具有参数不确定性的火炮弹药协调器定位精度优化

基于火炮弹药协调器定位过程中的参数不确定性,提出一种间接提高定位精度可靠性的优化方法。分析了影响弹药协调定位性能的主要不确定性因素,对不确定性变量进行空间变换和拉丁超立方采样,根据空间变换后采样点到均值点的距离计算误差权值;在Simulink中建立协调过程的机电系统模型,并对各个采样点进行仿真以获取定位误差,对定位误差进行加权取和作为性能指标,使用粒子群优化算法对该性能指标进行了最优化设计。优化计算结果表明,该方法具有显著的优化效果和较高的计算效率。基于火炮弹药协调器定位过程中的参数不确定性,提出一种间接提高定位精度可靠性的优化方法。分析了影响弹药协调定位性能的主要不确定性因素,对不确定性变量进行空间变换和拉丁超立方采样,根据空间变换后采样点到均值点的距离计算误差权值;在Simulink中建立协调过程的机电系统模型,并对各个采样点进行仿真以获取定位误差,对定位误差进行加权取和作为性能指标,使用粒子群优化算法对该性能指标进行了最优化设计。优化计算结果表明,该方法具有显著的优化效果和较高的计算效率。     

弹药协调器结构和位置控制动力学分析

提出了一种两自由度弹药协调器结构方案,研究了其在安装基础存在随机振动情况下的受控动力学行为。把安装基础的振动处理为弹药协调器所受的不确定性外部扰动力,并忽略弹药协调器对安装基础的作用,同时假设外部扰动力和控制力大小有界;根据协调器的第二类La- grange 方程以及一种特殊给定的隐式Lyapunov 函数,建立了协调器的非线性控制算法以及结构与控制的耦合动力学方程;利用牛顿迭代法与龙格库塔法,求解了上述受控系统动力学方程。计算结果表明,所提出的两自由度弹药协调器可以实现弹药在存在随机基础振动情况下的准确协调定位。     

弹药协调器等效模型主要参数辨识方法

为在弹药协调器故障诊断研究中建立精确的动力学模型,对其等效模型主要参数辨识方法进行研究。建 立弹药协调器等效模型的数学模型,给出时间序列相似度计算方法,使用粒子群算法对模型中的主要参数进行辨识。 结果显示：粒子群算法在弹药协调器等效模型的主要参数辨识中精度达到1.1%和1.4%,可为弹药协调器的动力学建 模提供关键参数。     

火炮弹药协调器区间不确定参数辨识

火炮弹药协调器是一个复杂的多参数机电液一体化系统,在建立其动力学模型时,某些对系统性能有重要影响的不可测或难以测量的参数,只能通过辨识的方法获得。为了实现弹药协调器的参数辨识,在Simulink中建立弹药协调器的动力学模型与控制模型,并利用区间数描述系统动作过程中的不确定参数;利用区间序关系转换模型,将存在区间不确定参数的辨识问题转换成确定性优化问题进行求解;以协调器支臂角速度曲线的相似度作为优化目标,利用差分进化算法实现了弹药协调器的参数辨识;利用仿真数据确定了此方法的辨识精度满足要求,并利用测试数据对真实系统的参数进行了辨识,验证了此方法的可行性和有效性。     

某火炮药协调器动力学与控制一体化建模与分析

药协调器是某大口径火炮弹药自动装填系统的重要组成部分,是复杂的机电系统,其性能好坏将直接影响弹药自动装填系统的精度、可靠性和安全性.为了分析药协调器的动态特性影响因素以提高协调到位可靠性,对系统进行了仿真与试验研究.采用Adams和Simulink仿真软件分别建立了药协调器的动力学模型及控制系统模型,利用交互接口建立了...     

基于虚拟样机的某弹协调器定位可靠性分析

弹协调器是大口径火炮装填系统的重要组成部分。针对某弹协调器的定位可靠性进行仿真分析及可靠度计算,在RecurDyn中建立弹协调器多刚体模型和刚柔耦合虚拟样机模型,导入Matlab中建立机械控制混合模型,在协调器协调65°的工况下,进行协调运动仿真。根据弹协调器样机试验测试结果对两种模型的仿真结果进行评价,其中刚柔耦合仿真模型的正确性得到验证;在考虑协调过程中的蜗轮的磨损、小平衡机压力变化、驱动电压变化3个影响因素的基础上进行仿真,从而得到可靠性分析数据;采用响应面法与蒙特卡洛法相结合的方法对协调器65°协调定位可靠度进行计算。     

某弹协调器减速器动力学仿真分析

弹协调器是自动装填系统中的重要部件,在使用过程中经常出现协调到位不准确的问题。以多体动力学理论和ADAMS软件为基础,建立某弹协调器多刚体虚拟样机模型,计算得到工作过程中减速器齿轮啮合力的变化曲线,利用ANSYS软件对协调器支臂进行柔性化处理,建立刚柔耦合虚拟样机模型,重新计算得到振动条件下齿轮啮合力的变化曲线。通过对两种仿真结果及与理论计算结果进行比较,得出冲击振动环境会对协调器协调定位精度产生较大的不利影响,为全面研究协调器协调定位可靠性提供了重要参考。     

基于RBF神经网络的SO2的预测

基于RBF神经网络的SO2的浓度预测,选取一定的历史数据建立径向基函数神经网络训练模型,进行拟合训练.将芜湖市1993年到2001年大气SO2的浓度历史数据用于径向基函数神经网络,建立训练网络模型,通过训练优化提高训练可靠性.再用该模型对芜湖市大气中SO2的浓度进行预测.     

沿临近空间机动弹道的扰动引力重构模型优化

以高超声速滑翔飞行器滑翔段弹道为研究对象,针对沿弹道的扰动引力快速计算问题,提出一种基于延拓逼近理论的扰动引力快速重构方法。基于多岛遗传算法,建立了重构模型的优化算法。在求解优化问题过程中,为降低计算规模,基于最优拉丁超立方试验设计方法和径向基神经网络构建了原始重构模型的代理模型。仿真结果表明,所提重构方法可适应机动飞行下的复杂环境,在满足弹载计算机存储量要求的前提下可有效地提高弹道精度。     

火箭弹气动学科近似方法分析

为了确定最适合于火箭弹气动学科的近似方法,分别采用二阶响应面方法、Kriging方法、径向基神经网络方法构建了火箭弹气动学科代理模型,并对三种代理模型的近似精度做了比较。针对现有近似方法评估策略的不足。提出了一种基于相对误差综合均值的近似效果综合评估策略。结果表明该评估策略是有效的,二阶响应面近似方法不可取,径向基神经网络近似方法部分点数据的近似精度低于Kriging方法,但其综合性能最好。     

基于RBF神经网络的空空导弹控制器设计

应用倾斜转弯（Bank to Turn，BTT）及推力矢量控（Thrust Vector Control．TVC）技术设计并建立了空空导弹六自由度模型。在此基础上考虑气动参数变化和建模不确定性引起的误差对导弹控制系统的影响，为消除误差影响，引入RBF神经网络分别对快慢回路进行补偿，利用李亚普诺夫（Lyapunov）稳定性定理推导了神经网络权值、中心及带宽的自适应规律，并证明了闭环系统的稳定性。通过对某型空空导弹大机动仿真研究，结果表明RBF神经网络自适应控制方法补偿作用显著，不仅改善了控制系统的动态性能，而且使系统具有良好的抗干扰和容错能力。     

采用RBF神经网络的状态监测数据趋势预测

采用RBF神经网络的状态监测数据趋势预测,通过选取状态参数、数据预处理、运用Matlab神经网络工具箱建立RBF神经网络模型.先对网络初始化,确定输入、输出和隐含层的节点数.再将网络输出结果与样本比较,根据求得误差值逐步调整隐含层神经元数量,直至误差满足实际需求为止.对网络仿真证明该法具有较高精度.     

基于 RBF 神经网络的滚仰式导引头控制系统设计

为保证滚仰式捷联导引头的稳定控制,提出了一种基于 RBF 神经网络整定的 PID 控制策略,用于导引头稳定回路校正环节。根据滚仰式捷联导引头的运动学与动力学关系,结合导引头稳定回路校正环节采用的 RBF 神经网络 PID 控制算法,建立了滚仰式捷联导引头稳定与跟踪一体化仿真模型;仿真结果表明：滚仰式捷联导引头稳定回路采用 RBF 神经网络整定的 PID 控制器后,其动态性能优于传统 PID 控制器,建立的仿真模型能够对机动目标实现快速稳定跟踪,在工程应用中可提供有益参考。     

神经网络在导弹贮存可靠性预测中的应用

为了更准确预测导弹贮存可靠性,提出基于全局逼近BP网络和局部逼近RBF网络对导弹贮存可靠性进行预测,给出了预测的基本步骤,分别基于BP网络和RBF网络对某型舰舰导弹的贮存可靠性进行了预测,结果表明:这两种网络都能够解决导弹贮存可靠性预测的问题,预测误差均满足要求;RBF网络预测精度略高于BP网络,具有更好的函数逼近能力。RBF网络更适用于导弹贮存可靠性的预测。     

基于RBFSMC 的舰载武器随动系统控制策略

为解决舰载武器在海上射击时精度不高的问题,提出一种基于RBF 神经网络滑模控制策略。根据舰载武 器随动系统的工作原理,建立舰载武器随动系统数学模型,利用滑模在非线性控制中的优越性,采用RBF 神经网络 对系统的摄动参数进行自适应逼近,解决滑模在切换时产生的抖振问题,得出舰载武器随动系统位置控制器的控制 律。仿真结果表明：该控制策略能提高舰载武器随动系统的快速响应能力和动态精度,满足系统要求。     

基于小波滤波与RBF 网络的微弱磁场信号检测

针对水中兵器检测船舶磁场信号时信噪比较低的问题,提出基于小波滤波与RBF神经网络的微弱磁场信号检测算法。根据船舶磁场信号的时频特征,对采集的信号进行小波分解,提取最后一层的低频分量,滤除高频噪声;并采用样本数据对RBF网络进行学习,利用学习好的RBF网络对含噪信号进行处理,提取船舶目标特征信号。通过计算机仿真结合实测数据对算法进行了检验。结果表明：该算法可以显著提高信噪比,增强了对微弱磁场信号的检测能力。     

不确定机械手的自适应神经滑模控制

针对不确定机械手的跟踪控制 ,提出了一种基于神经网络的自适应鲁棒控制器。该控制方案利用一个 Radial basis function神经网络逼近系统非线性不确定性 ,然后 ,通过一个滑模控制项消除网络逼近误差和外部干扰的影响 ,从而能保证闭环系统的稳定性和系统跟踪误差的渐近收敛     

基于RBF神经网络的Kalman滤波在惯导系统传递对准中的应用

针对模型存在误差时传统的Kalman滤波算法误差变大甚至发散的缺点,利用RBF神经网络较强的非线性逼近能力,提出用RBF神经网络辅助Kalman滤波的新算法,将其应用于舰载机惯导系统的传递对准中。仿真表明该算法优于传统Kalman滤波算法。