粒子群算法在翼伞空投系统航迹规划中的应用

针对当前翼伞系统研究中未考虑到地形威胁、火力威胁对航迹规划影响的问题,对地形威胁和火力威胁进行了建模,结合翼伞飞行特性,引入最小威胁曲面生成三维航迹搜索空间,并利用粒子群算法搜索优化翼伞系统的航迹。仿真结果表明,粒子群算法能有效地减小搜索空间,提高规划的效率,且使规划出的航迹能够躲避威胁,满足航程和高度的要求。     

基于数字传感器的分布式远程温度测控系统

提出了一种基于数字温度传感器的客户/服务器模式分布式远程温度测控系统新方案。阐述了数字温度传感器的工作原理和测量电路的设计方法,介绍了分布式远程温度测控系统的结构、各部分的功能及系统设计方法。现场控制器以AT89C52单片机为核心,采用socket技术实现用户对温度系统的远程控制,利用小波变换方法进行视频图像压缩。该系统具有结构简单、可靠性高和通用性强的特点,运行结果表明了其效果良好。     

基于非线性控制方法的倒立摆系统控制

应用非线性系统跟踪控制方法对倒立摆系统的控制进行研究.基于非线性系统控制方法对倒立摆系统摆的镇定问题、台车位置调节问题和鲁棒控制问题设计出了具体的控制器.最后给出了在所设计的各种控制器作用下系统的仿真结果,结果表明所设计的控制器对倒立摆系统的稳定控制具有良好的效果.     

近空间飞行器的多模型切换控制

针对受到扰动的变机翼后掠角近空间飞行器,研究一类基于多模型切换的多输入多输出非线性系统的模糊自适应鲁棒控制器的设计问题.通过构造公共Lyapunov函数设计系统的控制器,采用动态面控制方法避免了控制器设计中的计算膨胀问题,利用自适应模糊系统和鲁棒控制项在线消除系统中的未知干扰影响.仿真结果表明了该方法的有效性.     

基于改进D-S证据理论的多源空战信息博弈融合方法

多传感器系统与单传感器系统相比能够更大限度地获取被探测目标的信息量,但在空战中无人机传感器探测得到的数据在一定程度上具有欺骗性,利用博弈融合技术对多传感器数据进行融合,能够获得更加符合空战实际需要的信息。为此,研究了一种基于改进D-S(Dempster-Shafer)证据理论的多源空战信息博弈融合技术,在信息融合前采用Jousselme距离进行预处理,并利用费雪信息进行冲突数据博弈,所得策略集使空战数据更加可靠。在此基础上,根据邓熵方法对基于D-S证据理论的融合方法进行改进,与传统D-S证据理论方法相比,融合数据符合空战实际。最后对存在冲突的多源空战信息进行博弈融合仿真,仿真结果验证了该方法的可行性与优势。     

尺度独立MAS小波算法检测目标图像边缘

通过分析图像中不同类型的奇异点，进而区分目标图像的不同类型边缘，由此来解决带有噪声干扰条件下的图像边缘检测问题。小波理论在时频域的紧支性和对非平稳信号（噪声）良好的处理效果，在图像处理的研究中大大优于传统的Fourier变换，并广泛应用于图像去噪和边缘提取方面。在小波理论中，Lipschitz指数可以刻画不同的奇异点，从而区分出图像的边缘和背景噪声。在此基础上，提出了一种独立于尺度的有效算法，并应用于模角分离（modular—angle—separated，MAS）的小波函数。用该算法处理二维图像的边缘，效果优于同类方法，且特别适用于有噪声背景的图像边缘提取。     

Linux系统下指纹图像处理系统的研究与实现

基于指纹图像处理准确性高、实时性强等实际要求,介绍了一种指纹图像处理方法.Linux系统下用基于fps200芯片的指纹采集系统采集指纹图像,并用QT编程实现了指纹图像采集、处理的整个过程.通过研究,提出了满足要求的方向增强以及细化算法.整个处理过程实时性强,处理后指纹图像细节特征保存较好,可以胜任AFIS的前期工作.     

DM642在数字图像处理系统中的应用

介绍了DM642在数字图像处理系统中的应用,包括系统硬件组成、软件设计原理、EDMA通道技术等.通过对Sobel算法以及改进的Sobel算法的实验验证运行,结果比较,证明了该系统稳定,运行效果良好,图像处理的速度能达到系统的实时性要求.     

基于滑模干扰观测器的歼击机超机动飞行控制

针对非线性系统存在建模误差和外界干扰等不确定因素问题,提出一种基于滑模干扰观测器在线补偿的非线性动态逆控制方法。通过设计滑模干扰观测器,对不确定因素进行估计,将滑模干扰观测器的输出用以设计新的补偿控制律,与动态逆方法相结合来消除不确定因素的影响。以Herbst机动过程为例进行飞行仿真,并与单纯采用非线性动态逆方法的控制性能进行对比。仿真表明,系统能较好地跟踪姿态角指令,有良好的鲁棒性。     

基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法.控制器由等效控制器和H∞控制器两部分组成.用RBF神经网络逼近非线性函数,并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能.H∞控制器用于减弱外部干扰及神经网络的逼近误差对跟踪的影响.所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后给出的算例验证了该方法的有效性.