组合导航软件可靠性的评估

在大规模导航软件系统中，软件评估的主要任务就是要精确地估测程序模块中存在的缺陷数。介绍了组合导航软件的评估方法和步骤，着重介绍了JM模型和G－O模型，并提出了神经网络评估软件可靠性的具体方法。对组合导航软件的特点及测试方法进行了讨论。根据软件模块测试报告，分别用JM模型、G－O模型和神经网络对软件模块的缺陷数进行预测，并给出了组合导航软件3种模型的评估质量的比较。结果表明：神经网络方法优于传统模型方法。     

基于神经网络的非线性随机系统的状态估计

针对惯性导航系统的特点，建立一个三层ＢＰ网络，用测量到的带有噪声的输出变量序列和状态变量作为样本，训练神经网络，经过训练的神经网络对噪声具有抑制能力，可用带有噪声有输出变量序列来估计状态变量的真值。     

子系统闭右半平面传输零点对一般二自由度控制系统闭环传递矩阵的限制

对于一般二自由度控制系统，本文讨论了当系统内稳定时，子系统闭右半平面传输零点对系统闭环传递矩阵的限制．这种限制对于闭环传递矩阵满足某些性质时施加了约束．本文的结论扩展了文献［３］的结果．     

基于高阶神经网络扩展卡尔曼滤波器算法的非线性动态系统辨识

针对非线性动态系统辨识 ,采用高阶神经网络和径向基函数网络相结合的方法 ,神经网络的连接权值可作为系统的未知参数 ,用扩展卡尔曼滤波器 (EKF)算法来估计 ,确保了该方法的快速收敛 .具体模型的仿真结果表明该方法能快速收敛 ,并能方便的用于在线辨识 .     

非线性挠性结构的输出反馈变结构控制

针对在挠空间结构中挠性模态不可测的特点,仅利用输出信息设计结构控制器。把模态截断所引起的模型不精确以及非线性部分均当作模型的未知部分,采用了多个滑动平面切换的方式,先以较小的趋近时间到达一个滑动平面,在该平面上滑动一段时间,再趋向于另一个平面,以加快收敛速度,最后,具体卫星模型的仿真表明 ,该方法具有很好的控制效果。     

一般分布下的自学习滤波方法

针对Ｋａｌｍａｎ滤波存在的储多难点，在一般分布下的二阶近似最小方差估计的基础上，本文首次提出了正态严平稳假设下的自学习自适应Ｋａｌｍａｎ滤波，并相应研究了分布蜜度的离线异步自学习估计方法，文中又利用了Ｂａｙｅｓ公式得到了非线性校正项的三阶联合中心矩和四阶中心矩的自学习估计方法，并据此提出了一般分布下的自学习自适应滤波的基本公式。本文对上述理论的收敛性进行了严格证明，并指出了待研究的若干问题。     

局部高放系统及对于摩擦的抑制

局部高放系统是用高阶导数组成的反馈回路抑制干扰,非线性及变参数的影响,从而使低阶导数和位置反馈回路的性能得到改进,局部高放回路增益易调高。文中讨论了允许无穷增益的条件,结合机电装置有干摩擦的控制对象讨论了用局部高放系统抑制干摩擦的影响。最小速度限和精度及与增益的关系,文中给出了实际例子。     

局部高增益分散递阶控制

讨论了分散递阶系统的局部高增益控制问题，它是用高阶导数反馈组成局部高增益回路实现解耦，提高鲁棒性从而提高系统的可靠性和精度，为分散递阶控制提供了新方法。文中在状态空间进行了一般理论分析，给出了实际例题并给出了实现无穷增益的条件（简称为Ｋ∞控制）。     

基于测角和距离补偿的拦截和交会控制系统的分析与设计方法

本文用广义拉氏变换法[3]研究了基于测角和距离补偿的拦截和交会控制系统[1]的分析与设计方法,文中首先依据运动的教学模型给出了分析方法,后在S—域给出了设计方法,实现了最优控制[1][2]设计,为最优控制器和适应控制提供了数学模型和算法。