为了解决精确数学模型难以建立且求解位置方程时的非线性问题和多阵列数据融合问题,提出基于多级神经网络的被动声定位算法。该算法通过第一级RBF神经网络对声源进行初次定位,并剔除无效数据;再将有效数据输入第二级RBF神经网络,得到置信度更高的声源坐标。仿真结果表明,基于多级神经网络的被动声定位算法定位精度高、速度快、鲁棒性好,其定位性能优于单RBF神经网络和常规算法,甚至在个别传感器失效时,仍然能够取得较好的定位效果。

0前言 对于动态特性随工作点而变化的过程，要求控制器在各种工况下均能满足指定的性能指标。为了补偿过程参数变化与非线性等不确定因素的影响，可针对过程的不同工作状态，将系统在一些特定的工作点进行线性化处理，然后在这些工作点采用合适的线性化设计方法设计相应的控制器，使闭环系统在各工作点的邻域内满足性能要求。在系统运行时，根据调度变量通过调度控制器增益使系统在不同的区域运行不同的控制律，以处理系统的非线性问题．这就是增益调度。增益调度控制器简单适用，在处理非线性系统方面获得了广泛的应用。

通过理论分析和测试数据剖析了流量系数非线性和临界雷诺数的不确定因素.在此基础上,采用三段系数修正算法,将其流量函数进行线性化,使得流体的流量指示值与实际流量值相一致.采用提高流体流速的方法,使层流和紊流的临界流态下移,在总流量降至较低的情况下,仍然处在紊流状态.