用于求解射击诸元的视在航路法

本文提出了一种适用于数字化瞄准具的视在航路法，其特点是在目标作匀速直线运动的假设下，在已知一系列目标方位与高低角后，只要再知道一个目标距离就可以得到射击诸元。相对于数字指挥仪的解算方法，它更加充分利用了目标的角度信息，减弱了对于距离信息的依赖性，为火控计算提供了新途径。     

期望指标集约束下一类随机系统的满意PID控制

研究一类随机系统具有期望的动态误差系数、稳态输出方差和相对稳定裕度约束的满意PID控制问题．首先应用满意控制思想，给出期望指标集的相容性定义；然后分别推导出PID控制器满足期望的稳定裕度指标的参数域边界解析式、满足期望的动态误差系数指标和期望的稳态输出方差指标的参数解集的解析式；最后给出期望指标的相容性判别方法以及相容性解集求取策略．通过算例验证了所提出方法的有效性．     

不确定随机系统的满意估计问题研究

基于LMI技术给出了一个满足期望误差方差和快速性指标的满意状态估计器的设计 方法.该方法避免了使用矩阵秩的条件,因此适用于参数及噪声强度不确定的随机线性系统,而 且便于使用计算机求解.文中所给出的数值算例说明了该方法的有效性.     

基于遗传算法混合编码的船舶艏摇/横摇模糊网络控制

针对利用遗传算法(GA)优化模糊神经网络(FNN)船舶艏摇/横摇控制器结构和参数时存在的“维数灾难”和“缺失整体性”问题,采用析取式标准形式模糊规则,并设计了一种新的GA编码方案——实数和符号混合编码,同时优化FNN的模糊规则和参数.最后,利用船舶三自由度(艏摇、横摇、横荡)数学模型,将该方法与一般GA-FNN方法进行仿真对比,结果表明,该方法不仅有效解决了上述问题,而且艏摇/横摇控制效果明显优于一般GA-FNN方法.     

基于特征结构配置的倒立摆控制系统设计

研究倒立摆优化控制问题,针对多变量、非线性、强耦合的倒立摆系统存在不稳定性的特点,在控制系统设计中建立倒立摆系统的非线性数学模型,并在平衡点附近将其进行线性化后得到线性化模型.考虑到外部干扰,进一步得到倒立摆系统的干扰线性化模型.为保证从扰动到倒立摆系统输出的H<,∞>范数满足期望的抑制水平和闭环区域极点约束的条件下,应用特征结构配置算法,建立了状态反馈控制器设计的优化数学模型,并通过Matlab工具箱进行仿真,求得优化解.结果证明,所提出的方法是有效的.     

伪多跳中继分布式一致性算法

为了提高分布式一致性问题的收敛速度, 减少节点间的通信成本, 本文提出一种分布式一致性算法. 新算法采用单跳通信, 利用非邻接节点的前状态信息进行节点状态更新. 本文证明了在无向通信拓扑下新算法的一致性收敛, 并分析计算了新算法的通信量以及收敛速度的变化. 通过理论分析和仿真验证, 结果表明新算法具有收敛速度快, 通信方式简单, 通信量少, 存在通信延时情况下通信数据不容易丢失等优点.     

一阶参数不确定滞后过程的鲁棒PID控制器设计

提出一种针对一阶参数不确定滞后过程的鲁棒PI／PID控制器优化设计方法。首先基于D-分割法技术，给出确定一阶参数不确定滞后过程的整个PI／PID控制器的可行鲁棒稳定域算法；在定义一个与控制器给定点跟踪性能、鲁棒性能和抗扰动性能相关的目标函数的基础上，给出PI／PID控制器设计的约束优化问题；最后应用一种启发式粒子群优化（PSO）算法对该约束问题进行求解。仿真结果表明，所提出的方法可得到更小的调节时间、更小的超调、较强鲁棒性和更好的抗扰动性能，表明了所提出的方法的有效性。     

二维单站纯方位运动目标跟踪的可观测性

利用量测目标方位序列求解目标运动参数的纯方位跟踪（BOT)系统会发生解的不惟一的问题,即不可观测性。针对ニ维空间单目标和单平台（观测器）情形,利用向量变换以及线性矩阵方程解的性质,对BOT的可观测性问题进行了讨论;给出了当目标匀加速直线运动下,观测器保持匀加速直线运动时BOT系统不存在惟一解的命题;同时给出当量测方位序列和采样时间满足一定的条件,系统可以求出目标某些运动参数比值的算法。进ー步将结论推广到观测器和目标都作任意阶次时间序列机动的一般场合,推导出当观测器机动阶次不超过目标机动阶次下,系统不可观测的重要结论;向量法以及得出的结论为进ー步分析观测器的机动策略具有重要的指导意义。     

不完全量测下事件触发卡尔曼一致滤波及在光电探测网中的应用

针对分布式状态估计中卡尔曼一致滤波算法各节点间通信量过大的问题,在保证卡尔曼一致滤波算法估计精度及各节点估计值一致性前提下,为减少各节点间的通信量,提出一种事件触发机制协调各节点间的信息交互过程。推导了相应的卡尔曼一致滤波算法,并证明了其估计误差的有界性;仿真了所提算法在不完全量测下光电探测网中的应用。研究结果表明：与经典卡尔曼一致滤波算法相比,所提算法可在节约网络通信资源前提下,保证网络中各节点估计精度及估计值的一致性。     

量化状态信息下多智能体Gossip算法及分布式优化

基于量化状态信息的异步随机Gossip算法大多以均匀选择概率的时间模型为基础,未充分考虑网络拓扑结构对局部信息传递的影响。为此,该文提出了一种以非均匀选择概率为时间模型的改进算法。首先给出了非均匀选择概率下的多智能体系统时间模型,在随机性量化策略下给出了一致性误差的收敛性质;并讨论了量化精度和概率化权重矩阵第2大特征值对一致性误差收敛速度的影响,进而利用投影次梯度给出了选择概率的分布式优化方法。仿真结果表明,该基于量化状态信息的算法可通过选择概率的分布式优化,提高一致性误差的收敛速度。