考虑多重影响因素的巡航飞行器增程优化设计研究

为有效提升现有巡航飞行器的航程,在不改变飞行器总体布局的情况下,考虑气动特性、质量等多重因素影响,研究了某巡航飞行器增程优化技术。首先,分析了巡航飞行器在典型飞行任务下的气动特性以及优化所需的有效参数;其次,构建了机翼翼展变化时翼展长度与机翼面积的映射模型,估算了不同翼展长度情况下飞行器质量的变化;然后,以翼展长度作为直接设计变量,考虑计算精度与优化效率,设计了基于遗传算法与神经网络相结合的优化方法,完成特定飞行条件下的航程优化。仿真分析表明,在设计约束范围内,当翼展长度增加到原来的1.16倍时,其航程相比原来可以增加18.03%,达到性能最优,同时,将影响航程变化的质量要素纳入设计优化,提高了性能优化的精准性。本文方法具有一定的理论和应用价值。     

Delphi下利用VC封装线程实现高精度实时控制

在VC 环境下，利用多线程技术在DLL中封装了对底层进行操作的函数；在Delphi中调用此DLL开发高精度的实时控制程序；同时结合硬件给出应用实例。     

基于小波分解和RBF网络的三极管电路故障诊断

在分析现有三极管放大电路故障诊断算法不足的基础上,提出了一种基于模型的小波-RBF网络故障诊断算法。在PSPICE环境下建立三极管常见的故障模型,利用多层小波分解优异的时频特性提取故障特征参数,利用RBF强大的非线性分类能力和快速的收敛特性进行了典型共基极放大电路中三极管的软、硬故障诊断仿真。计算及仿真结果显示,这种故障诊断算法具有诊断速度快、诊断正确率高的特点。     

基于RBF网络的模拟电路故障诊断算法

针对BP神经网络在模拟电路故障诊断上存在的收敛速度慢、易陷入局部最小等不足,提出了一种基于多层小波分解和RBF神经网络的模拟电路故障诊断算法。为提高诊断效率,用多层小波分解能有效提取电路故障特征;用RBF网络优良的泛化能力和快速的非线性逼近能力可以较好的解决模拟电路中存在的容差和非线性问题。故障诊断仿真实验表明,在保证较高故障诊断正确率的情况下,RBF网络的训练次数得到了极大地缩小,有效克服了基于BP网络算法存在的上述不足,极大地提高了模拟电路故障诊断的时间效率。     

基于GA-SVM的数模混合电路故障诊断研究

针对数/模混合电路的故障诊断,将遗传算法与最小二乘支持向量机相结合,提出一种二值分类故障诊断方法,在保证故障诊断的准确率和可靠性的基础上,实现多类故障的快速诊断。采用遗传算法优化支持向量机的结构参数和核函数参数,建立基于支持向量机的故障分类模型;提出适用于数/模混合电路的故障诊断的二值分类策略;在Pspice环境下进行仿真验证,实验结果表明,该方法有效提高了的故障诊断的精度和效率,在类别较多故障模式中具有明显的优势和实用价值。     

一种基于马氏距离的模拟电路软故障检测算法

提出了一种基于小波分解和马氏距离判定准则的模拟电路软故障检测算法;在pspice环境,完成了一个低通滤波电路在常态和各软故障模式下的Monte-Carlo仿真,分别采样常态及各故障状态下输出节点电压并进行小波分解,利用近似系数分别求出无故障态和各故障模式下的马氏距离,并以此作为故障判定依据。仿真及计算结果显示,这种故障检测算法对模拟电路的软故障具有良好的识别能力,且具有算法简单、计算量小的优点。     

马氏距离在模拟电路硬故障检测中的应用研究

针对模拟电路硬故障检测问题,提出了一种基于马氏距离的快速检测算法,并利用pspice电路仿真软件对一个二阶滤波电路进行了电路建模及故障检测仿真.在pspice环境下,进行含容差待测电路无故障和各故障模式下的蒙特卡洛仿真,选取输出电压作为采样点,利用输出电压的小波分解系数求出无故障态和各故障模式下的时-频马氏距离,并以此作为电路故障判据.matlab下的计算结果显示,这种故障检测算法对模拟电路硬故障具有良好的检测能力,故障诊断正确率可达92%以上,且具有算法简单、计算量小的优点.     

高超声速飞行器控制输入时滞特性分析及主动鲁棒控制

本文研究了采用主动时滞补偿的主动鲁棒控制来解决高超声速飞行器的输入时滞问题。 由于高超声速飞行器的高动态特性， 使得系统存在强不确定性、 高非线性、 强耦合性、 输入时滞等问题， 控制系统的设计中存在许多难题。 因此， 设计一个能够克服时滞影响的控制算法是十分必要的。 本文首先采用频域方法分析了输入时滞特性影响； 然后， 基于超前预测的时滞补偿策略， 通过设计一个状态观测器对系统状态进行估计， 进而设计多步预测补偿算法来实现时滞补偿； 最后， 结合鲁棒控制方法提出了面向时滞补偿的高超声速飞行器主动鲁棒控制算法。 该种控制策略不仅可以解决参数模型的不确定性的鲁棒稳定性问题， 同时也保证了输入时滞情况下的系统状态稳定。 数值仿真的结果证实了该控制策略的有效性。     

基于自适应Kalman滤波的加速度计动态数据处理

针对实际使用条件下的加速度计的动态测试,讨论了一种加速度计的动态数据处理方法.动态测试中,由于实际情况的时变性和随机性,噪声统计特性可能是未知的且时变的,先验的数据也因此失去意义;另外,动态测试中野值也会对测试精度产生严重的不利影响;运用抗野值自适应Kalman滤波算法对动态数据进行了处理,结果表明该方法能够有效的剔出测试过程中粗大误差、过程干扰以及环境噪声的影响.