煤矿井下开孔定向仪寻北系统误差分析及补偿

针对现有钻机开孔定位装备在测量精度、成本及操作性上不能满足实际需求的问题,设计了一种将基于单轴光纤陀螺的寻北系统与基于微惯性测量单元的跟踪系统相结合的新型钻孔开孔定向仪。以四位置寻北方法为例,介绍了寻北系统的基本原理,并从光纤陀螺的输出误差、安装误差、倾斜角误差、转位误差、地球物理量误差等方面介绍了寻北系统的各种误差及来源。针对安装误差和倾斜角误差,建立了非线性加速度误差补偿模型;针对光纤陀螺的随机漂移误差,采用卡尔曼滤波方法进行修正。实验结果表明,减小倾斜角、光纤陀螺随机漂移误差、转动机构转位误差、安装误差均可有效提高开孔定向仪寻北精度,满足煤矿井下钻探需求。     

基于自抗扰控制的空间飞行器姿态控制研究

空间飞行器姿态控制的主流方法是基于经典控制理论的,但它要求建立对象精确的数学模型。当对象模型不精确或是具有非线性、时变特性时,经典控制方法将很难满足实际的设计要求。在分析了空间飞行器姿态运动特性的基础上,引入自抗扰技术,设计了两种姿态控制系统,并将两者的结果进行对比,验证了自抗扰控制方法的有效性,同时指出了在实际应用中需注意的问题。     

反应注射成型(聚氨酯-聚苯乙烯)间充复合弹性体的热…EI

通过ＤＳＣ、ＴＧ考察了反应注射成型（聚氨酯－聚苯乙烯）间充复合弹性体各相态间的相互作用及其热降解规律。表明，ＰＵＲ交联密度提高有利于其软段相与ＰＳ相形成部分互溶的微相结构，而ＮＣＯ／ＯＨ的提高则促进软段的微相分离及增大ＰＳ与ＰＵＲ的相容性。该共混体系的热裂解属无规热解反应，不同热裂解温度区域内各相态的热失重均有所偏重。     

基于改进粒子群算法的月地转移轨道优化

月地转移轨道优化是月球返回任务的技术难题之一,其搜索空间大、约束条件多。该文通过罚函数法将多约束优化问题转化为无约束优化问题,提出了一种改进粒子群算法,利用适应度函数来更新惯性权重,对粒子的速度加以约束,还对粒子的位置参数引入随机反馈控制,分析了算法的收敛性。在月地返回窗口内获得了逃逸速度增量最小的月地转移轨道优化结果,并利用目标函数的等高线图分析,对优化结果进行了验证。     

一种选择多小波预滤波器的方法

提出了多小波(Multiwavelet)预滤波器的选择原则—预滤波和多小波变换对原数据不引入任何形式的信息损失或失真,该原则对应于预滤波器和多小波滤波器组在频域内能谱密度恒为常数．在此基础上,得到了常用多小波预滤波器应满足的必要条件．提出了用于数据压缩的预滤波器的选择方法,该方法以数据高低频成分分离的分离效率为选择准则．以此准则,给出了常用多小波的最佳预滤波器．仿真实例证实了这种方法的有效性．     

城市交通系统的微观仿真研究

基于微观交通模型,将面向对象方法与可视化技术运用到城市交通系统的微观仿真研究中,开发了一套具有一定实用价值的交通仿真软件。仿真结果表明,车辆运行动画与人的直观交通经验一致。该方法可用于对一般的规模庞大的道路交通网络的研究。     

无线传感器网络中一种能量高效的分布式分簇算法

提出了一种适用于无线传感器网络的能量高效的分布式分簇算法（ＥＥＤＣ）,该算法使具有较高剩余能量及距离基站较近的节点有更大的机会成为簇头．理论分析表明该算法通信开销较小,而且有效地均衡了节点的能量消耗．为了确保ＥＥＤＣ 的正确性、完整性和可靠性,利用形式化方法———着色网对其关键属性进行建模和分析．仿真结果表明,ＥＥＤＣ 有效地延长了网络生命周期,提高了网络的能耗效率．     

似然迭代离差差分滤波算法的机动再入目标状态估计

针对使用离差差分滤波算法对机动再入目标状态估计时,不能充分用到最新量测信息,状态估计误差较低的情况,提出一种新的滤波算法——似然迭代离差差分滤波算法．该算法在二阶离差差分滤波算法的量测更新过程中采用Gauss—Newton方法不断逼近最大后验估计,且使用迭代状态估计值代替状态预测值,修正迭代公式,并使用确保产生的迭代序列向最大似然面移动的迭代终止条件．使用似然迭代离差差分滤波算法估计机动再入目标状态,蒙特卡罗仿真表明,该算法不仅提高了状态估计精度,而且还有很快的收敛速度．     

基于方向图的指纹预处理方法研究

预处理是指纹自动识别系统中非常关键的部分,它直接影响着指纹识别的最终效果。指纹预处理一般包括规格化、方向图计算、图像分割、滤波、二值化等环节,该文系统地讨论了各环节的有效算法。针对以往求取方向图的不足,给出了一种基于灰度统计特性的改进算法;给出了基于方向图的图像分割、方向滤波器模板的设计以及一维局部最大熵选取阈值的二值化方法。通过对上百幅不同质量的指纹图像进行测试,获得了很好的效果。该文方法具有较好的实用参考价值。     

基于L-M方法的迭代容积卡尔曼滤波算法及其应用

针对非线性状态估计中受到较大的初始估计误差和量测方程的非线性的影响致使状态估计精度不高的问题,提出了一种新的滤波算法——基于Levenberg-Marquardt方法(简写为L-M)的迭代容积卡尔曼滤波算法(ICKFLM).该算法将容积卡尔曼滤波算法(CKF)的量测更新过程转换为求解非线性最小二乘解问题,以状态预测和方差预测为初始值,使用L-M方法求解最优的状态和方差估计.把基于L-M方法的迭代容积卡尔曼滤波算法应用到弹道再入目标状态估计中,仿真结果表明,相比于CKF算法,新算法的位置估计误差约降低了70%,相比于基于Gauss-Newton方法的迭代容积卡尔曼滤波算法(ICKF)位置误差降低了40%.新算法具有较高的状态估计精度,且收敛速度快.