基于单神经元自整定PID的稳定平台调平控制

稳定平台调平回路大多采用PID进行控制,但这种算法具有抗干扰性能不高的问题,利用神经网络具有自学习、自组织、联想记忆和并行处理的功能和优势,设计了单神经元自整定PID控制算法。该控制算法不仅结构简单,而且适应性强,鲁棒性强。在设计中,采用了一种改良的Hebb学习算法对稳定平台调平回路进行控制。最后的仿真结果表明,单神经元自整定PID控制算法比传统PID控制算法在很多指标上都要好。尤其超调量、干扰抑制能力、过渡时间等动态指标非常优秀,是一种较为理想的控制算法,可以推广应用于各类稳定平台系统。

基于小样本RBF神经网络的导引头测高性能评估方法研究

针对导弹武器装备的试验成本高且试验数据少的问题,提出了一种小样本RBF神经网络模型。利用TOPSIS(逼近理想解排序法)法处理原始数据,充分挖掘数据深层信息,再利用Bootstrap法(自助法)对处理完的数据进行扩充,然后通过RBF神经网络(radial basis function)建立评估模型。最后,将小样本RBF神经网络模型应用于导引头测高性能评估以验证算法的有效性。仿真实验结果表明,小样本RBF神经网络模型的决定系数和误差系数相对于其他模型得到明显改善。该模型不仅规避了专家法、层次分析法、模糊综合评价法等常用效能评估方法主观性强的特点,同时,针对小样本问题提出了一种有效的解决方案。

基于创新序列扩展H_(∞)滤波器的自适应车辆运动估计

车辆运动估计是考察汽车自动驾驶技术的关键性能指标。提出了一种新的车辆运动估计方法,以实现高度动态驾驶环境下对汽车的精确定位和跟踪。提出的扩展滤波器基于恒定转速和加速度的运动学模型,融合了激光雷达传感器、惯性传感器和车辆动态传感器的测量结果。利用机器人竞赛中自动驾驶赛车的测量数据验证了该融合算法,并与标准卡尔曼滤波算法的结果进行了比较。结果表明:该估计方法可对高速运动下的物体进行非常快速地跟踪,即使是在创新较低的情况下,仍然可以实现估计。此外,采用了纯运动学模型,该模型对车辆参数、轮胎路面状况变化和驾驶动作变化具有鲁棒性。因此在不同的场景下同样具有广泛的适用性,该算法对车辆运动估计算法的发展有着一定的参考意义。

织物基微型电路的研究进展

智能可穿戴电子产品的微型化和高度集成化需求促进了柔性电路的发展。柔性电路通过不同工艺方式附着于柔性的绝缘基底,凭借其轻薄、微尺寸、高导电和强弯折性等特点,在军工装备、汽车、传感器等电子产品领域中广泛应用。其中,织物基微型电路可以将电子器件的制造和功能与柔性纺织品结合,有助于推动未来智能服装的商业化应用。针对不同基底织物与高导电墨水原料,总结了目前柔性电路的制备方法,阐述了各制备方法的优缺点,剖析了织物基微型电路的实际应用情况,并对未来织物基微型电路的发展趋势做出展望。