首先阐明飞行模拟器的工作原理, 根据系统计算机给出的3个轴向过载和3个角加速度, 建立模型计算得到模拟座舱的位置坐标和姿态角信息, 然后对系统进行分析, 设计洗出环节, 建立矢量算法数学模型, 解算出液压作动筒的变化长度, 通过伺服系统驱动和控制飞行模拟器的运动。由于模拟座舱不可能达到真实飞机的过载, 引入限幅环节以保证飞行器在机动时的过载感觉。模型设计和算法设计已经通过测试, 并且在实际应用中得到验证, 可以满足系统需求, 具有良好的控制效果。

传统 PID控制在伺服系统高精度位置跟踪和改善系统品质方面已露出诸多不足, 且系统中存在的控制干扰和测量噪声会在很大程度上影响伺服系统的跟踪精度。针对工作实际中的被控对象控制问题, 对传统的 PID控制算法进行改进。提出一种带有卡尔曼滤波器的重复控制补偿 PID和前馈补偿相结合的控制方法。通过仿真证明, 该控制方法能以较高的精度跟踪周期性输入信号,且有较好的抑制随机扰动和鲁棒性。

以毛竹、 雷竹和孝顺竹野外高光谱数据为基础， 在非参数统计理论和模式识别的基础上， 提出了利用Mann-Whitney非参数检验筛选竹类间最佳特征区分波段及利用支持向量机识别竹类的问题。 研究结果表明: (1) 毛竹与雷竹之间的最佳区分波段为503~655， 689~732， 757~1 000， 1 038~1 084， 1 238~1 311， 1 404~1 591， 1 682~1 800， 1 856~1 904和1 923~2 500 nm， 毛竹与孝顺竹之间的最佳区分波段为350~386， 731~1 430， 1 584~1 687， 1 796~1 873 nm， 雷竹与孝顺竹之间的最佳区分波段为355~356， 498~662， 689~745和1 344~2 500 nm； 利用Mann-Whitney非参数检验方法可以分别消除30.0%， 57.7%和35.8% 的无效区分波段。 (2) 在最佳区分波段内， 利用支持向量机的SMO算法进行高光谱竹类识别， 模型精度分别为98.4%， 93.5%和95.1%， 模型泛化精度分别为93.3%， 90.0%和86.7%， 表明此方法可有效区分和识别竹亚科中的不同竹类。

以柏木、 雷竹和无患子野外高光谱数据为基础, 在统计学理论和实践分析的基础上， 提出了利用均值置信区间带筛选树种间最佳特征区分波段及利用Manhattan距离和Min-Max区间相似度识别树种的问题。 研究结果表明: (1) 柏木与雷竹之间的最佳区分波段为358~386， 452~1 145和1 314~2 500 nm， 柏木与无患子之间的最佳区分波段为350~446， 497~527， 553~1 330， 1 355~2 400和2 436~2 500 nm， 雷竹与无患子之间的最佳区分波段为434~555， 580~1 903， 1 914~2 089， 2 172~2 457和2 475~2 500 nm； (2) 在最佳区分波段内， 同种树种间的Manhattan距离远小于异种树种间的Manhattan距离， 同种树种间的Min～Max区间相似度远大于异种树种间的Min～Max区间相似度， Manhattan距离和Min～Max区间相似度可以有效区分和识别不同类型的树种。