传输线色散及不连续性对脉冲信号的影响

由于雷达系统中传输网络的传递函数出现幅频或相频的波纹,宽带雷达系统输出信号会出现成对回波现象,造成信号失真。传统的成对回波理论很难有效地分析微波/毫米波传输线色散和不连续性对时域脉冲信号传输特性的影响,通过利用时域有限差分法(FDTD)结合Taylor级数展开法来研究微波/毫米波传输线色散特性和不连续性是否会产生对时域脉冲信号的成对回波现象,理论研究及仿真结果表明:具有色散性或不连续性的微波/毫米波传输线以及无源器件如滤波器、定向耦合器等在传输时域脉冲信号时都不会产生成对回波现象。     

基于变结构方法的机器手臂自适应控制

针对二自由度机器手臂的轨迹跟踪控制中出现的运动学模型参数可能发生改变以及外部状况变化和负荷变化等不确定因素,提出基于滑模变结构补偿方法的径向基神经网络自调节控制律,其中径向基神经网络抵偿了系统参数不确定性和外部扰动量,滑模变结构方法抵消了径向基神经网络的逼近误差,较好地消除了系统未知不确定性的影响。仿真结果表明,该控制律能保证轨迹跟踪误差的快速收敛性及对参数不确定性和外部扰动的鲁棒性。     

凸优化理论在非线性滚动时域控制中的应用

滚动时域控制是一种考虑整个固定时域范围的控制方法,对于每次由优化算法得到的最优控制序列,仅取序列中的第一个元素作为当前此时刻的控制率。滚动时域控制是一种基于模型、滚动优化并结合反馈校正的优化控制算法。在由控制自由变量的非线性函数组成的非线性优化问题中,该控制自由变量的求取可采用凸优化理论中的相关算法来获取,进而采用滚动时域的思想来重新组合控制变量,以得到最优的控制变量。对于非线性系统中滚动时域控制所得到的最优化问题,分析非线性系统的滚动时域控制是否存在最优解,利用凸优化理论中的基本知识分别推导出此最优化问题在无和有集合约束条件下存在最优解的充要条件,并将此充要条件与经典优化理论中现有的最优条件进行对比,得出该充要条件的优势,最后将凸优化理论在无人机航迹规划算例中进行仿真验证。     

一种新颖的单目视觉深度学习算法:H_SFPN

针对单目视觉目标检测,提出了一种基于single-stage深度学习的H_SFPN算法.该算法与现有的YOLOv3和Cen-terNet算法相比,在保证实时性能的条件下,可有效提高小目标检测的准确度.首先设计了一种新的网络架构(backbone),这种架构通过改进的沙漏(Hourglass)网络模型来提取特征图,以便充...     

基于PD方法的不确定机器人神经网络变结构控制

针对不确定机器人轨迹跟踪控制,提出基于PD方法自适应神经网络变结构控制律,利用RBF神经网络补偿系统参数不确定性,用滑模变结构控制器消除神经网络的逼近误差.仿真结果表明,该控制律能保证轨迹跟踪误差的快速收敛性及对参数不确定性和外部扰动的鲁棒性.     

故障估计下子空间预测控制的仿射设计

基于闭环系统的输入-输出观测数据,无需建立系统和故障的状态空间模型,采用直接设计的方法来估计故障,并设计控制器。对于故障的估计,利用闭环系统中输入-输出关系建立一个参数化的最小二乘问题。在施加故障的上下限约束条件下,采用快速梯度算法来估计故障。在故障估计的基础上,引入子空间预测控制的思想,考虑控制输入为仿射形式下如何设计控制器。对于仿射形式中的仿射项和增益项,借助分离性原理,采用相互迭代的最速下降法求解该2类未知参数矢量。为了验证本文方法估计故障和设计控制器,以直升机悬停状态为例说明了该方法的有效性。     

非线性闭环系统的虚拟参考反馈校正控制设计

针对闭环非线性系统中的控制器为一非线性函数的情况,采用虚拟参考反馈校正控制的设计原理,根据控制器的输入—输出观测数据构造一个基于输出数据的线性仿射函数。通过最小化逼近误差,利用系统辨识的参数估计方法求取线性仿射函数中可调参数权值,从而采用一个含可调参数权值的线性仿射形式来逼近原非线性控制器,通过对参数权值的调整使得逼近误差较小,并给出参数权值的凸优化求解过程。最后用仿真算例验证方法的有效性和可行性。     

飞行仿真转台速率稳定回路的H∞模型参考控制设计

对三轴三框架飞行仿真转台结构的描述下,分析了转台速率稳定回路中控制器的设计问题。针对传统的PI校正抗干扰性能差的缺陷,联合模型参考控制和H∞控制,以得到一种新的控制器设计方法-H∞模型参考控制。该新方法可使得速率稳定回路中的闭环传递函数等于或几乎接近于一个期望的传递函数,并且不仅继承了内模控制设计法中的模型参考特性,而且延拓了H∞回路成形法中的加权选择策略。通过引入两自由度的Youla-Kucera参数化来保证鲁棒模型参考的高性能设计,同时取得鲁棒控制意义下的鲁棒稳定性裕量。经仿真验证表明:采用内模H∞控制方法不仅具有更好的抗干扰性能,同时也改善了高阶系统的动态性能。     

线性回归模型中的递推辨识及其应用

摘要：因机械系统振动响应离散差分方程可以改写为关于结构模态参数的线性回归形式,对于此线性回归形式中的结构模态参数的辨识问题可转化为系统辨识理论中线性回归模型的未知参数矢量的辨识估计问题。当系统对象在白噪声激励下,常规的最小二乘辨识法可以给出参数估计的无偏估计。当系统对象在有色噪声作用下,在常规最小二乘辨识法的基础上提出一种新的可分离迭代最小二乘辨识法。在缺乏关于噪声的统计先验信息,仅有噪声为未知但有界的情况下,提出一种带死区的最小二乘辨识法,该辨识法不仅能给出未知参数矢量的一致性无偏估计,而且还能保证参数估计值逐渐向真值靠拢,任何相邻两估计值之间的逼近程度远远小于噪声的上界。在有界噪声出现的情况下,该算法的鲁棒性可以通过在参数修正方程中引入死区的方法来增强。最后用理论上的仿真算例和弹簧-质量-阻尼系统的振动响应来验证两方法的有效性和可行性。     

一种用于3D四轮定位的RANSAC改进算法（英文）

针对传感器多、操作复杂、检测速度慢等传统四轮定位仪的缺陷,研究了一种快速准确的3D四轮定位检测方法。首先设计了一种全新特殊的圆心标靶进行相机的标定,然后使用改进的RANSAC算法结合设计的特殊标靶对单应性矩阵的配准进行了优化,利用空间矢量原理对车轮定位系统的参数进行精确测量,得到四轮定位的参数。设计传统标靶与新型标靶之间的标定对比实验,与车厂现有四轮定位仪进行对比测试。实验结果表明,使用新型标靶结合优化算法能够提升标定效率约9%-21%,同时,提高了标定精度约10.6%-17.8%;并通过实车测试证明,使用新型标靶结合优化算法可保证四轮定位的准确性和可靠性。该方法在汽车四轮定位参数的快速检测方面具有一定的意义。