强跟踪CDKF 及其在组合导航中的应用

针对扩展卡尔曼滤波器(EKF)在组合导航系统模型不确定时存在滤波精度下降甚至发散的问题,提出一种具有强跟踪性能的中心差分卡尔曼滤波器(CDKF).强跟踪CDKF基于强跟踪滤波器(STF)的理论框架,采用中心差分变换代替STF中的雅可比矩阵计算,兼具STF鲁棒性强,CDKF滤波精度高和实现简单的优点,有效克服了EKF在系统模型不确定时滤波失效的缺点.仿真结果验证了强跟踪CDKF的有效性.     

一类非线性时滞过程的传感器主动容错控制

通过结合非线性过程的一般模型控制(GMC)、强跟踪预测器(STP)和强跟踪滤波器(STF),本文提出了一类具有输入时滞非线性时变过程的传感器主动容错控制方法.基于强跟踪预测器对未来状态的预测,传统的一般模型控制被扩展到一类具有输入时滞的非线性过程.然后采用强跟踪滤波器估计过程状态及传感器偏差,传感器偏差估计用于驱动一个故障检测逻辑.当某一传感器故障被检测出来时,STF的状态估计值将用于重构过程输出(代替真实输出),此重构输出被STP用于继续进行状态预测,从而确保系统性能.最后,三容水箱系统仿真结果证明该方法的有效性.     

自适应粒子滤波在卫星紫外导航中的应用

基于紫外敏感器的自主导航系统是典型的非线性和噪声非高斯分布的系统,针对扩展卡尔曼滤波(EKF)和Unscented 卡尔曼滤波(UKF)不适于噪声非高斯分布的系统,和一般粒子滤波缺乏在线自适应调整能力等问题,提出了将基于正交性原理的自适应强跟踪滤波器(STF)和UKF相融合作为重要密度函数,应用于基于紫外敏感器自主导航粒子滤波器新方法,通过UKF构造粒子群,对粒子群中的每一个粒子的每一个sigma点用STF进行更新,使得算法的鲁棒性增强,有极强的对突变状态的跟踪能力,具有强的自适应能力.为了说明算法的有效性,结合模拟的轨道数据和测量数据进行了仿真,仿真结果说明了所提算法的有效性.     

基于强跟踪平方根容积卡尔曼滤波的纯方位目标运动分析方法

针对纯方位目标跟踪系统中模型状态简化、系统噪声统计特性未知、目标初始距离信息不准确导致的滤波收敛时间长和滤波精度不高的问题,以自主水下机器人(Autonomous Underwater Vehicle, AUV)跟踪水下动态目标为例,提出了一种基于强跟踪平方根容积卡尔曼滤波器(Strong Tracking Square Root Cubature Kalman Filter, STFSRCKF)的纯方位目标运动分析算法。该算法在滤波过程中,利用平方根容积卡尔曼滤波器(Square Root Cubature Kalman Filter, SRCKF)完成预测更新,对于SRCKF中的每个容积点采用强跟踪滤波器(Strong Tracking Filter, STF)进行更新,设计滤波增益以抑制噪声对系统状态估计的影响,有效提高了滤波的数值稳定性,减小了状态估计误差。通过仿真分析,比较了扩展卡尔曼滤波器(Extended Kalman Filter, EKF)、无迹卡尔曼滤波器(Unscented Kalman Filter, UKF)、平方根容积卡尔曼滤波器(Square-Root Cubature Kalman Filter, SRCKF)、STFSRCKF的算法性能,实验表明所提算法具有跟踪速度快,精度高等优点。     

改进的强跟踪SVD-UKF算法在组合导航中的应用

针对无迹卡尔曼滤波(Unscented Kalman Filter,UKF)在系统强非线性或状态模型不精确的情况下,存在滤波精度降低甚至发散的问题,提出一种改进的强跟踪SVD-UKF算法。该算法采用奇异值分解(Singular Value Decomposition,SVD)的方法改进UKF中状态协方差矩阵的迭代,保证协方差矩阵的非负定性及迭代的稳定性;算法基于强跟踪滤波(Strong Tracking filter,STF)理论框架,对改进的SVD-UKF引入多重渐消因子自适应调整状态协方差矩阵,在系统状态发生突变的情况下,实现系统真实状态的强跟踪。将该算法在BDS/INS组合导航中仿真验证,结果表明了该算法的有效性。     

基于UT变换与卡尔曼滤波的目标跟踪研究

为了提高滤波速度和精度,将Unscented变换与卡尔曼滤波相结合,建立了Unscented卡尔曼滤波(UKF)数学模型.Unscented变换基于高斯分布理论,通过Sigma点能够获取精确到三阶矩的均值和协方差,提高了滤波精度.计算仅涉及标准的向量和矩阵操作,不需要计算非线性函数的Jacobian或者Hessians矩阵,提高了滤波速度.通过设计的运动实验进行仿真对比,实验结果表明,对于非线性目标跟踪系统,UKF算法具有更高的滤波精度和稳定性.     

基于强跟踪滤波器的多目标跟踪方法

在诸多的多目标跟踪算法中，相互作用多模型（IMM）算法是目前公认的最为有效的算法。但到目前为止，LMM估计方法都是建立在卡尔曼滤波器（KF）和扩展卡尔曼滤波器（EKF）基础上，因而其性能不仅依赖于所采用的模型集，而且在更大程度上依赖于所采用的滤波技术。强跟踪滤波器（STF）克服了卡尔曼和扩展卡尔曼的三大缺陷，因而设计一种基于STF的IMM目标跟踪算法显然能提高其性能。仿真实验表明，基于STF的IMM算法的跟踪性能要优于基于KF和EKF的IMM算法的跟踪性能。     

基于最小均方误差估计的噪声相关UKF设计

传统Unscented卡尔曼滤波器(UKf)要求系统噪声和量测噪声必须是互不相关的.针对此局限性,研究了一类带相关噪声的非线性离散系统UKF设计方法.基于最小均方误差估计和正交变换,给出了噪声相关UKF滤波递推公式,并采用Unscented变换(UT)来计算系统状态的后验分布.所设计的UKF有效解决了传统UKF在噪声相关条件下非线性滤波失效的问题,拓展了UKF的应用范围.最后,仿真实例表明了所设计UKF的有效性.     

基于强跟踪滤波器的盲自适应多用户检测

盲自适应多用户检测是码分多址(CDMA)系统中抑制多址干扰的一项重要技术.为克服传统的基于最小化输出能量准则的盲自适应多用户检测技术收敛速度慢的这一缺点,利用一种新近提出的多用户接收器的典范表示方式,构造了多用户检测系统的状态空间模型,再利用强跟踪滤波器(STF)理论,设计了一种新的盲自适应多用户检测方法.仿真结果表明,在异步CDMA系统中,与基于LMS算法、RLS算法及Kalman算法的盲自适应多用户检测相比, 方法具有收敛速度快速稳定, 跟踪性能好等优点.因此,基于强跟踪滤波器的盲自适应多用户检测是有效的.     

基于强跟踪滤波器及小波变换的非线性系统参数辨识及应用

本文采用强跟踪滤波器为主要框架, 通过线性化和状态扩展解决非线性系统时变参数和状态的估计问题. 在普通强跟踪滤波器的基础上, 以小波变换估计量测噪声, 采用滤波增益调整系数解决过跟踪问题, 给出了主要的计算公式和参数的取值方法, Monte Carlo仿真和在弹道方程参数辨识中的应用结果表明, 本方法不但对突变参数具有强跟踪能力, 在噪声方差发生变化的情况下, 仍可以对非线性参数进行准确的辨识, 状态与参数估计精度高于 普通的强跟踪滤波器.     

一类非线性时滞系统的鲁棒模糊自适应控制

针对一类非线性时滞系统,给出一种鲁棒模糊自适应跟踪控制算法.该非线性系统包含不确定项,其控制增益部分也是不确定的.针对这种特殊的系统,通过对非线性部分的_在线逼近,给出了控制律和自适应律.Lyapunov稳定性分析表明,该闭环系统中的所有信号都是稳定的.仿真结果验证了控制器的有效性.     

一类多指标约束下模糊非线性系统的满意容错控制

针对一般执行器故障模式的T-S模糊非线性系统,分别研究了同时具有稳定度指标、输入指标、输出指标约束下和同时具有闭环极点指标、方差指标、H∞指标约束下的满意容错控制器设计问题,给出了各相容指标的取值范围.仿真实例验证了所设计的满意容错控制策略的有效性,它不仅保证了执行器故障闭环系统的稳定性,而且保证系统具有良好的动态和稳态性能.     

基于灰色聚类的群决策方法研究

采用非线性变换对区间灰数形式的决策信息进行规范化处理,并由决策者问差异度最小构建优化模型,确定指标权重.考虑到在决策者较多的情况下对决策者进行聚类处理可以提高决策质量,给出了决策者决策信息的灰色关联度的计算方法,并基于灰色关联度提出了对决策者进行分类的灰色聚类算法.在此基础上,提出了对聚类后各决策者类的决策信息集结的决策模型.最后通过一个实例说明了所提出方法的可行性和有效性.     

基于高斯微粒群优化的动态神经网络延迟系统辨识

为提高神经网络对未知非线性大滞后动态系统的泛化能力,提出一种基于高斯微粒群优化的自适应动态前馈神经网络.在输入层与隐含层之间、隐含层与输出层之间分别加入动态延迟算子,可以高效地辨识出系统纯滞后时间,建立精确系统模型.此外,采用高斯函数和混沌映射方法平衡微粒群算法全局寻优能力,以克服提前收敛的缺陷,从而快速有效地自适应优化网络中的参数.仿真实验表明了该方法在非线性人滞后系统辨识中的有效性.     

非线性离散系统的贝叶斯-高斯神经网络逆模型设计

针对非线性系统逆模型的学习问题,提出一种基于贝叶斯-高斯神经网络(BGNN)的设计方法.BGNN模型的训练分为两个步骤,首先利用群智能优化算法进行BGNN的离线结构训练:然后用训练好的BGNN模型在线整合历史数据,进行非线性系统逆模型的获取.对水轮发电机组非线性系统进行了BGNN逆模型的仿真,结果表明了BGNN逆模型设计方法具有结构简单、在线辨识效果好等优点,适于非线性离散系统的逆模型设计.     

具有输入齿隙的一类非线性不确定系统自适应鲁棒控制

针对一类具有未知输入齿隙、参数不确定以及未建模动态和干扰的非线性系统,设计了自适应鲁棒控制器.将齿隙非线性模型等价表示为具有有界建模误差的全局线性化模型,在此基础上设计了包含自适应模型补偿、反馈稳定和鲁棒反馈3部分的自适应鲁棒控制器,并给出了系统动态跟踪误差和稳态误差指标.理论分析证明,闭环控制系统信号有界且跟踪误差在任意期望的精度范围内,仿真研究验证了所提出方法的有效性.     

基于自适应模糊反步法的永磁同步电机位置跟踪控制

研究具有参数不确定性的永磁同步屯动机位置跟踪控制问题.利用模糊逻辑系统逼近系统中非线性函数,采用反步设计方法实现永磁同步电动机的自适应模糊控制.所提出的自适应模糊控制器在电机参数不确定和负载扰动的情况下,实现了永磁同步电动机的高性能位置跟踪控制.仿真结果表明了所提出方法的有效性.     

一类上三角随机非线性系统的状态反馈镇定

针对一类具有上三角结构的随机非线性系统,研究其状态反馈镇定问题.通过引入有效的坐标变换,将所要研究的系统转化为一个具有可调增益的等价系统;然后利用低增益齐次占优技术,通过巧妙地选取低增益参数,使得整个闭环系统达到依概率全局渐近稳定.主要贡献是,将低增益齐次占优技术推广到了随机系统,并解决了一类上三角随机系统的镇定问题.数值仿真验证了所提出控制方案的有效性.     

一种安全有效的基于身份的门限签密方案

签密是一种将加密和数字签名技术结合在一起的思想,它比采用先签名后加密的方法具有更高的效率.基于双线性对技术,提出了一种新的基于身份的门限签密方案.它利用决策双线性Diffie-Hellman(DBDH)问题的困难性在随机预言模型下给出了方案的语义安全性证明,并利用计算Diffie-Hellman(CDH)问题的困难性证明了方案的不可伪造性,同时指出方案具有较高的效率.     

线性时滞系统前馈-反馈次优控制: Taylor 级数法

研究线性时滞系统最优控制的前馈反馈近似设计问题.基于Taylor级数法,将系统的二次型最优控制问题转化为线性代数方程组的求解问题,给出了系统前馈反馈次优控制律的存在唯一性条件和Taylor级数表示形式.仿真算例验证了方法的有效性.