算法

提出了一种新的宽带波达角(direction of arrival, DOA)算法,该算法将各频率点的协方差矩阵相加后构造出一个新的协方差矩阵,从而实现DOA估计.这种新的思路来源于聚焦变换的思想并在理论上得到了证明.然后,详细讨论了算法中最优参考频率的选择问题.分析表明,与传统的宽带DOA算法相比,新算法的运算量较低.仿真结果显示,新算法的性能优于其他宽带DOA算法,同时仿真实验也验证了最优参考频率选取准则的正确性.     

非线性微分〖CDF*2〗代数系统的自适应状态观测器设计

针对非线性微分-代数系统,给出了可观性判据,提出了基于非线性微分-代数方程的自适应状态观测器设计方法。根据状态观测器工作点变化在线配置极点,获得合适的观测器的反馈增益阵,保证观测器在大范围内稳定工作。理论分析了存在模型误差时观测器的鲁棒性,证明如果模型稳态无差,观测器也是稳态无差的。以化工过程中的典型微分-代数系统为例,仿真结果证明了用该方法设计的观测器能够稳定收敛到状态真值,具有较好的动态性能。     

调制型光纤捷联系统系泊状态标校方法

针对舰船系泊状态特有的运动环境及惯性器件偏差对捷联系统导航精度的影响,提出一种单轴四位置旋转调制方案并建立该系统误差方程。研究了直观分析系统参数可观测性的解析方法,并运用谱条件数法计算出惯性测量单元（inertial measurement unit, IMU）在静止和旋转状态下各状态量的可观测度,利用分离位置回路的卡尔曼滤波模型实现了器件偏差的现场估计。数值仿真显示,单轴四位置转停方案可以有效地提高惯性器件偏差的可观测度,大大提高了系泊状态下惯性器件偏差的估计精度。     

基于岭回归径向基神经网络的MIMU误差建模

对MEMS（Micro Electro Mechanical systems微电子机械系统）IMU（Inertial Measurement Unit惯性测量单元）的随机漂移和误差进行建模和补偿是提高捷联惯导系统性能的主要方法之一。为了避免径向基（RBF）神经网络输出之间可能存在的复共线性,更加准确有效的对MIMU的输出误差建模,提出将岭回归径向基神经网络用于MIMU的误差建模中。通过与时间序列建模方法的仿真比较表明,在对MIMU误差补偿上所建立的岭回归RBF网络与四阶AR模型方法精度相当,比一阶AR模型精度高,而且无需对数据平稳性处理。

Abstract：

It is one of the main methods to improve the performance of Strap-down Inertial Navigation System for compensating the random drift and bias of MEMS （Micro Electro Mechanical systems） IMU （Inertial Measurement Unit）. In order to eliminate latent multicollinearity of radial basis function neuron network output layer and model the drift and bias of MIMU accurately,the radial basis function neuron network based on ridge regression method was proposed which was applied in modeling and compensating MIMU errors. The simulation shows,compared to the AR model,the precision of compensation of MIMU error using radial basis function neuron network based on ridge regression method is equal to the fourth order AR model,better than first order AR model,and no data stabilization processing.