一种新型的特种轻小型偏心杠杆式伺服机构技术研究

针对大负载力矩和狭长的安装空间要求,本文提出了一种新型特种轻小的偏心杠杆伺服机构,可将旋转的输入运动转变为摆动的输出运动,可用于直接驱动舵面。并设计了原理样机,进行了初步试验验证,试验结果表明该设计是合理可行的。     

基于卷积高斯混合模型的统计压缩感知

高斯混合模型被广泛应用于统计压缩感知中信号先验概率分布的建模.利用高斯混合模型对图像的概率分布进行建模时,通常需要先对图像分块,再对图像块的概率分布进行建模.本文提出卷积高斯混合模型对整幅图像的概率分布进行建模.通过期望极大化算法求解极大边缘似然估计,实现模型中未知参数的估计.此外,考虑到在整幅图像上计算的复杂度较高,本文在卷积高斯混合模型和压缩测量模型中引入循环卷积,所有的训练和恢复过程都可以利用二维快速傅里叶变换实现快速运算.仿真实验表明,本文所提的MMLEconvGMM算法的恢复性能要优于传统的压缩感知算法的恢复性能.     

基于LSTM模型的飞行器智能制导技术研究

人工智能技术的突破性进展为飞行器再入制导技术的研究提供了新的技术途径, 本文针对预测校正制导中两方面的问题: 一是纵向“预测环节”积分计算量大和“校正环节”割线法迭代求解难以满足实时性的问题, 二是纵向制导和横向制导都需要对动力学方程进行积分, 存在明显的冗余计算问题, 提出基于长短期记忆网络(long short-term memory, LSTM) 的飞行器智能制导技术. 一方面, 在纵向制导中不需要对动力学方程进行积分来预测待飞射程, 即去除“预测环节”; 另一方面, 不再基于割线法迭代求解倾侧角的幅值, 即去除倾侧角的“校正环节”, 大大减少积分计算量, 提高计算速度. 利用深度学习在神经网络映射能力和实时性方面的双重天然优势, 基于再入飞行器的实时状态信息, 采用LSTM模型实时生成倾侧角指令. 同时, 将纵向和横向制导环节的制导周期统一为一个周期, 进一步确保制导系统满足在线制导的实时性要求. 蒙特·卡罗仿真分析表明, 本文所提的方法在飞行器再入初始状态和气动参数拉偏情况下具有精度和速度上的优势.