基于有限记忆变遗忘因子的子空间辨识算法

针对传统递推子空间辨识算法对时变参数跟踪速度慢的问题,基于自适应变遗忘因子机制提出一种新的子空间辨识算法.为此首先设计了变遗忘因子作用下输入输出Hankel矩阵的更新机制;然后运用系统矩阵特征值空间欧氏距离信息实现变遗忘因子的自适应更新;最后为隔断历史数据的作用,采用有限记忆法进一步改进算法.理论及仿真结果表明,新算法跟踪速度快、跟踪效果好.     

运用区间算法的约束非线性系统鲁棒模型预测控制

针对一类具有输入和状态约束的干扰有界非线性系统,提出了基于区间分析的约束非线性鲁棒模型预测控制,以降低计算量并扩大系统吸引域.首先,在集合运算的基础上,利用区间运算和函数区间扩展,给出了一种计算效能更好、保守性更低的非线性系统鲁棒一步集计算方法;其次,构造重叠的多面体控制不变集序列并以此计算约束非线性系统的鲁棒多步集,并通过设计基于集合的在线优化策略,提出了基于鲁棒一步集的单步优化非线性模型预测控制,有效降低了非线性优化的在线计算量;最后,仿真实例验证了算法的有效性.     

单目视觉系统自运动的滚动时域估计算法

单目视觉系统的自运动估计是计算机视觉领域中的一个关键问题。针对包含有建筑、树木等一般景物特征的应用环境,提出一种单目摄像机位姿估计的滚动时域位姿估计算法。首先分析极线约束方程的不同形式,建立多帧图像闭环之间的时空相关位姿约束,归纳全局最优模型。然后,采用滚动时域方法实现时域窗口内多时刻摄像机位姿的优化估计,实现算法复杂程度和精度的折衷。另外,在室外复杂应用环境下,对常规极约束、冗余极约束和滚动时域冗余极约束这3种位姿估计优化算法进行实验对比,验证该方法的有效性。     

基于TEAMS的惯性测量组合测试性建模与分析

惯性测量组合(IMU)是飞行器控制系统中的核心部件,其结构复杂、精度要求高,是故障率最高的部件之一。基于TEAMS平台建立某惯组系统的多信号模型,并对其测试性进行分析与评估,针对固有测试在故障定位和诊断中存在的不足,提出两种测试点的改进方案。分析结果表明:改进后的IMU测试性得到了显著提高,基于多信号模型的测试性分析与评估方法对增强装备保障能力是有效的。