基于系统实时状态观测的车身高度动态调节控制研究

本文提出了一种基于实时状态观测的车辆车身高度动态调节控制策略，以实现多种路况条件下的车辆高度动态精确控制.不同的道路条件下驾驶员对车辆高度以及姿态稳定性存在不同程度的性能需求，这就需要考虑通过系统外部随机激励来实现车辆高度的动态精确调节与控制.电控空气悬架系统具有非线性特性，仅以悬架动挠度作为参考的车辆高度调节会在随机扰动作用过程中产生极大偏差.因此，本文基于空气弹簧结构与气体流体特性，使用无迹卡尔曼滤波状态观测算法提出了一种悬架静平衡位置观测方法；根据所获知的静平衡位置信息，进一步使用滑模控制算法进行随机激励作用下的悬架高度与车身姿态动态调节.经过模型数值仿真和实车试验验证的结果可知，提出的动态调节控制策略可以实现随机扰动与激励作用下的车辆高度精确控制与车身姿态稳定性保持，从而实现不同道路条件与工况下的车辆综合性能.     

基于卷积神经网络的路面识别及半主动悬架控制

路面对车辆的平顺性、操纵稳定性有直接影响,实时获取路面信息对提升车辆性能具有重要意义。针对传统路面识别方法中难以精确识别多种路面类型的问题,采用卷积神经网络对路面类型进行识别,并根据不同路面输入下悬架系统的输出响应来调整控制器参数,使可控悬架在不同路面下均保持最优性能。建立车辆1/4半主动悬架模型;搭建卷积神经网络基本结构并通过所采集的4种典型城市和非城市路面图像对网络进行训练以及测试;采用遗传算法求取沥青路、弹石路、砂石路、水泥路4种不同路面激励下悬架的最优控制参数;根据路面识别结果及优化结果实现悬架控制参数的自适应调整。仿真结果表明：基于卷积神经网络的路面识别方法能够对多种路面进行准确识别;基于路面识别和遗传算法的半主动悬架控制系统可根据不同路面类型自适应调整悬架参数,有效提升车辆性能。     

观测噪声方差变化条件下系统状态估计方法

针对观测噪声方差时变情况下,非线性系统状态估计精度不高的问题,提出了一种改进的容积卡尔曼滤波方法。该方法首先采用变分贝叶斯滤波对系统的状态和观测噪声进行在线实时估计,保证了最新观测信息对参量的修正作用;接着,将估计的结果引入到传统容积卡尔曼滤波框架内实现非线性系统状态的迭代估计。仿真结果表明,该方法较好地改善了噪声统计特性时变情况下的估计精度,有效扩展了容积卡尔曼滤波在非线性系统状态估计方法中的应用范围。     

非线性油气悬架的阻尼特性研究

以矿车后悬的油气悬架为研究对象,利用统计线性化的方法,按照等效线性阻尼系数相等的原则,计算出了渐增、线性和渐减3种阻尼模型的参数.在稳态随机路面的激励下,利用Matlab/Simulink仿真并比较非线性刚度与3种阻尼模型匹配时的车身加速度均方根值、悬架动行程、车轮动载荷以及减振器的发热功率,得到了不同类型阻尼对上述指标的影响,对阻尼的匹配、优化设计具有参考价值.     

基于改进LuGre摩擦模型的双旋弹丸固定舵翼滚转位置鲁棒自适应控制算法

针对双旋弹丸舵翼滚转位置系统存在非线性摩擦、不确定性参数以及时变扰动等问题,提出一种基于连续可微LuGre摩擦模型的鲁棒自适应控制策略。以基于永磁同步发电机为电磁执行机构的舵翼滚转位置控制系统为研究对象,建立包含改进摩擦模型的系统非线性数学模型。通过对未建模扰动的上界进行自适应估计,在控制器中设计扰动补偿鲁棒反馈项将其补偿,降低扰动对控制性能的影响。对系统不确定性参数、摩擦状态量进行在线自适应估计,并结合摩擦补偿设计自适应控制律,降低系统对参数不确定性和非线性摩擦的敏感度。通过Lyapunov稳定性理论证明了闭环系统的全局稳定性。仿真结果表明：该方法能准确地对模型参数、非线性摩擦状态以及扰动进行估计和补偿,具有控制精度高、稳定性好和鲁棒性强等优点。     

一种自主车辆横向运动状态估计的方法

采用非线性三自由度单轨模型和考虑轮胎侧偏特性的非稳态轮胎模型,建立了用于状态估计的非线性状态方程.结合自主车辆的现有传感器配置,梳理了横向运动状态的观测(输入)和估计(输出).基于扩展卡尔曼滤波提出了横向运动状态估计的方法,开发了状态估计算法,实现了基于MATLAB/Simulink的离线状态估计平台.最后,通过对典型工况的仿真模拟以及对样车数据的离线回放验证了算法性能.试验结果表明算法能够合理、有效、准确地估计自主车辆行驶过程中的横摆角速度、横向速度、横向加速度、路面附着系数等横向运动状态,对车辆质量、转动惯量、路面附着系数的变化具有较好的鲁棒性.     

基于泛函序列时变自回归滑动平均模型的弹箭时变模态参数递推估计方法

随着弹簧系统朝着大型化、高速化、智能化发展,飞行状态下弹箭系统的固有特性对整体结构的影响不可忽视。针对弹箭在飞行状态下的时变模态参数辨识问题进行研究,基于泛函序列时变自回归滑动平均（FS-TARMA）模型,提出一种时变模态参数的递推估计方法。该方法采用墨西哥帽小波基作为TARMA模型时变系数的空间基底,并借鉴于无结构化TARMA模型递推估计思想,将投影参数矩阵视为振动响应数据长度的变量,实现了投影参数矩阵的递推估计。通过有限单元法建立阿里安V号芯级运载火箭时变有限元模型,对所提方法进行验证。结果表明：递推辨识方法与传统批量算法相比,在辨识精度上,3阶模态频率辨识结果最大相对误差在5%以内;在计算效率上,递推辨识方法的计算时间缩短了9.38倍。     

采用H∞滤波对捷联惯导系统多位置对准的研究

文中把线性时变系统作为分段常系数系统来讨论其可观性,对多位置捷联惯导系统的误差方程进行了可观性分析,在噪声统计特性不确定的条件下,采用滤波技术,对状态量误差进行了估计,并对两位置对准进行了仿真.仿真结果表明在噪声不确定的条件下,航向角得到较好的估计,且具有较强的鲁棒性.     

混合动力履带车辆机电联合制动控制

为提升混联式机电复合传动（EMT）履带车辆全路况条件下机电联合制动的稳定性,提出一种基于电机饱和度的可变比例系数并联式全工况机电制动力分配策略,以有效处理路面附着条件、驾驶员意图、滑移率和电池荷电状态等约束,减弱履带打滑现象和电机制动力饱和现象。建立EMT系统动力学模型,分析工况约束条件下系统的机电制动特性和动态约束边界。提出以电机制动饱和度为核心的动态机电制动力分配目标,并设计滑移率控制器,以实现满足全工况制动稳定性目标的总制动力求解和底层机电制动力协调分配。利用扩张型状态观测器精确估计时变路面附着系数,并基于遗传算法对控制参数进行优化。利用仿真和硬件在环实验对高速紧急制动进行模拟。研究结果表明：全路况机电联合制动控制策略满足整车制动性能要求,兼顾制动能量回收效率和电机安全运行等多种指标,有效降低液压制动器的机械压力,提高了制动器使用寿命和制动过程的安全性。     

基于改进的粒子群优化扩展卡尔曼滤波算法的锂电池模型参数辨识与荷电状态估计

为解决锂电池荷电状态（SOC）难以精确估计的问题,提出了基于改进的粒子群优化扩展卡尔曼滤波（IPSO-EKF）算法预测电池SOC。为减小参数非线性特性影响,重新构建了EKF算法电池状态空间方程,以辨识出的电池模型参数为基础,获得SOC最优估计。采用IPSO算法优化EKF算法噪声方差矩阵,解决系统状态误差协方差矩阵和测量噪声协方差矩阵最优解获取难题,进一步提高SOC的估计精度。计算结果表明：IPSO-EKF算法能够精确地辨识电池模型参数和SOC值,并能够很好地修正状态变量初始误差。     

一种基于数据融合的全轮驱动车辆质心侧偏角估计方法

为准确估计全轮电驱动车辆行驶状态参数,设计了一种基于数据融合的质心侧偏角估计方法。该方法充分利用低成本普通车载传感器信息、电机输入信息和驾驶信号,在建立非线性3自由度 车辆模型和轮胎模型基础上,采用无迹卡尔曼滤波算法对质心侧偏角进行估计;同时通过信号积分法估计质心侧偏角,结合车辆行驶工况和路面条件,将无迹卡尔曼滤波和信号积分两种算法结果进行了数据融合。基于硬件在环实时仿真平台进行了车辆操纵仿真验证,结果表明,提出的估计算法与单一估计算法相比,具有更高的观测精度,能够满足多种行驶工况下的质心侧偏角观测需求。     

目标跟踪中两种非线性滤波算法的对比研究

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度.由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度.为了获得更高的估计精度,介绍了两种新的非线性滤波算法,即unscented卡尔曼滤波算法和粒子滤波算法.分析了UKF和PF算法的原理和算法实现,对两种算法的适应性进行了比较.通过目标跟踪仿真实验,表明粒子滤波算法估计精度比UKF算法高,但是计算量却相对较大.     

基于多普勒信息的炮位侦校雷达外推算法研究

针对一定条件下炮位侦校雷达定位精度偏低、引导射击能力偏弱的问题,考虑到随着新型炮位侦校雷达技术的发展,所测量的多普勒信息已具有较高的精度,提出将多普勒信息应用到观测模型中。结合无迹卡尔曼滤波,并将弹道系数引入状态变量,建立了基于多普勒信息的七维状态向量无迹卡尔曼滤波算法(七态DB-UKF算法)。理论分析与实验表明,该方法有效利用了雷达的多普勒测量信息,能够有效抑制估计误差,提高参数估计精度,进而提高了外推弹丸的落点精度。     

基于七维状态向量反向无迹卡尔曼滤波的弹道外推算法

针对弹道模型误差、参数估计误差以及外推距离过长导致定位精度低的问题,建立了基于七维状 态向量的反向无迹卡尔曼滤波外推算法。为精确建立状态模型,该算法将弹道系数作为状态参量,纳入滤波过程。采用无迹卡尔曼滤波算法,以提高非线性估计精度。此外,由于正向滤波外推距离长,模型误差积累大,该算法采用反向滤波处理,将雷达测得的首点作为滤波终点,通过4阶龙格-库塔方程外推炮位。仿真结果表明,该算法定位精度相较原算法提高约50%.     

基于自适应比例修正无迹卡尔曼滤波的目标定位估计算法

针对无线传感器网络中基于接收信号指示强度(RSSI)定位系统在精确性和实时性方面存在的问题,提出了一种基于自适应比例修正无迹卡尔曼滤波(ASUKF) 的定位估计算法。通过分析RSSI 定位模型的特点,将定位问题转化为非线性系统估计问题。该算法在滤波过程中采用比例修正对称采样策略,并利用次优Sage-Husa 估计器实时处理系统噪声的统计特性,对目标位置和信道参数进行同时估计解算。实验及仿真结果表明,与标准UKF 估计算法相比,新算法有效减小了状态估计误差,提高了滤波的稳定性,定位精度更为准确。     

基于SUKF算法的组合导航方法

合成孔径声纳（SAS）运动补偿是其信号处理的重要环节,运动补偿需要水下导航数据,文中研究了基于捷联惯导（SINS）和多普勒声速剖面仪（ADCP）等设备的水下导航方法。针对大姿态误差角情况下的导航,论文建立了基于四元数的SINS／ADCP的非线性误差模型,并采用比例无迹卡尔曼滤波（SUKF）滤波算法进行了仿真。仿真结果表明,在SAS复杂运动情况下,采用非线性误差模型的SUKF方法优于传统线性误差模型的卡尔曼滤波方法,在一定程度上提高了SAS的导航精度。     

基于四元数粒子滤波的飞行器姿态估计算法研究

针对飞行器非线性姿态确定问题,提出了一种四元数粒子滤波算法。将状态向量分为线性部分和非线性部分分别进行处理,降低了粒子滤波的运算量。针对四元数加权求和规范化问题,通过构造拉格朗日代价函数的方法将四元数加权和问题转化为代价函数取极值时的四元数向量求解问题;并通过求取四元数误差方差矩阵对角线元素平方根的方法保证扰动四元数的规范化;利用乘性误差四元数表示四元数估计点与采样点之间的距离,求取四元数的协方差矩阵解决了旋转矢量方差计算问题。仿真实验表明,与传统的扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）算法相比,该算法估计精度更高,稳定性更好。     

基于路面自适应的多轮轮毂电机驱动车辆驱动防滑控制

为提高多轮轮毂电机驱动车辆在不同路面行驶的动力性和操纵稳定性,提出一种具有路面识别功能的驱动防滑控制策略。分别建立整车模型、车轮受力模型及Dugoff轮胎模型,运用衰减记忆无迹卡尔曼滤波方法对路面附着系数进行估计。对传统滑模控制方法进行改进,设计模糊滑模控制器,根据路面条件调节轮胎滑转率,计算调整力矩进行车辆驱动防滑控制。利用半实物实时仿真平台开展了仿真实验。结果表明,路面自适应驱动防滑控制策略精确地辨识了典型道路的路面附着系数,迅速适应不同路面条件,减小轮胎过度滑转,有效提高了车辆驱动性能和操纵稳定性能。     

一种简化的发射系下SINS/GPS/CNS组合导航系统无迹卡尔曼滤波算法

在弹载等高动态环境下组合导航系统状态方程具有强非线性,且各状态相互耦合影响,传统的扩展卡尔曼滤波(EKF)算法因忽略高阶项相互影响,其模型线性化展开会导致模型不准确引起导航精度下降;无迹卡尔曼滤波（UKF）算法能有效避免引入线性化误差,却存在因组合导航系统维数过高引起大量粒子递推滤波计算复杂而影响算法实时性的问题。为此,针对发射惯性系下弹载组合导航系统对滤波算法高实时性和高精确性的要求,设计了一种简化UKF(SUKF)算法,SUKF算法通过对导航系统的状态参数直接进行建模估计,解决了传统UKF算法实时性差的问题,同时继承了传统UKF算法无需模型一阶线性化展开的优点,提高了导航系统的精度。算法仿真结果表明,SUKF算法有效提高了系统解算的实时性和滤波精度,非常适合用于实际工程系统。     

舰船导航信号非线性UKF滤波定位解算方法研究

根据UKF( unscented Kalman fliter)的工作机理,对所建立的双星(GPS、劳兰C)／航位推算(DR)舰船组合导航连续非线性系统模型进行解算,形成一套UKF在舰船组合导航中的递推算法。该方法根据随机变量的先验统计特性,按照特定的规则将状态变量分解成2n +1维的散布形式,然后利用统计线性回归技术,实现对非线性函数的线性化,可以获得更小的线性化误差。实船数据试验表明：UKF算法与扩展卡尔曼滤波(EKF)算法相比,系统稳定性更好,滤波器估计精度更高。