R(o)ssler超混沌系统的参数辨析与同步研究

首先给出两种方法实现对四维罗斯勒超混沌系统未知参数的准确快速辨析，第一种方法通过将系统反馈控制到任意不动点，求解平衡点的方程得到未知参数辨析的数学表达式；第二种方法基于稳定性理论，通过构造参数观测器，设定恰当的初始值，解析地给出基于参数观测器的表达式，数值计算表明两种方法都很有效。基于线性化误差理论，求解误差演化的雅克比矩阵的特征值，解析地获得相位同步和全局同步控制器的表达式，详细分析了雅克比矩阵为零对应相同步问题，数值计算与理论分析一致。     

基于灵敏度的模拟电路测试参数分析

介绍了一种提取电路最佳可测性参数集以诊断电路故障的新方法。利用灵敏度法分析了电路中故障元件和可测性参数之间的关系,推导出由电路可测性参数表示的故障元件容差最大值和最小值的表示式,得到诊断故障元件的最佳可测性参数,最后利用数据优化算法得到电路故障诊断的最佳可测性参数集。利用所介绍方法分析了一个低通滤波器电路,得到诊断该电路故障的最佳参数集。由于只需较少的可测性参数即可完成电路的故障诊断,因此本方法不仅计算简单,而且可有效地缩短测试时间和降低测试成本。     

一种稳健的自适应波束形成方法

基于线性约束最小方差(linearlyconstrainedminimumvariance,LCMV)波束形成原理,根据贝叶斯估计理论,提出了一种基于加权的波束形成方法。该波束形成方法能够很好地克服LCMV波束形成对期望信号DOA误差特别敏感的弱点。仿真试验表明,该方法性能稳定,对期望信号DOA误差具有很好的稳健性。     

二阶系统模糊变结构控制器设计及稳定性分析

采用滑模变结构控制时不可避免会产生抖振问题,尤其是对于那些变参数及具有不可测量持续扰动的系统,通过常规方法难以克服抖振对系统控制性能带来的不利影响。为此将模糊控制与滑模变结构控制相结合,设计了一种模糊变结控制器,既保持了变结构控制的鲁棒性及快速性,又能较好地消除抖振现象,并利用描述函数法分析了该控制系统的稳定性。最后通过一个具体的导弹变系数二阶控制系统的应用实例验证了该控制器的性能。     

宽带相控阵雷达的设计准则与发展方向

宽带相控阵雷达是一种新型的成像雷达,在弹道导弹防御(BMD)中有着重要的应用。首先回顾了国外宽带成像雷达的发展,分析了宽带相控阵雷达的波形选择、子阵的选择及自适应波束形成的实现结构,并给出了有源固态宽带相控阵雷达宽带线性调频Stretch处理的信号处理组成框图,提出了宽带相控阵雷达的未来发展方向。所提的设计准则与给出的发展方向对未来弹道导弹防御雷达的研制有一定的参考意义。     

自适应OFDM系统中调制识别算法研究

提出了一种适用于快衰落信道下自适应OFDM系统的调制识别算法。在信道估计和频域补偿的基础上,利用子载波组样本的6阶和8阶累积量识别5种调制信号。仿真结果表明,该算法具有良好的识别性能和稳健性,在SNR=16 dB,移动台速度小于40 km/h的条件下,调制方式的正确识别率可在到95%以上。     

欠结构水下机器人的自适应位置跟踪控制器的设计

欠结构水下机器人的控制是一个具有很大难度的课题。研究了一种欠结构多方位智能机器人的跟踪问题，在机器人参数不确定及存在未知环境扰动的情况下，设计出了连续的自适应控制器，使得机器人可以自动地跟踪任意光滑的轨迹，并且跟踪误差收敛于半径为任意小的原点的邻域。Matlab仿真研究表明了该控制方案的有效性。     

参数未知的不同结构混沌系统的自适应同步

针对一类混沌系统，研究了参数未知的不同结构混沌系统的自适应同步问题。基于Lyaponuv稳定理论，给出了自适应同步控制器的系统设计过程，以及同步控制器和参数自适应律的解析表达式。对于两个参与同步的不同结构的混沌系统，只要其维数相等且状态变量可测，就可以利用所提出的控制策略达到全局渐近同步。方法简单，无需试凑。以Lorenz系统和Lu系统的自适应同步控制为例，说明了该方法的有效性。     

模糊多参考模型自适应控制及仿真研究

将模糊理论应用于参考模型的选择，提出一种将模糊选择和自适应控制相结合的模糊多参考模型自适应控制算法。此方法通过模糊规则选取合适的参考模型，能克服传统自适应算法中由于系统参数跳变而带来的控制困难，并且具有较好的鲁棒性能。在无刷直流电机调速系统模型中的仿真表明，此方法控制的无刷直流电机在电机参考转速和负载转矩变化的情况下仍具有良好的动态性能和控制精度。     

基于Delta算子的QR分解LMS算法

针对基于Delta算子的自适应滤波问题,提出了Delta算子描述的QR分解LMS(Delta-QR-LMS)算法。首先给出后向Delta算子模型的另一种表示形式,并利用该变换公式推导出Delta-QR-LMS算法的具体迭代步骤。通过仿真算例表明,Delta-QR-LMS算法比传统的LMS算法具有更好的滤波性能和更快的收敛速度。