一种计算机实时控制系统的分析及其DCS实现

简述了计算机实时控制及分布式控制系统(DCS)的一般特点．并以某型水下机器人的控制系统为例，详细介绍了一种小型实时DCS系统的具体实现。     

多速率传感器不完全测量数据自适应融合算法

针对不完全测量的多速率传感器系统,建立了自适应的分级融合算法。该算法构建了传感器子系统故障检测方法,检测子系统故障,确认不完全测量,避免单点故障污染整个系统;建立子系统的切换控制逻辑,引入映射矩阵,构成新的信息分享系数,自适应地选择子系统参与中心融合;对于不完全测量信息的传感器子系统,利用子滤波预测值代替估计值进行融合;全局状态估计利用各子系统的当前与前一时刻的估计值,提高了融合性能。对建立的算法进行仿真,验证了该算法的有效性。     

强跟踪自适应平方根容积卡尔曼滤波算法

针对强跟踪滤波器（STF）的理论局限性及不良测量导致的滤波性能下降问题,提出了一种强跟踪自适应平方根容积卡尔曼滤波（SRCKF）算法。利用新息协方差匹配原理,建立对不良测量具有鲁棒性的自适应SRCKF 。基于STF的理论框架,采用自适应SRCKF代替扩展卡尔曼滤波构建强跟踪自适应SRCKF 。该算法兼具STF与自适应SR-CKF的优点,在系统同时存在模型不确定性及不良测量时具有良好的滤波性能。仿真验证了所建算法的有效性。     

强跟踪SRCKF及其在船舶动力定位中的应用

针对平方根容积卡尔曼滤波器(SRCKF)在定位系统船舶模型不确定时存在滤波精度下降甚至发散的问题,提出了一种具有强跟踪性能的SRCKF算法.基于强跟踪滤波器(STF)的理论框架,采用三阶球面径向容积规则代替STF中的雅克比矩阵计算,结合渐消因子的等价表述,构建强跟踪SRCKF.基于滤波收敛判据和渐消记忆滤波思想,分析了强跟踪SRCKF的收敛性.强跟踪SRCKF兼具STF鲁棒性强、SRCKF滤波精度高和实现简单的优点,有效克服了STF的理论局限性及SRCKF在系统模型不确定时滤波性能下降的缺点.利用船舶陆上仿真系统进行试验,证明了强跟踪SRCKF的有效性.     

遗传神经网络在蒸汽发生器故障诊断中的应用

针对传统的BP神经网络学习算法易陷入局部极小以及收敛速度慢等问题,本文在神经网络中融合遗传算法,并将其应用到蒸汽发生器(SG)故障诊断中。结果证明,该算法能有效地解决网络训练中的收敛问题。     

基于鲁棒CKF的多传感器全信息融合算法

为了克服不良测量的影响,改善多传感器的融合性能,提出一种基于鲁棒容积卡尔曼滤波(CKF)的多传感器全信息融合算法。基于新息协方差匹配原理构建鲁棒CKF,定义数据质量检测函数,根据测量数据质量选择鲁棒CKF或标准CKF作为子系统最优滤波算法。基于多传感器融合信息,建立子系统软故障检测算法;定义子系统故障系数,通过系统重构实现故障子系统的隔离。利用多传感器系统所能提供的最多信息,建立全信息融合算法。将所建算法应用于船舶动力定位测量系统的仿真实验中,与CKF、局部估计加权融合算法进行比较。仿真结果表明,鲁棒CKF及软故障检测函数提高了子系统的滤波鲁棒性,全信息融合算法进一步改善了系统的融合性能。仿真结果验证了所建算法的有效性。     

水下机器人运动系统的神经网络辨识

建立了水下机器人的动力模型，分析了辨识该模型的神经网络结构，采用带自反馈的Elman网络来获得更精确的结果。针对BP算法即误差反传算法的缺陷，提出了用混合优化算法——误差反传算法和遗传算法的混合算法（又称：GA＆BP算法）修正网络权值。最后，将改进的Elman网络应用于水下机器人的非线性辨识。通过仿真证明了该方法用于高阶非线性系统的实用性。     

基于模糊神经网络的水下潜器多变量解耦控制研究

潜器在水下进行特殊作业时，需保持空间六自由度的定位姿态，对定位的控制存在叉影响，因而给潜器的精确控制带来困难。针对这一控制非线性系统，提出了一种基于模糊神经网络(DFN)控制方法，该方法对非线性多变量动态系统具有较强的处理能力；它将多输入多输出的复杂系统转变成神经网络设计和耦合补偿结构，预估补偿器方法是通过预定试验的离线学习，获得耦合的预估知识，然后在线完成补偿，仿真结果显示该方法具有很好的鲁棒性。     

相关噪声下非线性滤波及在动力定位中的应用

针对实际系统状态估计具有互相关噪声的情况,研究了互相关噪声下非线性系统状态估计问题.首先基于贝叶斯理论推导出新的互相关噪声下的贝叶斯估计算法.然后使用三阶球面径向基(spherical-radial)规则计算贝叶斯估计中的非线性积分,当噪声互相关时,基于扩展卡尔曼滤波的思想分别计算状态矩阵和观测矩阵的Jacobi矩阵,可得互相关噪声下的容积卡尔曼滤波(cubature Kalman filtering with one-step auto-correlated and two-step crosscorrelated noise,CKF--CCN);当噪声不相关时,可得容积卡尔曼滤波(cubature Kalman filtering,CKF)及其平方根形式(SCKF).最后通过动力定位系统仿真实验,表明提出的CKF-CCN的估计精度要高于SCKF和仅考虑一步互相关的平方根容积卡尔曼滤波(SCKF-CN).     

气垫船视景模拟系统研究与设计

根据气垫船操纵模拟器的实际训练需要,给出其视景仿真的功能要求,确定了系统总体设计框架,基于软件平台Multi-Gen CreatorPro和Vega及OpenGL语言开发出气垫船操纵模拟器虚拟视景仿真系统.详细阐述了陆地场景构建、海浪生成、海岸带的生成、三点海面匹配法、六点地形匹配法等系统所采用的关键技术,最终建立了逼真的海陆环境,并实现了气垫船海面上和各种复杂陆地上的运动位姿实时调整,真实反映气垫船的运动姿态.仿真结果表明,该系统能满足气垫船操纵模拟器的逼真性、实时性和交互性要求.