基于摄动的不稳定编队协同控制系统仿真

编队卫星构形精确保持是实现分布式卫星任务的关键技术。基于摄动对编队相对轨道构形的影响,针对卫星轨道半长轴有偏差的不稳定编队,设计了一种基于视线测量无主星编队的循环协同控制系统。编队中每一颗卫星跟踪自己轨道前方邻近卫星,产生一个视线测量矢量,编队的第一颗卫星追踪最后一颗卫星,产生循环编队,将编队卫星之间的视线距离作为反馈控制量来实现队形控制,文章给出了相对摄动力方程和控制系统的仿真算例,仿真结果表明,该循环协同控制系统能够实现队形控制的稳定性。     

基于凸多面体不确定网络化系统的鲁棒无源滤波

研究一类同时具有时变时延和测量数据丢失的不确定网络化系统的鲁棒无源滤波器设计问题。时变时延假设在一个已知的界内随机变化。测量数据的丢失是随机发生的,假设满足Bernoulli分布随机序列。采用线性矩阵不等式方法,给出了全阶和降阶的鲁棒无源滤波器存在的充分条件。所设计的滤波器使得滤波误差系统是均方指数稳定并满足给定的无源指标。最后数值仿真表明所提方法的有效性。     

基于滑模估计器和卡尔曼滤波的PMSM速度估计

针对永磁同步电机(PMSM)无传感器的控制问题,提出了一种结合滑模估计器和扩展卡尔曼滤波(EKF)两种方法优点的混合估计器。混合估计器解决了滑模估计器对于反电动势具有较大"畸变"的电机速度估计效果差的缺点。混合估计器建立了一个3阶EKF滤波器,把反电动势高次谐波分量作为系统和测量噪声处理。降阶后的EKF参数调节变得比传统的EKF估计器相对容易很多,在反电动势有"畸变"单纯滑模估计器估计效果很差时,估计效果依然很好。对滑模估计器、传统EKF估计器和混合控制器三种估计效果做了比较,阐明了混合估计器的优缺点。     

GFMIMU/GPS组合导航系统信息融合技术研究

GFMIMU/GPS(Gyroscope Free Micro Inertial Measurement Unit/Global Positioning System)组合导航系统具有抗高g值冲击、低成本、长寿命、较高精度等优点,在低成本精确制导武器和微小型无人机具有广阔的应用前景。针对工程应用中信息融合的精度和实时性两方面的要求,运用基于模型误差预测的扩展卡尔曼滤波MEP-EKF(Extended Kalman Filter base on Model Error Predictive)方法,将MEMS(Micro Electromechanical Systems)加速度计的误差作为模型误差来考虑,对GFMIMU/GPS组合导航系统进行建模仿真,将其与EKF和UKF(Unscented Kalman Filter)方法进行了仿真比较,在方位误差角的估计上取得了比他们精度高的仿真结果,而且MEP-EKF所需时间是UKF的10%.     

三机无源定位阵面旋转效应仿真分析

针对三机三维布阵优化问题,以精度因子为目标函数,以阵面旋转为切入点,采用建模仿真方法,分析了阵面旋转效应对三机时差定位,频差定位及时频差定位精度的影响,直观地揭示了不同定位体制下的布阵优化规律.这些规律在下步工作中可作为先验知识,与粒子群、模拟退火、遗传算法等最优化方法相结合,更精细地研究三机三维布阵优化问题.     

一种基于马尔可夫链的高维离群点挖掘算法

提出了一种基于马尔可夫链的离群点检测(outlier detection algorithms based on Markov chain, MRKFOD)算法。该算法把基本数据集看作一个加权无向图,数据集中的每个数据表示一个节点,用每条加权边表示节点之间的相似度;形成一个邻接矩阵,把邻接矩阵当作马尔可夫链中的概率转移矩阵;寻求概率转移矩阵的主要特征向量;把每个节点的主要特征向量值作为每个数据的离群度。实验结果表明,该算法与其他高维离群点挖掘算法相比,在效率及有效处理的维数方面均有显著提高。     

基于DPSO的无等待混合流水车间调度方法

研究了无等待混合流水车间调度问题,调度目标为最小化工件的最大完成时间。针对问题中工件加工无等待特点,设计了分阶段实现的无等待算法,并将机器的能力约束嵌入到算法之中。在此基础上,首次应用离散粒子群优化算法对无等待混合流水车间调度问题进行了优化求解。通过仿真实验表明,离散粒子群算法的优化质量优于遗传算法及LTPT、STPT和FCFP三种启发式算法,同时验证了分阶段无等待算法的有效性。

Abstract：

A no-wait hybrid flow shop（NWHFS） scheduling problem was studied for the objective of minimizing makespan.For the no-wait constraint between two sequential operations of a job,not only the no-wait algorithm of grading was designed,but also the number restriction of machines was embedded into this algorithm.On this basis,the discrete particle swarm optimization（DPSO） algorithm was proposed for the first time to solve such problems.The last simulation experiments show the optimization qualities of DPSO are superior to those of the genetic algorithm（GA） and the heuristic algorithms of LTPT,STPT and FCFP,and demonstrate the effectiveness of the no-wait algorithm of grading as well.     

T-S模糊时滞系统的鲁棒无源控制

基于Lyapunov稳定性理论,时具有参数不确定性的T-S模糊时滞系统的鲁棒稳定性和无源性进行了研究.具有参数不确定性的T-S模糊模型可以任意精度近似连续非线性不确定系统.假设系统中的参数不确定性是范数有界的.运用Lyapunov稳定性理论给出了鲁棒无源控制器存在的充分条件.通过解一组线性矩阵不等式(LMIs),可直接获得鲁棒无源控制器.所设计的鲁棒无源控制器能够保证对于T-S模糊时滞系统中所有的参数不确定性,闭环系统都是鲁棒稳定的并且是严格无源的.并且,通过求解带有约束条件的线性矩阵不等式问题,可以设计出具有最大耗散率的鲁棒无源控制器.数值例子验证了所提出设计方法的有效性.     

基于改进粒子滤波的双站无源定位跟踪算法研究

在非线性非高斯状态空间下,粒子滤波器是一种有效的非线性滤波算法,它的关键问题包括粒子权重的计算、粒子重采样和状态估计等.根据粒子滤波算法思想和双站无源定位跟踪的非线性,将粒子滤波算法用于双站无源定位跟踪问题,给出了一种改进的粒子滤波算法,并对其关键问题根据双站无源定位跟踪的特殊性进行了改进.利用matlab进行了仿真实验,与最小二乘算法、扩展卡尔曼滤波算法进行了比较,结果表明所提算法定位跟踪精度优于其他方法.     

复杂网络确定性模型研究的最新进展

复杂网络的确定性模型在复杂网络建模领域起着不可或缺的作用。按照复杂网络经典模型发展的先后次序,依次对随机图、小世界网络、无标度网络以及加权网络确定性模型的研究现状进行较全面的综述,重点介绍了相关模型的构造及其主要性质,并对复杂网络确定性模型未来的部分发展方向进行了展望。