摘要：为了提高具有未知干扰的复杂非线性系统的控制性能和运行性能,提出了一种基于干扰观测器的复杂非线性系统优化控制方法(IOCM).该方法设计了一个基于模糊神经网络的模型逼近器来捕捉系统的非线性动力学,并利用干扰观测器来描述系统的未知干扰,以获得更准确的系统预测模型.然后,在多目标模型预测控制的框架下,提出了一种具有协同成本函数和多梯度算法的优化控制结构,以综合求解设定点和控制律.采用城市污水处理过程基准仿真平台(BSM1)验证所提方法的有效性.实验结果表明:暴雨天气条件下平均出水水质(EQ)为6711 mg/L、平均运行能耗(EC)为3805 kW·h;对比其他分步实现的优化控制方法,IOCM具有较好的鲁棒性,能够提高非线性系统的优化控制性能.

摘要：掺铋光纤放大器有助于将光纤通信系统拓展至新的传输波段。然而,其增益和噪声性能存在相互制约的关系,提升增益往往会导致噪声性能的恶化,反之亦然。因此,提出一种结合反向传播神经网络(BPNN)和带精英保留策略的快速非支配排序遗传算法(NSGA-Ⅱ)的多目标优化方法,通过对两级掺铋光纤放大器结构进行设计,实现了增益和噪声性能的同时优化。使用经过训练的BPNN对增益和噪声系数预测的均方根误差分别为0.191和0.084,具有较高预测精度。以高增益和低噪声系数为目标,使用NSGA-Ⅱ算法进行优化,得到包含500个解的Pareto最优解集。优化后,放大器所能实现的平均增益范围为15~37 d B,相应的平均噪声系数范围为4.95~5.31 d B。利用BPNN代替求解耦合微分方程来评价个体适应度,使得优化时间较传统方法由106s左右降低为80 s左右,大幅提升了优化效率。所提方法也为其他掺杂光纤放大器的高效率、多目标结构优化设计提供了一种新的思路。

摘要：基于同步地球轨道(Geostationary Earth Orbit,GEO)卫星的机会源技术已被证明其在近岸海面高度测量中的应用潜力,但目前研究主要围绕可行性论证展开,极少开展全方位的测量性能评估.为此,从仿真和试验两个角度评估了信号带宽、非相干累加次数、信噪比及波形峰值跟踪算法对GEO卫星机会源海面测高性能的影响.评估结果表明当非相干累加次数和信噪比大于最优非相干累加次数和最优信噪比时,测高性能将不再显著提升.因此,通过选择最优非相干累加次数,以及设计合理的接收天线增益、射频增益及接收机带宽使信噪比大于最优信噪比对GEO卫星机会源海面测高至关重要.通过对比插值和拟合两种波形跟踪算法发现拟合法能提供比插值法更高的测量精度.利用北斗B3I信号和ASTRA 19.2 E卫星信号开展GEO卫星海面测高的试验评估.试验结果表明:在非相干累加次数大于10000、信噪比大于7 dB时,北斗B3I信号和ASTRA 19.2 E卫星信号可分别提供精度约为0.20 m和0.10 m的海面高度.针对GEO卫星多频或多通道传输特点,提出了基于信号频谱合成提高海面测高精度的方法.当利用中卫1号卫星10个通道信号进行合成时,插值法和拟合法的仿真测距精度分别为3.50 cm和0.69 cm.

摘要：远程光谱探测是人类探索大尺寸空间和物质的重要手段,在天文、气象、深海等领域发挥着重要的作用,但收集远程光谱对光谱仪的性能也提出了很高的要求。根据Jacquinot提出的光谱性能评价标准,相较于其他光谱系统(光栅光谱仪,棱镜光谱仪等),法布里-珀罗(F-P)干涉仪通光孔径大、多光束干涉的光谱分辨能力强,使其在远程弱光探测领域有着天然的优势。从1914年法布里本人第一次将F-P干涉仪用于天文观测以来,F-P干涉仪已被广泛应用于远程光谱测量领域,并逐渐发展出各种改进型F-P干涉仪。传统F-P干涉仪在远程探测领域主要面临三个问题:自由光谱范围窄,大孔径的F-P干涉仪装调难度大,环状干涉结构能量分散。随着探测需求的不断提升和科学技术的长足进步,解决方案也应运而生,本文介绍了三种典型的改进型F-P干涉仪,分别是:增加自由光谱范围的级联F-P干涉仪,适用于极端环境下的旋转扫描F-P干涉仪以及将能量分散的干涉圆环转换为能量集中的干涉直线的F-P干涉系统(CLIO)。对F-P干涉仪在气象、天文、深海等领域中的重要应用进行了系统的总结。在气象学领域,介绍了用于大气中层和热层风速测量的大口径F-P干涉仪,测量大气中的痕量气体及其同位素体的德国海森堡高精细度F-P干涉仪;在天文学领域,介绍了由美国威斯康星大学设计、用于研究星际物质发射线的级联F-P干涉仪;在海洋学领域,介绍了国内F-P干涉仪测量布里渊散射的主要应用实例:2004年北京师范大学设计的水下布里渊散射系统,2021年上海交通大学设计的星载布里渊散射系统等;在大气污染检测领域,介绍了南开大学设计的F-P干涉仪用于测量飞秒激光远程光丝NaCl气溶胶荧光光谱。最后提出光谱识别精度,热稳定性是未来F-P干涉仪应用在远程光谱测量领域需要进一步突破的难点。

摘要：在微腔耦合波导上设计空气孔阵列,结合深度学习调控微腔的法诺线型,实现对微腔传感性能的优化。建立了正向预测网络模型,在24 ms内实现从空气孔阵列结构到微腔透射谱线的预测。结合卷积神经网络与逆向设计实现了对微腔透射谱线的定向调控,预测了不同指标下空气孔阵列的趋势,验证了空气孔阵列结构与微腔透射特性的关系。

摘要：针对中低空飞行器地形匹配与惯导组合中惯导误差累积导致高程图变形限制地形匹配精度、二维地形匹配运算量大和地形匹配失效时定位可用性差的问题,提出一种基于测速测距激光雷达的地形匹配导航方法。利用激光测速信息辅助构建高程图,减小高程图变形从而提高匹配精度,同时降低匹配结果与惯导的相关性;设计集成尺度不变特征变换(SIFT)特征与分步核验的地形匹配算法,提高匹配的实时性;采用激光测速信息辅助校正惯导,提高地形匹配失效时定位的可用性。典型场景地形数据的测试结果表明,基于激光测速辅助构建的高程图较基于惯导构建的高程图的地形匹配定位精度提高了36.6%,所提的卡方初始化随机抽样一致性地形特征误匹配检测算法(TCI-RANSAC)相比于RANSAC算法缩短了55.6%的核验时间,且测速信息的引入将组合定位精度提高了65.9%,具备较高的工程应用价值。

摘要：电路的元件参数,尤其是电感和电容值,严重影响着Buck变换器的控制性能。提出了一种参考电压脉冲注入法用于电感和电容的在线估计。为了提高Buck变换器中电感和电容值的估计精度,利用原稳态和新稳态构建满秩状态方程,在线推导算法所需寄生参数和负载电阻。研究基于电感伏秒特性和电容电荷平衡特性的精确离散时间变换器模型,为元件参数估计奠定了基础。通过给参考电压注入短脉冲信号,并使用PID控制器对电路中的电感电流和输出电压进行调节,建立了用于参数估计的瞬态和新稳态。利用瞬态中采样的电压和电感电流估计电感和电容值,避免了稳态时的收敛问题。基于提出的平均电感电流估计算法,电流采样频率降低至开关频率。最后,在Matlab/Simulink平台上进行了仿真验证,结果表明:即使在考虑实际噪声的情况下,电感和电容值的最大估计误差分别小于2%和4.2%;相较于其他参数估计算法,参考电压脉冲注入方法的引入有效提高了参数辨识的估计精度,有助于Buck变换器系统控制性能的提升。

摘要：台风是一种持续性的热带气旋，常带来狂风、暴雨等灾害天气。平均每年约有七次台风登陆我国，对我国人口密集的东南沿海和部分内陆地区带来严重影响。气象雷达具有对台风等灾害天气的探测和预警能力，但现有的气象雷达多为地基相控阵雷达，距离远且分辨率低，对台风内部结构观测不清，导致在台风强度和路径的预测上存在着较大的不确定性。为降低台风灾害带来的损失，北京航空航天大学承担的国家自然科学基金重大科研仪器研制项目（简称“大仪器”项目）提出由临近空间飞艇搭载气象雷达对台风进行追踪抵近探测，提供台风内部结构长时、精细的观测数据。不同于地基雷达，临近空间飞艇独特的平台限制约束了气象雷达的重量、功耗、尺寸等成本参数，而实现台风探测的高性能亟须大孔径阵列。因此，艇载台风探测雷达的技术难点在于：如何用最低的成本实现最高的性能。在“大仪器”项目的资助下，本文提出一种稀疏相控阵气象雷达，可以在降低系统成本的同时实现高分辨率探测。本文的主要贡献总结如下：首先，对单天线气象回波的时间序列进行模拟仿真，扩展至多天线相控阵气象雷达的回波数据模拟，并通过多普勒分析验证其准确性；然后，考虑稀疏化均匀间隔的相控阵列，通过减少阵元数降低硬件成本的同时，保持高分辨率的波束扫描与接收；最后，联合优化阵列构型和权重系数，权重系数满足恒模约束以最大化雷达发射功效，从而进一步压低副瓣电平来改善气象雷达的抗干扰性能。仿真和实验结果表明，相控阵雷达能够实现准确高效的气象探测，稀疏阵的引入使系统在维持高分辨率的同时降低了硬件成本。具体地，在相同阵元数的条件下，稀疏阵在对气象回波反射率、多普勒频率及谱宽的估计上，都展现明显优于均匀阵的效果。

摘要：为满足卫星有效载荷间SpaceFibre链路的高带宽、高可靠性和轻量化的应用需求,提出一种SpaceFibre节点传输系统的优化设计。该设计采用基于帧累计的增量化计算方法减少了计算电路的冗余;通过四级流水架构满足了错误检测操作的时序要求,使用循环冗余校验共享机制平衡了硬件资源的使用;采取基于完整应答的双层控制策略提升了系统的可靠性,通过构建面向资源优化的控制状态机和存储架构简化了确认重传算法的实现逻辑。使用型号为XC7Z100FFG900-2的FPGA搭建双节点系统,板级验证表明:该设计满足协议规范,与同类设计方案相比,最高工作频率提高1.5倍,支持最高6.25 Gbit/s的传输速率,查找表资源和存储资源降低,寄存器资源相近,为开发具有自主知识产权的高速可靠SpaceFibre编解码器提供了参考。

摘要：针对多无人机区域覆盖任务中的机间通信资源分配问题，提出了一种基于强化学习的多智能体动态通信资源分配模型。利用多智能体生成树覆盖方法生成任务区域内各个无人机的覆盖航线，对无人机与地面基站及无人机之间的通信链路进行建模。由于飞行环境的不确定性，将长期的资源分配问题建模为随机博弈模型，将无人机间的空-空链路视作一个智能体，每个智能体采取的动作包含选择工作频段和发送端的传输功率。在此基础上，基于双深度Q网络（DDQN）设计多智能体强化学习(MARL)模型，使得每个智能体通过奖励函数的反馈学习到最优通信资源分配策略。仿真结果表明：MARL模型能够在动态航迹下自适应选择最佳通信资源分配策略，提高时延约束下的负载交付成功率，同时降低空-空链路对空地下行链路的干扰并增大信道总容量。