用人工神经网络预测岩石节理的抗剪强度

提出运用人工神经网络方法预测岩石节埋抗剪强度,在该方法中应用相对作用强度RSE确定网络中各输入因素对抗剪强度的影响程度,并根据分形节理力学性质和光弹试验数据进行网络训练、参数预测,结果表明：该方法可以用来预测岩石节理抗剪强度并推广应用。     

基于LMI的小灵巧炸弹鲁棒H_∞混合灵敏度BTT控制器设计

考虑小灵巧炸弹(SSB)倾斜转弯(BTT)控制器设计问题,以工程应用为目标,取易于测量的量作为状态变量,建立了SSB全状态可测量BTT弹体模型。按照俯仰/偏航通道和滚转通道,取标准弹道上的1个点建立标称模型,其他6个点建立摄动模型,采用双回路控制方法分别设计了BTT控制器。内回路应用线性二次调节器理论,以降低模型不确定性;外回路基于线性矩阵不等式鲁棒H∞混合灵敏度控制理论,抑制有界摄动和干扰。仿真结果表明,设计的控制器具有期望的动态性和稳定性,能够满足SSB控制要求。     

有色观测噪声条件下的分布式Kalman最优融合

传统分布式Kalman融合算法通常假定观测噪声是白噪声,在有色观测噪声条件下将导致系统性能的降低,而白化有色观测噪声会加剧传感器估计误差的相关性,对这种相关性的处理是分布式Kalman融合的难点.提出了一种基于有色观测噪声多传感器系统的分布式Kalmn最优融合算法,将系统状态分解为不相关的两部分,进行非扩维Kalman滤波以及分布式状态融合,证明了分布式状态融合等价于集中式Kalman最优融合,并进一步分析了具有反馈和非反馈两种结构的多传感器系统,给出了反馈结构下修正的分布式Kalman最优融合算法.同时分析了有色观测噪声对Kalman滤波器的影响.理论分析与蒙特卡罗仿真表明:所提算法具有全局最优性并且便于工程实时计算.     

光电跟踪系统中高频测角信息的攫取研究

为了能够充分利用光电跟踪设备相邻两次激光测距间隔内的高频测角信息,以提高目标跟踪精度,给出了一种航迹“融合”式目标状态估计方法。该方法借助扩展Kalman滤波算法．将无测距信息时刻的目标测角信息代入独立的滤波器,而对有距离时刻的目标测量信息建立另外的滤波器,然后将两滤波器的输出结果进行加权融合,从而在不增加任何硬件成本的前提下,进一步提高了具有激光测距的光电跟踪系统的目标状态估计精度。对模拟数据和靶场实测数据的测试结果表明了该方法的可行性和有效性。     

边坡模糊可靠度分析

基于传统可靠性理论，借助于模糊数学方法，提出模糊可靠性概念，建立边坡模糊可靠度分析模型，并附分析实例.     

分形、神经网络、细胞自动机原理及其插值方法研究

传统的插值方法存在许多不足之处.将分形、神经网络、细胞自动机等非线性科学理论与传统的插值方法相结合,解决了传统的插值方法所不能解决的问题.分形插值使相邻两插值点之间的局部变化特征得以描述;人工神经网络插值解决了机理尚不明确的问题;基于细胞自动机理论的曲面重构使得整张拟合曲面的光顺性得到保证.文中对这些非线性插值方法逐一进行探讨.