刚性圆柱体上圆阵波束形成性能分析

以环绕在刚性圆柱体上的均匀圆阵为阵列模型,分析了刚性圆柱体对圆阵响应的影响,在声场分解所得到的相位模式空间,推导了相位模式波束形成阵列和延迟求和波束形成阵列的白噪声增益和指向性指数的定量表达式,分析了它们在不同频率段的变化规律。在存在和不存在刚性圆柱体两种情况下,对两种阵列性能进行了对比分析。研究了圆阵与圆柱体之间存在间隙时对阵列接收信号及阵列性能的影响。仿真结果表明,在两种情况下相位模式波束形成处理都具有频率不变的指向性,但在低频段牺牲了阵列的鲁棒性;延迟求和波束形成处理在整个频率段具有较好的鲁棒性,但随频率的降低其波束指向性下降,直至变成各向同性阵列。存在刚性圆柱体时,两种阵列鲁棒性均有了一定的提高,前者的指向性不变,而后者的指向性得到了提高。圆阵与圆柱体之间的间隙会降低阵列在高频段的鲁棒性。      

基于惯导姿态信息的高鲁棒性星图识别算法

为提高组合导航条件下星图识别的速度和鲁棒性,提出了基于惯导姿态信息估计星敏感器光轴指向和观测瞬时导航星表的方法,将瞬时导航星表与"金字塔"星图识别算法结合,剔除了角距满足观测星对但位置远离光轴的导航星对,减少了识别时相应观测星的导航星候选结果,提高了识别的速度和鲁棒性.对光轴指向误差为10°的情况进行了仿真,结果表明:当星位置误差小于50"时算法可以识别只包含2颗导航星的星图,当星位置误差小于250"时算法的识别率接近90%;平均识别时间约为27 ms.仿真结果说明算法在星位置误差较大时具有优势.     

基于概率和非概率混合模型的结构鲁棒设计方法

讨论了同时存在概率不确定性量和非概率不确定性量时可行鲁棒性和目标函数鲁棒性的实现策略,提出了基于概率和非概率混合模型的结构鲁棒设计方法。基本做法是首先视非概率型不确定性量为参变量,按照传统概率统计的方法计算约束函数和目标函数的均值和标准方差,然后再考虑非概率型不确定性量的波动变化对约束函数和目标函数统计特征量的影响,以修正常规可行鲁棒性和目标函数鲁棒性的数学模型。所提方法应用于一个10杆桁架结构的最轻质量设计和节点位移鲁棒设计,获得了对不确定性量波动变化不敏感的设计方案。     

鲁棒自适应仿生模糊滑模控制

针对一类非线性系统,将生物个体对外界环境的适应对策弓J入滑模控制中,在模糊滑模控制的基础上提出了仿生模糊滑模控制方法.该法利用生物随外界环境变化的主动适应性来设计控制器.在实际问题中往往出现建模误差、外界干扰等不确定因素,为了补偿模糊控制器与理想控制器的误差,增加了一个鲁棒控制器.这样使系统具有更强的鲁棒性和抗扰动性,有效避免抖振和消除误差,达到理想状态.同时,利用Lyapunov稳定性理论,证明了闭环系统的全局稳定性.最后对线性系统和倒立摆系统进行了仿真,结果表明了方法的有效性和可行性.     

一种激波稳定的对流-压力通量分裂格式

针对欧拉方程三种流行的对流-压力通量分裂方法(Liou-Steffen,Zha-Bilgen和Toro-Vázquez)进行特征分析,进而提出一种新的对流-压力通量分裂格式。采用Zha-Bilgen分裂方法将欧拉方程的通量分裂成对流项和压力项两部分,使用TV格式来计算这两部分的数值通量。利用压力比构造激波探测函数,并且在强激波附近的亚声速区域增加TV格式的剪切粘性来克服数值模拟中的激波不稳定性。数值算例的计算结果表明,新的对流-压力通量分裂格式不仅保留了原始TV格式精确分辨接触间断的优点,而且具有更好的鲁棒性,在数值模拟多维强激波问题时不会出现不稳定现象。因此,该格式是一种精确并且具有强鲁棒性的数值方法,可以广泛地应用于可压缩流体的数值计算中。     

基于内在动机的强化学习算法在两轮机器人中的研究

针对两轮自平衡机器人在学习过程中遇到的主动性差和以往强化学习对单步学习效率低的问题,受心理学中内在动机理论的启发,提出一种基于内在动机的强化学习算法;该算法利用内在动机信号作为内部奖励,模拟人类心理认知机理并与外部信号一起作用于整个学习过程,提高了智能体的自学习能力,同时采用自组织神经网络进行训练,保证了算法的快速性;通过无扰动和有扰动两种仿真实验的对比,验证了基于内在动机的强化学习算法能够使两轮机器人在未知环境下通过自主学习最终达到平衡,且体现了该算法的鲁棒性和可行性。     

复杂网络可控性研究现状综述

控制复杂系统是人们对复杂系统模型结构及相关动力学进行研究的最终目标, 反映人们对复杂系统的认识能力. 近年来, 通过控制理论和复杂性科学相结合,复杂网络可控性的研究引起了人们的广泛关注. 在过去的几年内, 来自国内外不同领域的研究人员从不同的角度对复杂网络可控性进行了深入的分析研究, 取得了丰硕的成果. 本文重点讨论了复杂网络的结构可控性研究进展, 详细介绍了基于最大匹配方法的复杂网络结构可控性分析框架, 综述了自2011年以来复杂网络可控性的相关研究成果, 具体论述了不同类型的可控性、可控性与网络拓扑结构统计特征的关联、基于可控性的网络及节点度量、控制的鲁棒性和可控性的相关优化方法. 最后, 对网络可控性未来的研究动态进行了展望, 有助于国内同行开展网络可控性的相关研究.     

基于全系数自适应预测校正算法的火星气动捕获制导研究北大核心CSCD

实现火星气动捕获制导对未来的返回式火星探测任务具有重大意义.针对火星大气环境密度不确定性大,大气接口初始条件不确定性大等问题,提出并分析比较了两类基于全系数自适应预测校正算法的火星气动捕获制导方法.其中第一类算法分为建立在以远拱点速度半径为控制输出和远拱点变轨速度增量为控制输出两种,另一类算法则是通过跟踪标称气动轨道的半长轴变化率实现制导目标.文章给出了以上三种算法建立的过程,并通过数学仿真验证比较了各个算法的特性,分析结果表明,基于全系数及适应预测校正算法的火星气动捕获方法在保证制导精度的前提下可以提高对环境及初始条件不确定性的鲁棒性.     

基于神经网络的大规模联立线性方程的实时解

本文研究了大规模线性方程问题的扰动Hopfield神经网络, 并给出了网络收敛的判别准则. 在一定条件下, 网络的稳态误差一致有界或者收敛于0, 网络具有较好的鲁棒性. 最后数值仿真验证了方法的有效性.     

三I算法的鲁棒性

基于三I算法的模糊推理不仅在语义上而且在语构上均有合理的解释。在模糊推理三I算法中,研究输入的微小变化所引起输出变化幅度尤为重要。本文首先给出了基于QL蕴涵的三I算法的表达式,进一步借助模糊连接词的鲁棒性,系统地研究了基于几种常见的蕴涵的三I算法的鲁棒性。