基于区间箱粒子多伯努利滤波器的传感器控制策略

多目标跟踪中的传感器控制本质上是一个最优非线性控制问题, 其在理论分析和计算上极具挑战性. 本文基于区间不确定性推理, 利用箱粒子多伯努利滤波器提出了一种基于信息测度的传感器控制策略. 首先, 本文利用箱粒子实现多伯努利滤波器, 并通过一组带有权值的箱粒子来表征多目标后验概率密度函数. 其次, 利用箱粒子的高斯分布假设, 将多伯努利密度近似为高斯混合. 随后, 选择柯西施瓦兹(Cauchy-Schwarz, CS) 散度作为评价函数, 并详细推导了两个高斯混合之间的CS散度的求解公式, 以此为基础提出相应的传感器控制策略. 此外, 作为一种对比方案, 利用蒙特卡罗方法, 本文还给出了通过对箱粒子进行混合均匀采样, 进而通过点粒子求解CS散度的递推公式, 并提出了相应的控制策略. 最后, 仿真实验验证了所提算法的有效性.     

机械多体系统运动功能可靠性研究

机械多体系统都存在不确定性问题,设计公差、装配误差、环境温度、摩擦磨损等因素使得机械系统具有不确定性.故机械多体系统的动力学响应也具有不确定性,因此有必要在系统建模时考虑不确定性参数因素的影响.文章提出采用机械多体系统运动功能可靠性的概念对动力学响应进行可靠性评价.机械多体系统运动功能可靠性定义为机械系统的某些关键部件的运动学参量满足预定容许范围的概率,这些参量包括位置、方向、速度、加速度等.文章还给出了常用运动功能可靠性的定义与计算方法.运动功能可靠性可用于评价机械系统的运动精度和实现特定运动功能的能力,并有助于指导机械系统的结构设计与优化.     

多距离假设纯方位伯努利滤波器的设计

考虑多目标随机新生和消亡下存在杂波和传感器漏检所导致的量测源不确定性,针对纯方位跟踪(BOT)问题,提出一种多距离假设伯努利滤波器。首先,构造笛卡尔坐标系下的多距离假设纯方位观测模型;然后,根据该测量模型详细推导并提出高斯混合多距离假设势平衡多目标多伯努利滤波器;最后,提出一种自适应纯方位新生多伯努利密度的新方法。仿真结果验证了所提出算法的有效性。     

粗糙集研究综述

粗糙集理论提供了一种有效处理不完整、不确定信息的数学工具.近年来,它被广泛应用于决策分析、数据挖掘、模式识别、智能控制等领域,介绍了粗糙集的基本理论以及其扩展模型,其中详细介绍了变精度、容差、优势、模糊等粗糙集模型.在应用研究方面,主要介绍了粗糙集在特征选择、模式分类两个方面研究进展.     

基于k-最近邻的支持向量预选取方法

在所有的训练样本中只有支持向量(SVs)能对支持向量机分界面优化结果产生显著影响.基于七一最近邻规则.提出了一种训练样本的预选取方法.针对一些典型人工数据集、公用基准数据集以及TM遥感数据的实验结果表明.该方法能够有效减少训练样本数目.显著加快学习速度,并保证理想的分类精度.     

势平衡多目标多伯努利滤波器高斯混合实现的收敛性分析

研究了势平衡多目标多伯努利(cardinality balanced multi-target multi-Bernoulli,CBMeMBer)滤波器高斯混合(Gaussian mixture,GM)实现的收敛性问题.证明在线性高斯条件下,若GM-CBMeMBer滤波器的高斯项足够多,则它一致收敛于真实的CBMeMBer滤波器.并且证明在弱非线性条件下,GM-CBMeMBer滤波器的扩展卡尔曼(extended Kalman,EK)滤波近似实现—EK-GM-CBMeMBer滤波器,若每个高斯项的协方差足够小,也一致收敛于真实的CBMeMBer滤波器,本文的研究目的是从理论上给出CBMeMBer滤波器GM实现的收敛结果,以完善CBMeMBer滤波器对多目标跟踪的理论研究.     

不变结构半弹道式再入飞行器的建模与多模型方法估计

以配平攻角状态再入的不变结构半弹道式再入飞行器(Semi-ballistic reentry vehicle, SBRV)不同于传统的弹道式再入飞行器(Ballistic reentry vehicle, BRV)和机动再入飞行器(Maneuvering reentry vehicle, MaRV), 本文分析了该飞行器再入特征, 提出了新的模型并分析了该模型与传统再入模型间的关系. 对该再入问题的多模型混合状态估计器引入了F-均匀模型集与期望模式补偿(Expected-mode augmentation, EMA)集. 根据SBRV的圆柱体状模式空间的需求, 文中扩展了现有的方法以设计F-均匀模型集, 进而提出一种EMA集的实现形式. 前者在分布最小失配意义下使估计器最优; 后者相比于前者具有更高的估计精度. 仿真结果表明, 相比于传统Monte-Carlo法生成的模型集, 在模型集势相当的情况下这两种模型集对不变结构SBRV再入的初始阶段有更高的模式估计的精度, 在该飞行器状态变化剧烈时有更高的混合状态估计精度.     

自适应UKF算法在目标跟踪中的应用

针对目标跟踪中系统噪声统计特性未知导致滤波发散或者滤波精度不高的问题, 提出了一种自适应无迹卡尔曼滤波(Unscented Kalman filter, UKF)算法.该算法在滤波过程中,利用改进的Sage-Husa估 计器在线估计未知系统噪声的统计特性,并对滤波发散的情况进行判断和抑制, 有效提高了滤波的数值稳定性,减小了状态估计误差. 仿真实验结果表明,与标准UKF算法相比,自适应UKF算法明显改善了目标跟踪的精度和稳定性.     

非线性控制系统综合的频域逆系统方法研究

提出一种不需已知系统微分方程模型的非线性系统综合方法。首先得到对象非线性传递函数的估计,然后利用非线性补偿算法构造前馈补偿器,使复合系统具有近似线性系统的特性,最后采用常规线性系统反馈控制的方法进行控制。仿真结果表明,所提出的频域逆系统综合方法比一般非线性系统自适应控制方法有效。     

SISO非线性系统H_∞控制:Volterra级数法

首先基于Volterra级数理论 ,将一般的SISO离散系统非线性算子表示为n阶Volterra线性算子级数 .其次 ,将线性系统H∞ 控制的插值理论与斜Toeplitz优化算法应用到每阶Volterra线性算子中 ,并利用算子论中交换提升理论的结果 ,求出相应的n阶Volterra算子的最优补偿参数 ,这些最优补偿参数的级数是局部稳定的非线性算子 .通过此算子即求出最优H∞ 控制器 .最后给出具体设计步骤 ,并进行了仿真研究 .