简介：小型移动机器人在未知环境下运行，陀螺所受噪声干扰无法建立有效的数学模型，需要仅从观测信号中把噪声去除，并估计出原始信号，根据该特点提出一种微机电陀螺信号盲均衡迭代反卷积算法。该算法利用横向滤波器对陀螺信号进行反卷积运算，使用贝叶斯方法对信号进行估计，建立了误差函数并与LMS算法组合，实现了均衡器参数的自动调整，在小型移动机器人上进行了算法实验验证。实验结果表明，该算法可以有效分离角速度信号与噪声信号，其噪声信号幅值减小约10倍，移动机器人运行275.41s抵达终点的偏航角误差从13°下降到1.46°。

简介：讨论了一种适用于双轴测试转台的全数字化控制系统结构。该系统采用了多单片机并行实现的主从分布式控制方法，不仅大大简化了系统硬件设计，提高了可靠性；而且其控制器完全由软件来实现，易于实现模拟电路难以实现的复杂的控制规律；同时也为在不改变硬件的前提下进一步扩展系统功能，改善系统的动、静特性提供了基础。实验表明，文中提出的全数字化控制系统结构完全能满足双轴测试转台的控制需要。

简介：惯性平台台体的动态特性直接决定着惯性仪表的工作精度和可靠性,模态分析是研究机械系统动态特性的主要方法之一.在概述了实验模态分析理论的基础上,建立了某型号平台台体结构的实验模型,对其进行了实验模态分析.通过对实验结果与有限元计算结果比较,验证了有限元结果较为准确;同时针对结构存在的问题,通过灵敏度分析对结构的动力修改提出了改进意见.

简介：开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.

简介：带宽的保证是三轴陀螺漂移测试转台(以下简称三轴转台)伺服系统设计的主要困难,从使用的角度出发,要求转台伺服系统有较大的带宽,以使三轴转台有较快的响应速度,对干扰有较强的抑制能力,提高三轴转台的跟踪精度,但一些客观因素使带宽指标受到限制,其中机械台体的谐振对带宽的影响是决定性的,本文所讨论的三轴转台动力学模型,是三轴转台控制系统设计的依据.