基于LFT-LPV结构的导弹自动驾驶仪降保守性设计

针对一类导弹纵向运动模型,提出了一种基于全块比例矩阵的LFT-LPV系统降保守性输出反馈控制器的设计方法。首先在感兴趣的飞行区域内通过数据拟合得到系统模型的LFT-LPV表示,利用S-过程,通过选择具有特定结构的全块比例矩阵避免需要在所有可能的变参数轨迹上求解无穷个LMIs的问题,同时推导出满足LFT-LPV系统性能指标的输出反馈控制器的设计方法。最后的仿真结果验证了方法的有效性。     

飞行器纵向通道姿态模糊控制器设计

飞行器姿态控制系统结构极其复杂,难以建立准确的数学模型。为了实现姿态的精确控制,将模糊控制方法应用于飞行器纵向通道姿态控制中,在模糊逻辑理论的框架下,根据姿态控制系统的输入输出量,提出了一种模糊规则优化设计方案,通过模糊推理,实现了对飞行器姿态的模糊控制。仿真结果表明,所设计的模糊控制器性能稳定,系统响应的调整时间在1s以内,超调量不超过3%,且小扰动情况下仍能保持较好的控制效果,有效提高了系统的稳态精度与动态品质。     

高斯过程回归方法综述

高斯过程回归是基于贝叶斯理论和统计学习理论发展起来的一种全新机器学习方法,适于处理高维数、小样本和非线性等复杂回归问题。在阐述该方法原理的基础上,分析了其存在的计算量大、噪声必须服从高斯分布等问题,给出了改进方法。与神经网络和支持向量机相比,该方法具有容易实现、超参数自适应获取以及输出具有概率意义等优点,方便与预测控制、自适应控制、贝叶斯滤波等相结合。最后总结了其应用情况并展望了未来发展方向。     

扩展容积卡尔曼滤波-卡尔曼滤波组合算法

传统单一线性或非线性滤波方法往往难以获得最优线性/非线性混合动态系统状态估计,针对这一问题,结合卡尔曼滤波（KF）方法可获得线性状态估计最优解、计算量小等优势,提出了一种基于KF和扩展容积卡尔曼滤波（A-CKF）的组合滤波方法。该方法将系统状态分解为线性状态与非线性状态两部分,分别采用KF和简化两次扩展容积卡尔曼滤波（STA-CKF）方法进行系统状态估计。机动目标跟踪和捷联惯性导航系统非线性对准仿真结果表明,相比于Rao-Blackwellized粒子滤波方法,新方法在保证滤波精度的前提下,使得计算成本有效降低;相比于STA-CKF方法,新方法在滤波精度和滤波实时性方面均得到明显提高。     

光纤陀螺温度漂移建模补偿

光纤陀螺(FOG)的核心部件对温度敏感,造成温度是影响FOG测量精度的主要原因之一.对FOG温度漂移进行建模是实现其温度补偿,提高FOG测量精度的有效方法.结合近年来FOG的研究成果,在分析FOG温度效应机理的基础上,对FOG温度漂移建模方法进行综述.特别针对FOG温度特性的复杂非线性特点,从光纤陀螺温度漂移建模原理、建模复杂程度、模型精度及模型通用性等方面对多种建模方法进行对比分析.     

五阶容积卡尔曼滤波算法及其应用

容积卡尔曼滤波(CKF)是一种新型的非线性滤波方法,可获得优于扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)的滤波精度和滤波效率.但是,传统的CKF基于三阶容积准则而提出,因此滤波精度受到限制,为进一步提高CKF滤波性能,文中将容积准则由三阶扩展到五阶,采用两种不同容积点集选择方案,提出一种新型的五阶CKF算法.该算法可有效改善传统CKF在精度方面的理论局限,并有效改善一般五阶CKF计算量大的问题.机动目标跟踪仿真结果表明了新方法的有效性和可行性.     

基于高斯过程回归的光纤陀螺温度漂移补偿

基于实测数据分析了全温度全速率下的陀螺漂移特性,提出了一种基于高斯过程回归的补偿新方法.该方法通过超参数训练直接建立了温度、陀螺输出和载体角速率之间的映射关系,弥补了传统方法对零偏和标度因数分别进行建模导致引入两次补偿误差的不足,在提高补偿精度的同时,简化了补偿步骤.仿真结果表明,相较于最小二乘支持向量回归方法,由高斯过程回归方法训练得到的模型能够更加准确地描述温度漂移特性,具有较高的预测补偿精度和良好的泛化能力,预测均方根误差小于0.003(°)/s,有效抑制了温度对光纤陀螺精度的影响.     

平方根容积卡尔曼滤波在角测量跟踪中的应用

为解决扩展卡尔曼滤波算法(EKF)在处理角测量跟踪问题时对复杂非线性状态估计收敛速度慢、估计精度低的问题,引入一种平方根容积卡尔曼滤波算法(SRCKF)。SRCKF是一类sigma点滤波方法,基于容积原则的数值积分方法计算非线性随机函数的均值与协方差,避免了EKF中Jacobian矩阵的计算,有效提高了计算效率。另外,与一般容积卡尔曼滤波算法相比,SRCKF确保了状态协方差矩阵的对称性与半正定性,有效改进了数值精度和鲁棒性。将SRCKF应用于角测量跟踪系统中,仿真结果表明,SRCKF、Unscented卡尔曼滤波(UKF)滤波精度较传统EKF有较大提高,同时,与UKF相比,SRCKF能以较快的运行效率获得较好的滤波效果。     

光纤陀螺温度漂移自适应网络模糊推理补偿

温度漂移是影响光纤陀螺精度的重要因素之一。在对光纤陀螺温度漂移特性进行实验分析的基础上,对零偏温度漂移进行了多项式拟合补偿。为了解决传统曲面拟合方法无法精确描述标度因数温度漂移与温度、转速之间的关系导致其补偿精度低的问题,提出了一种基于自适应网络模糊推理的光纤陀螺温度漂移补偿新方法。该方法基于模糊逻辑,结合最小二乘和误差反向传播混合算法,设计了自适应网络模糊推理系统,从而有效提高了光纤陀螺温度漂移补偿精度。实验结果表明,在-30～60 ℃温度范围和-165～165 （）/s 载体角速率范围,应用新方法对光纤陀螺温度漂移进行补偿,得到的训练误差均方根不超过0.003 （）/s,预测误差均方根不超过0.005 （）/s。     

基于改进模糊推理的光纤陀螺温度漂移建模

光纤陀螺温度漂移建模是实现其温度补偿,提高测量精度的有效手段。通过实测数据分析,验证光纤陀螺的输出受温度和载体角速度的共同作用呈现复杂非线性。为准确描述这种复杂非线性关系以实现温度漂移高精度补偿,基于神经网络设计一种新型光纤陀螺温度漂移模糊系统结构,提出一种基于改进模糊推理的光纤陀螺温度漂移模型辨识新方法。由确定的模型结构设计模糊系统的模糊规则,并基于实测数据构建训练样本以被用于自适应调整变量隶属度函数的参数,从而建立基于误差方均根最小准则的光纤陀螺温度漂移补偿模型。试验结果表明,应用此方法得到的光纤陀螺温度漂移模型具有很高的精度、良好的适用性和预测性能。