光电平台惯性稳定系统的自适应动态摩擦补偿

机载光电平台能够实时获取侦察测量信息,通过设计惯性稳定系统隔离载体运动以减小光学传感器视轴的抖动。对于采用整体稳定方式的光电平台,环架轴系间的摩擦是影响视轴稳定精度的主要扰动因素。考虑摩擦力矩由LuGre动态摩擦模型描述,针对动态摩擦参数和系统负载特性未知的情况,为惯性稳定回路设计了一种模型参考自适应摩擦补偿控制器。通过类李雅普诺夫分析证明了闭环系统跟踪误差的渐近收敛性。仿真结果显示,相比采用传统的比例积分惯性稳定控制器,光电平台系统的稳定精度得到显著提升。     

简易地模温度控制系统

本文以简易地模温度控制系统的设计为例，阐述了高精度开口温度控制系统设计思想及方法．     

温控系统中的测温仪表及误差补偿

介绍了温度控制系统中的测温仪表的设计，参数估计及控制误差的补偿方法．基于此方法研制的某伺服转台温控系统，精度达到０．２℃。     

机械振动对光纤陀螺的影响及其减小措施

机械振动是光纤陀螺应用过程中无法回避的环境因素之一,如何提高机械振动条件下的精度是光纤陀螺设计和工程应用中必须考虑的内容。对机械振动影响光纤陀螺仪性能机理进行理论分析的基础上,在光纤环圈中引入了“匹配点”的概念,指出在光纤环中“匹配点”的空间位置越近越利于提高陀螺的振动性能,提出了通过采用四极对称缠绕技术是实现“匹配点”最小的一项有效措施,通过实例说明能否很好的控制四极对称绕法精度,对光纤陀螺的机械振动性能有很大的影响;实现了四极对称缠绕技术,很好的抑制了机械振动对光纤陀螺性能的影响。     

光纤陀螺用Y波导半波电压的测试方法研究

提出了一种基于塞格纳克效应的用于精确测量光纤陀螺用集成Y波导半波电压的方法--陀螺开环搜索法.这种方法通过特殊的调制和解调方式使塞格纳克干涉仪工作在开环状态,干涉仪的输出信号中包含有调制信号复位电压与集成Y波导半波电压的信息,利用这些信息调节调制信号复位电压,使之不断逼近集成Y波导的半波电压,最终达到集成Y波导半波电压的精确测量.这种方法利用光纤陀螺本身的光路和电路进行测量,不需搭建专用的测试系统,而且可以实现全自动测量.它比目前广为采用的马赫-泽德干涉仪法更精确、更方便、更有实用价值.     

离散模糊二次多项式系统输出反馈跟踪控制

针对一类离散模糊二次多项式系统,设计了输出反馈跟踪控制器。首先,提出了一类离散模糊二次多项式模型;然后,基于非线性控制方法中的反馈线性化方法,设计了输出反馈跟踪控制器,使得闭环离散模糊二次多项式系统的输出可以实现对有界时变参考轨迹的动态跟踪。针对应用反馈线性化方法易出现的奇异性问题,建立了一个充分条件,用于判定一个给定的离散模糊二次多项式系统是否会出现上述问题。最后,通过对数值算例的仿真验证了所提出方法的可行性和有效性。     

两轴稳定装置稳定机理分析与框架运动补偿计算

以动载体为载体且要求视轴指向稳定的设备系统,如果不采取稳定措施,载体姿态的变化将通过各种耦合途径传递到设备系统中,使设备系统的视轴指向不稳定.以两轴稳定装置为研究对象,建立了各坐标系之间的坐标变换关系,分析了两轴稳定装置稳定的机理,推导出在多种速率陀螺仪配置方式下,两轴稳定装置对载体姿态角速率变化干扰的全补偿公式.研究结果将为两轴稳定装置伺服系统的设计打下基础.     

自主视觉导航方法综述

为深入研究视觉导航方法,对自主视觉导航方法进行了综述。阐述了视觉导航方法的分类方式,并按照视觉导航系统对地图的依赖性进行分类（即基于地图的视觉导航、地图生成型视觉导航和无地图型视觉导航）,对视觉导航的发展进行综述;给出了视觉组合导航系统的发展现状。对近年视觉导航领域文献的分析表明,视觉导航的研究热点在向智能化和多传感器融合方向延伸。     

二维最大熵和椭圆匹配的月面障碍物识别

月面障碍物识别是月球探测器自主着陆末段一个非常重要的环节.而岩石是月球表面存在较多的一种地理特征,有效地识别岩石既可以保证月球探测器的安全着陆,也可以为探测器选择适合巡视勘查的着陆场提供必要的信息.研究中将二维最大熵方法应用于图像分割,获得图像中由障碍物形成的阴影区域,然后使用椭圆匹配的方法匹配岩石的阴影区域,获得岩石的尺寸和位置.仿真实验结果表明,该算法可在0.3 s内有效地识别出图像中直径0.1 m以上的各种尺寸岩石,符合月球探测器末制导任务的实时性和精确性要求.     

基于Q网络的磁悬浮自学习控制系统设计

针对现有磁悬浮控制系统设计方法依赖动力学模型的问题,利用Q网络强化学习方法,在不依赖系统模型的条件下,训练得到基于Q网络的自学习控制器;基于系统运动方向设计奖励函数,提高了强化学习训练的收敛速度;提出了基于系统加权平均状态(weighted average states,WAS)的训练算法,自适应调节每回合的训练步数,以提高控制网络的有效控制范围.数值仿真结果表明,基于WAS算法的Q网络自学习控制器能够实现磁悬浮系统的稳定控制,对比普通的强化学习算法,能够实现系统更大范围的稳定控制.