基于BP 神经网络的自适应自抗扰控制及仿真

针对被控对象参数变化大而快、外扰严重且不确定的系统,参数固定的扩张状态观测器 (ESO)存在“总和扰动冶估计精度降低、控制效果较差的问题,提出了一种基于BP 神经网络的自适应自抗扰控制器(ADRC)。分析了引入自适应ESO 的意义,剖析了ESO 的结构,利用BP 神经网络在线调整ESO 参数并将这个自适应ESO 嵌入到ADRC. 仿真结果表明,改进的ADRC 较常规ADRC 具有扰动估计精度更高、控制量振荡幅度更小以及鲁棒性、抗干扰性更强的优点。     

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。     

基于气动参数辨识的飞控系统传感器故障估计

气动参数的不确定性使得飞行器表现出明显的模型时变特点,此类系统的故障诊断问题是一个难点。以无人机纵向运动为研究对象,提出一种基于气动参数辨识和迭代学习的传感器故障估计方案。将增广容积卡尔曼滤波（ACKF）算法用于气动参数估计,实现飞机模型的在线辨识。故障一旦发生,将辨识得到的气动参数用于局部包络建模,并利用迭代学习算法构造传感器故障估计器。此外,为提高故障的迭代收敛速度,提出一种基于扩张状态观测器(ESO)思想的迭代学习算法。故障仿真实验表明了所提方法的可行性和有效性。     

基于扩张状态观测器滤波的坦克炮控系统模型参考自适应控制

坦克炮控系统是一类不确定、非线性的复杂系统。针对其在低速运行时产生“爬行”、振荡等的问题，依据扩张状态观测器(ESO)滤波和Popov超稳定理论，提出了一种基于ESO滤波的模型参考自适应控制方法。研究了坦克炮控系统的数学模型，给出了基本假设，设计了ESO滤波器和模型参考自适应控制器，并证明了其稳定性，最后通过仿真验证了该方法的有效性。仿真结果表明，该方法有效地消除了系统的末建模动态及外界扰动的影响，增强了系统的快速性，解决了系统的低速“爬行”问题，改善了系统的稳态性能，为炮控系统实际设计提供了一个可行的解决方案。     

多目标优化方法辨识伞弹弹道参数

采用状态重构、多目标优化辨识理论 ,利用低空伞弹全弹道测试坐标数据为信息源 ,使理论计算弹道状态变量 (速度、坐标 )与实测 (或准实测 )弹道状态变量在统计意义上充分逼近 ,辨识出影响低空伞弹弹道的关键参数——阻力系数、主伞充满时间、弹射速度和附加质量系数 .经多枚实弹空投测试数据验证 ,表明此方法的处理结果是一致的、有效的 .     

基于ESO的运载火箭姿控喷管故障辨识设计及实现

针对基于喷管开关控制的运载火箭姿控系统故障,提出了一种基于控制效果的喷管故障辨识方法。在对特定喷管配置和轴对称运载火箭模型研究基础上,利用扩张状态观测器实时估计箭体所受的总力矩,进而根据估计结果进行故障判别和极性纠正。仿真结果表明,以ESO为观测器的故障辨识设计方法可有效判别出姿控喷管的极性故障,并能够通过策略设计进行极性纠正,具有较强的工程应用价值。     

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。     

基于ESO及RESO的高超声速飞行器控制律设计

针对以小扰动线性化为代表的传统控制方法处理大范围不确定性问题时存在的不足,采用可对未知扰动进行实时跟踪估计并补偿的自抗扰控制方法设计控制律。构建辅助状态变量以满足控制器设计时的形式要求,在此基础上,分别设计基于扩张状态观测器(ESO)及降阶扩张状态观测器(RESO)的姿态控制器,通过对观测器的时频域分析确定基于RESO的控制器的优越性。仿真结果表明,以RESO为观测器的自抗扰控制方法与常规自抗扰方法相比具有更快的跟踪速度和更好的跟踪效果,本文所设计的控制器对仿真算例是有效的。     

基于ESO的目标机动补偿反比例制导律

为提高导弹制导系统对于高速机动目标的拦截效能,基于扩张状态观测器方法和反比例制导策略,设计了一种带扩张状态观测器的反比例制导律。考虑导弹自动驾驶仪动态特性,推导了平面内的制导模型; 设计了扩张状态观测器(ESO),将其与反比例导引策略相结合,设计了带ESO的反比例制导律,该制导律能有效估计目标机动并充分补偿制导律的不确定性干扰,有效提高制导精度; 将设计的带ESO的反比例制导律与经典比例制导律、普通反比例制导律进行仿真对比。仿真结果表明:所设计的带ESO的反比例制导律能减小弹目相对速度与脱靶量,适当地增加拦截时间,有效提高了制导系统对于高速机动目标的拦截效能。     

基于最小二乘法的火箭姿控系统网络模型参数辨识

以多输入-多输出系统典范差分方程为基础，推导得到了运载火箭姿控系统网络模型差分方程，利用最小二乘法对模型差分方程的参数进行了辨识。     

催化裂化过程建模与稳态优化控制

催化裂化装置是一个高度非线性、时变和长时延、强耦合、分布参数和不确定性的复杂系统.在研究其过程机理的基础上,定义了一种模糊神经网络用以建模,用自相关函数检验法检验模型的正确性,再用改进的Frank-Wolfe算法进行稳态优化计算.并以一炼油厂催化裂化装置为对象进行试验,研究其辨识、建模和稳态优化控制.     

一种基于主状态变量分离的降维仿真算法设计

针对异步信息融合算法中状态向量维数过多和推导出来的协方差维数过高而导致的计算量增大的问题,提出一种基于主状态变量分离的降维仿真算法,将组合导航系统中进行计算的状态变量进行分类,确定主变量和次变量,在保证系统精度要求的前提下减小系统的计算量,从而保证系统的实时性工作要求。仿真结果证明该算法在满足系统精度要求的前提下能够有效减少系统的计算量,满足系统的工程实时性要求。     

自抗扰控制在坦克机动目标状态估计中的应用

在以坦克火控系统为代表的一类状态不确定系统应用中，作为系统输入的目标运动特性是未知的，并且对目标的观测存在较大噪声。如何基于控制过程辨识出输入信号特性，是状态估计理论在实际应用中的一种特殊情况。利用自抗扰控制( ADRC)能够实时估计和补偿系统扰动的能力，将目标运动视为外界扰动，从而辨识出目标运动速度，并将ADRC的滤波特性用于目标运动的状态估计。实验表明，与传感器测量、Kalman滤波方法相比，无需额外的速度传感器件，运动状态估计更为精确、快速。     

基于粒子滤波的混沌系统参数估计和滤波方法

混沌系统的参数估计是混沌系统控制和同步的前提。鉴于混沌系统具有初值敏感性、不能长期预测等特点,提出了一种基于粒子滤波(PF)的混沌系统参数估计和滤波方法,并将其用于Lorenz混沌系统的参数估计和滤波,在叠加噪声情况下对混沌系统进行仿真分析。结果表明,文中提出的滤波方法在估计偏差方面优于基于扩展卡尔曼滤波（EKF）的混沌系统参数估计和滤波方法,对混沌系统的参数估计和滤波是一种有效的方法。     

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。     

扩展状态观测器在陀螺稳定平台中的应用仿真

为提高陀螺稳定平台速度稳定精度,提出基于扩展状态观测器的陀螺稳定平台速度稳定回路设计方法。通过扩展状态观测器,实时对系统综合扰动量进行观测并予以补偿,以提高陀螺稳定平台速度稳定精度及平滑度。系统仿真实验结果表明：该方法简单易行,可对系统扰动进行有效补偿,具有一定的实用性。     

支持向量机非线性辨识与控制概述

首先讲述非线性系统辨识的一般模型、基于支持向量机（support vector machine．SVM）非线性辨识的结构和SVM辨识与控制的优势、特点，然后阐述了SVM在控制中的应用，包括SVM在内模控制，SVM预测控制及多核SVM控制等，最后探讨了SVM本身在算法快速性，核函数的改进，错误惩罚参数选择以及在SVM中损失函数的选择上存在的问题。