磁通门测量地磁信号的数字化分析

针对现有的磁通门信号处理电路仍以模拟元件为主,电路较为复杂的缺点,提出了一种以数字信号处理器(DSP)为主的信号处理系统,优化磁通门传感器的结构,提高了磁通门传感器的抗干扰能力.根据双磁芯磁通门的基本原理,建立了磁通门数学模型并采用Simulink信号处理模块模拟DSP对磁通门输出信号进行处理;针对双磁芯磁通门上、下磁芯不一致产生的磁通门信号噪声,采用带通滤波方法进行了滤波,仿真结果与理想状态下双铁芯磁通门的输出一致,系统分辨力达到3 nT.通过实验数据与仿真数据的对比,验证了DSP信号处理系统的可行性.     

弹箭滚转姿态地磁测角仪的卡尔曼滤波算法

为降低地磁测角仪测量地磁场矢量信息解算弹箭滚转姿态角误差,文中运用卡尔曼滤波算法对弹体滚转角进行估计.通过对火箭弹滚转角速度变化规律的分析,用二阶近似表达弹体滚转运动规律作为卡尔曼滤波算法的系统方程,以磁场强度与数字量输出之间的非线性关系作为卡尔曼滤波算法的量测模型.通过实验仿真分析结果表明,滤波所得弹体滚转角、滚转角速度精度满足弹道修正弹要求,可用于弹道修正弹药被动段的弹道控制.     

文化基因算法优化PID神经网络系统辨识

PID神经网络(PIDNN)是一种融合比例、微分、积分环节,结构简单固定,且具备动态网络特点的神经网络模型,适合于非线性系统辨识。但是网络对初始权值和样本质量敏感,参数难以选定,导致网络收敛速度慢,容易陷入局部极小。提出一种采用文化基因算法(Memetic Algorithm)优化网络权值的方法。在差分进化(DE)算法全局寻优结果基础上,通过混沌局部搜索算法,进一步优化网络权值;根据PIDNN特性,在优化过程中加入先验知识,采用L1正则项,对目标函数正则化,避免算法搜索到无潜力解,保证网络模型泛化能力。对一杂非线性系统进行辨识仿真,仿真结果表明优化后的神经网络辨识精度高,有良好的泛化能力。     

超声波电机转速的PIDNN控制

针对行波超声波电机运行过程中的较强时变性与非线性特征,引入了一种比例—积分—微分神经元网络(PIDNN)电机速度控制器.控制器网络融合了状态转换函数,具备动态映射能力,利用PID控制律先验知识确定权值初值,通过可变学习速度反传算法(VLBP)在线学习,使训练结果快速收敛,不易陷入局部极小,从而实现对超声波电机稳定快速的控制.采用参数变化电机模型对控制器进行仿真校验,仿真结果表明:方法具有较快的响应速度和较高的鲁棒性,能通过在线学习补偿电机运行过程中的非线性.     

弹载地磁传感器时变误差的校正

在弹箭设计过程中,为了获得弹体飞行时的气动参数,通常采用地磁传感器来测量弹体的姿态信息,而采用的三轴磁传感器都存在误差,因此,对误差的校正就显得很有必要了。在文中提出了一种新的校正方法,该方法是对已有的常规误差校正方法的扩展,使之能用来对磁传感器的时变误差进行校正。这种方法可用于复杂电磁环境中的弹载测量系统,可以有效校正磁传感器的测量误差,最后通过仿真实验数据对结果进行了验证。     

自适应卡尔曼滤波器在火箭弹落点估计中的应用

利用雷达对火箭弹一段飞行过程中的参数进行量测,对火箭弹落点进行了准确估计,实现了火箭弹的轨迹修正。采用具有自适应调节滤波增益矩阵的卡尔曼滤波器,结合质点弹道模型,建立了自适应卡尔曼滤波弹道模型,完成了对三坐标雷达探测的一段火箭弹飞行参数的野值处理与滤波,并对火箭弹落点进行外推。数值仿真结果表明,经自适应调节的卡尔曼滤波器滤波后,弹道量测信号中的野值与噪声被有效去除,且滤波方差可以在短时间内收敛。根据滤波时间与落点估计误差的关系,采用滤波时间为8-10 s 方案,可得到最佳的落点估计。