具有预负载非线性特性的双率系统递推最小二乘估计算法

针对具有预负载非线性特性的双率系统, 提出一种新的辨识方法. 借助切换函数简化系统模型, 通过损失数据模型估计系统损失的输出数据, 进而利用系统所有输入和输出数据, 提出相应双率系统递推最小二乘算法. 与多项式转换方法相比, 该方法能够直接辨识出系统参数. 仿真结果验证了所提出方法的有效性.

     

交互式容积卡尔曼滤波及其应用 交互式容积卡尔曼滤波及其应用

针对非线性系统模型参数未知情况下的状态估计问题, 提出一种融合极大后验估计的交互式容积卡尔曼滤波算法(InCKF). 该算法利用二阶斯特林插值公式和无迹变换对非线性函数的近似思想, 实现对模型未知参数的确定, 从而使滤波算法摆脱对模型参数精确已知的依赖, 并通过容积卡尔曼滤波算法完成状态估计和量测更新. 仿真结果表明, 相比于经典的参数扩维方法, InCKF 算法具有更高的精度和更强的数值稳定性.

     

噪声特性未知的多传感器协方差交叉融合姿态估计

针对噪声特性未知的多传感器航天器姿态估计过程中互协方差未知的问题, 提出一种鲁棒的协方差交叉(CI) 融合算法. 首先采用容积卡尔曼滤波(CKF) 器获取局部的估计信息; 然后以最小化非线性性能指标为原则求取局部的估计信息权重; 最后使用CI 算法融合各局部估计信息. 此外, 对于由四元数描述航天器姿态时存在的冗余问题, 采用了以误差四元数和误差广义罗德里格参数相互切换的方法来替代. 仿真结果验证了所提出算法的有效性.

     

多变量系统的耦合梯度辨识算法与性能分析

针对多变量系统维数大、参数多、一般的辨识算法计算量大的问题, 基于耦合辨识概念, 推导多变量系统的耦合随机梯度算法, 利用鞅收敛定理分析算法的收敛性能. 算法的主要思想是将系统模型分解为多个单输出子系统,在子系统的递推辨识过程中, 将每个子系统的参数估计值耦合起来. 所提出算法与最小二乘算法和耦合最小二乘算法相比, 具有较少的计算量, 收敛速度可以通过引入遗忘因子得到改善. 性能分析表明了所提出算法收敛, 仿真实例验证了算法的有效性.

     

非均匀多采样率非线性系统的模糊辨识

针对非均匀多采样率非线性系统辨识问题, 提出一种基于模糊模型的辨识方法. 首先, 分析了非线性系统在输入信号非均匀周期刷新, 输出信号周期采样的情况下, 非线性系统可以通过提升技术, 利用多个局部的线性模型加权组合来描述; 然后, 提出一个基于GK模糊聚类和递推最小二乘的模糊辨识算法; 最后, 针对化工pH 中和过程非线性系统, 采用非均匀采样数据建立其模糊模型, 以验证所提出方法的有效性.

     

未知噪声统计下多模型概率假设密度粒子滤波算法

针对传统多目标概率假设密度滤波(PHD) 器在噪声先验统计未知或不准确时滤波精度下降甚至丢失目标的问题, 设计一种自适应多模型粒子PHD(MMPHD) 滤波算法. 该算法利用多模型近似思想, 推导出一种多模型概率假设密度估计器, 不仅能估计多目标状态, 而且能实时估计未知且时变的噪声参数, 并采用蒙特卡罗方法给出了MMPHD闭集解. 仿真实例表明, 所提出的算法具有应对噪声变化的自适应能力, 可有效提高目标跟踪精度.

     

线性时变反馈系统的状态空间模型和模态参数递推辨识

针对闭环系统中时变状态空间模型和模态参数的辨识问题, 提出一种递推辨识格式, 将这种格式与递推子空间方法结合, 得到一种辨识方法. 该方法通过重建输入输出数据之间的关系, 递推辨识得到闭环系统的时变状态空间模型和模态参数. 算例研究了系统在模态参数突变和周期变化两种情况下的辨识问题, 仿真结果表明, 所提出算法能有效辨识线性时变反馈系统的状态空间模型和模态参数.

     

非均匀Hammerstein-Wiener 系统的递阶随机梯度辨识算法

针对一类非均匀数据采样Hammerstein-Wiener 系统, 提出一种递阶多新息随机梯度算法. 首先基于提升技术, 推导出系统的状态空间模型, 并考虑因果约束关系, 将该模型分解成两个子系统, 利用多新息遗忘随机梯度算法辨识出此模型的参数; 然后, 引入可变遗忘因子, 提出一种修正函数并在线确定其大小, 提高了算法的收敛速度及抗干扰能力. 仿真实例验证了所提出算法的有效性和优越性.

     

基于参数估计的一类非线性系统故障诊断算法

针对系统模型的不确定性、未知输入扰动和非线性特性, 提出一类非线性系统参数估计的故障诊断算法. 构造系统故障诊断观测器, 采用Lyapunov 稳定性定理验证观测器的稳定性, 通过Barbalat 引理证明满足故障诊断观测器为渐近稳定的表征故障参数的参数估计, 并总结了设计算法流程. 仿真结果表明, 所提出算法具有快速收敛性, 对一类非线性系统诊断效果较好.

     

基于高斯似然近似的自适应球面径向积分滤波算法

针对量测噪声较小的环境下传统滤波算法容易出现偏差增大的实际问题, 基于高斯近似原理, 提出一种基于高斯似然近似的球面径向积分滤波(SRGLAF) 算法. 为进一步解决量测未知环境下的状态估计问题, 充分结合CKF 等确定性采样型滤波算法和SRGLAF 的优势, 设计一种基于高斯似然近似的自适应球面径向积分滤波(ASRGLAF) 算法. 仿真结果表明: SRGLAF 能够提高量测噪声较小环境下的估计精度, 而在量测噪声未知环境中, ASRGLAF 能够有效地进行状态估计, 具有明显的滤波优势.

     

转移概率部分未知的随机Markov 饱和切换系统的非脆弱镇定

研究一类转移概率部分未知的随机Markov饱和切换系统的非脆弱镇定问题. 基于参数依赖型Lyapunov函数, 设计非脆弱状态反馈控制器以保证闭环饱和系统的随机稳定性, 在此基础之上, 通过求解线性矩阵不等式, 得到均方意义下的最大不变吸引域. 数值仿真验证了所提出方法的有效性.

     

基于ESMF 算法的GPS 信号多普勒频率估计

针对GPS 接收机对载波信号的跟踪性能受到不同类型噪声的影响, 且这些噪声的统计特性很难得到的问题, 提出一种基于扩展集员滤波(ESMF) 的解决方法. 该方法根据载波信号中噪声统计特性未知但有界(UBB) 的特点, 设定合理的噪声边界, 将UBB噪声包含在椭球集合内; 利用集员的思想实现载波信号多普勒频率的在线非线性估 计, 且估计过程中同时能够检测系统坏值的发生时刻. 仿真中, 模型选取三维空间运动的载体. 仿真结果表明, ESMF在处理该模型时是一种有效的鲁棒估计算法.

     

多粒度犹豫模糊语言环境下未知权重的多属性群推荐方法

针对群推荐中存在的多粒度、犹豫性、模糊性语言信息问题, 提出多粒度犹豫模糊语言环境下未知权重的多属性群推荐方法. 首先, 提出多粒度犹豫模糊语言术语集的概念, 定义其距离公式; 然后, 在多粒度犹豫模糊语言环境下, 针对属性权重完全未知的情况, 建立目标规划模型, 利用拉格朗日方程求解, 针对属性权重不完全未知的情况, 建立线性规划模型求解; 最后, 通过算例计算和分析表明了上述模型求解权重问题是有效的.

     

一类带有变时滞的广义切换系统的滑模控制

研究一类具有非匹配不确定性和变时滞的广义切换系统的滑模控制问题.首先,基于Lyapunov稳定性理论和线性矩阵不等式(LMI)技术,针对每个子系统设计对应的积分型滑模面,给出了每个滑动模态方程鲁棒渐近稳定的充分条件;然后,设计了滑模控制器及切换规则,使得闭环系统的状态能够到达滑模面上,产生滑动模态;最后以仿真实例说明了所提出方法的有效性.     

带未知干扰的模块化航天器系统相对轨道的队形控制

基于多智能体系统一致性理论,在有向拓扑结构中对模块化航天器相对轨道的队形控制问题进行研究.考虑与状态相关的未知外部干扰,在存在模块质量不确定性的情形下,基于自适应增益技术,设计仅依赖模块自身及其邻近模块信息的分布式控制算法,并通过Lyapunov稳定性方法证明闭环系统是渐近稳定的.最后在Matlab/Simulink中对6个模块组成的模块化航天器系统的队形进行仿真分析,仿真结果表明所设计的控制律是有效且可行的.     

时变时滞非线性系统自适应神经网络控制

对于一类具有未知时变时滞和虚拟控制系数的不确定严格反馈非线性系统,基于后推设计提出一种自适应神经网络控制方案.选取适当的Lyapunov-Krasovskii泛函补偿未知时变时滞不确定项.通过构造连续的待逼近函数来解决利用神经网络对未知非线性函数进行逼近时出现的奇异问题.通过引入一个新的中间变量,保证了虚拟控制求导的正确性.仿真算例表明,所设计的控制器能保证闭环系统所有信号是半全局一致终结有界的,且跟踪误差收敛到零的一个邻域内.     

不确定切换线性系统状态和未知输入估计方法

针对具有未知输入的不确定切换线性系统, 在平均驻留时间切换下, 讨论其状态和未知输入估计方法. 通过等价变换解耦切换系统的未知输入, 以构造降维切换系统. 进而, 设计切换观测器实现对原系统的状态估计, 并求解具有线性矩阵不等式限制的最优化问题, 得到观测器存在的充分条件. 在基于函数微分数值解方法求得系统输出微分的基础上, 提出一种切换系统未知输入的估计方法. 最后通过一个数值实例验证了所提出方法的有效性.

     

不确定多智能体互联动态系统分布式鲁棒H∞协同控制

研究一类具有时延和切换拓扑的不确定多智能体互联系统的分布式协同控制问题,提出一类分布式鲁棒H∞协同控制器.该控制器能够在满足期望的H∞性能指标的前提下,使得所有智能体鲁棒地跟踪虚拟Leader.针对所提出的分布式H∞协同控制器,借助Lyapunov-Krasovskii泛函,利用线性矩阵不等式,推导出一系列充分(必要)条件,并且在通信拓扑连通的前提条件下,给出整个闭环系统的稳定性证明.仿真实例表明了所提出方法的有效性.