供多变量反馈系统鲁棒特征根分配用的基本鲁棒性定理

本文推导出一个供多变量反馈系统鲁棒特征根配置用的基本的鲁棒性定理。此定理可确定受扰多变量反馈系统的特征根是否与标称系统的在相同的区域里。它同时适用于连续系统和不连续系统。当要求特征根处在稳定域里时,该定理就成为稳定鲁棒性分析的基本准则。     

基于统计学原理的无人作战飞机鲁棒机动决策

为解决无人作战飞机（UCAV）鲁棒自主空战决策问题,提出基于统计学原理的鲁棒机动决策方法。为使空战态势变化具有一定的钝感性,建立UCAV数学模型,改进典型的机动动作库,设计空战态势参数的鲁棒隶属度函数。在鲁棒机动决策中引入统计学方法,针对UCAV对抗非机动目标和机动目标两种典型空战案例进行了数字仿真。仿真结果表明,基于统计学原理的鲁棒机动决策方法在引导UCAV向态势优势区域攻击占位方面具有一定的鲁棒性和寻优性。     

基于粒子滤波器的多机动目标跟踪贝叶斯滤波算法研究

提出了一种新的基于粒子滤波器的贝叶斯滤波算法, 用于在非线性非高斯假设下跟踪多机动目标.对目标动态行为的已知描述构成了贝叶斯的先验知识.近来时序蒙特卡罗技术的发展, 特别是粒子滤波器算法, 使采用一个目标状态的集合对贝叶斯模型的后验知识进行建模和跟踪成为可能, 这个集合可以看作是这个后验密度函数的采样集合.这种新的贝叶斯滤波算法是粒子滤波器与划分采样技术和假设计算的有机结合.在与SIR/MCJPDA算法的比较仿真研究中, 证明该算法能够提高系统的跟踪性能.     

基于人工鱼群算法的制导炸弹多目标鲁棒PID控制器设计

采用先进控制理论设计的控制器往往阶次较高难以应用于工程实践,PID控制是目前工程中应用最广泛的控制方法.同时控制系统几乎都需要满足多个性能指标的要求,因此提出了一种基于人工鱼群算法的多目标优化方法.分析了制导炸弹控制系统的多目标要求,然后在满足系统鲁棒性的前提下,选取内、外回路的时域指标作为多目标优化的子目标,求解了系统的Pareto最优解,决策者可以在Pareto解中选取需要的满意解进而设计制导炸弹多目标鲁棒PID控制器.数值仿真表明,人工鱼群算法可以快速搜索到多目标问题的Pareto解,所设计的系统时域性能和鲁棒性好.     

一种基于方差约束H∞鲁棒滤波新算法

基于方差约束,研究一类不确定线性定常随机离散系统的H∞滤波问题。提出了一种鲁棒滤波的新算法,该算法克服构造对角矩阵约束性较强,缺乏一般性的缺点,给出了基于线性矩阵不等式(LMI)的同时满足方差和H∞约束的鲁棒滤波器,且在自由参数允许的前提下,与同类算法相比,其滤波增益较小,滤波误差协方差也较小。文中给出的数值算例验证了本算法的有效性。     

高超声速飞行器鲁棒多目标线性变参数控制

针对具有“乘波体”构型的吸气式高超声速飞行器纵向飞行姿态控制问题,提出了一种基 于区域极点配置的鲁棒多目标线性变参数（LPV）控制系统设计方法。给出吸气式高超声速飞行器纵向非线性机理模型,在此基础上建立了刚性LPV模型;针对此类LPV模型,提出了基于区域极点配置的LPV状态反馈控制系统设计方法,将系统的鲁棒稳定性、干扰抑制、跟踪性能等性能指标通过扩展线性矩阵不等式约束的方式,实现了LPV系统的多目标鲁棒跟踪控制。同时,通过引入松弛变量的方法,解除了Lyapunov函数矩阵与系统矩阵之间的耦合影响,从而降低了控制系统设计的保守性,得到了满足期望性能要求的LPV状态反馈鲁棒跟踪控制器。所设计的控制器应用于高超声速飞行器的非线性机理模型进行数值仿真验证,仿真结果表明：所设计的控制器能够使得闭环反馈控制系统有效地跟踪指令信号变化,系统动态性能良好且具有较强的抗干扰能力。     

基于随机鲁棒优化的导弹姿态控制系统设计

针对多目标优化算法设计的控制系统鲁棒性不强的问题,基于随机鲁棒方法设计了导弹姿态控制系统参数,并进行了对比仿真验证。在确定姿态控制系统结构基础上,根据系统对快速性和稳定性的要求,提出一个包含系统稳定性、时域指标和频域指标项的指标体系。在此基础上,通过对各指标或各指标的不满足概率适当加权,分别为粒子群优化算法和随机鲁棒方法定义适应度函数,并在参数取值区间内对待定控制参数进行寻优,从而实现姿态控制系统参数的优化整定。蒙特卡洛仿真实验表明了随机鲁棒方法用于鲁棒控制系统设计的有效性。     

产品价格不确定供应链的多目标鲁棒运作模型

产品价格不确定供应链的多目标鲁棒优化模型,采用区间不确定性描述最终产品价格的波动,并以经典经济学理论建立需求与价格间联系,利用鲁棒线性规划法建立制造商独立运作的鲁棒优化模型.最后采用多目标规划模型描述供应链的整体运作况,得到产品价格不确定供应链在最坏条件下的最优运作策略.     

基于粒子滤波的非线性目标跟踪算法研究

针对非线性非高斯的目标跟踪,传统的卡尔曼滤波和扩展卡尔曼滤波等算法将会出现滤波精度下降甚至发散的现象,提出了采用粒子滤波算法来解决非线性滤波问题;粒子滤波方法作为一种基于贝叶斯估计的非线性滤波算法,在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势,但是存在运算量大和实时性差的问题,因此提出了基于EKF的扩展粒子滤波;仿真结果表明：在强非线性非高斯环境下,PF算法的跟踪性能优于EKF算法,基于EKF的扩展粒子滤波能够取得较好的跟踪精度,并且能够有效的减少粒子滤波的运算量。     

基于平方根卡尔曼滤波的粒子滤波算法

在普通粒子滤波器中,基于先验概率的重要性密度不能容纳最新测量信息,导致跟踪精度难以提高。针对该问题,给出一种基于平方根卡尔曼滤波(SRUKF)的新型粒子滤波算法(SRUPF)。该算法以普通粒子滤波器(PF)为基础,运用SRUKF生成重要性密度。与运用先验知识生成重要性密度的普通粒子滤波器不同,SRUPF的重要性密度中包含了最新的观测信息,从而能够更好地逼迫状态变量的分布规律。此外,由于SRUPF在计算重要性密度时不需要在每一个迭代步骤都对状态协方差阵进行分解,因而SRUPF比PF具有更好的数值稳定性。在非线性测角跟踪问题中的应用表明:SRUPF滤波器的跟踪精度优于PF和SRUKF。     

闪烁噪声下目标跟踪的改进粒子滤波算法

针对目标跟踪系统具有强非线性非高斯的特点,提出了一种强跟踪粒子滤波(STUPF)算法.该算法将无迹卡尔曼滤波器(UKF)与强跟踪滤波器(STF)相结合作为粒子滤波提议分布,具有在线调节滤波增益阵,提高滤波器跟踪突变状态的能力.在给出闪烁噪声统计模型的基础上,将STUPF应用在几种典型目标运动模型跟踪系统中,并同UKF和...     

一种基于粒子滤波的改进红外目标跟踪算法

针对传统红外目标粒子滤波跟踪中仅利用目标灰度信息可能导致目标分辨能力不高的问题,构建了基于位置和灰度的联合时空灰度模型,提出了一种基于联合时空直方图的粒子滤波目标跟踪算法,实验表明:在复杂背景下,该算法能够实现对红外目标稳健的跟踪。     

基于速度约束的粒子滤波算法研究

为了提高二维机动目标被动跟踪性能,基于粒子滤波(PF)的基本思想,结合目标的先验信息,将速度约束条件加入到跟踪过程中,通过抛弃约束外粒子,并对粒子分布和权值进行调整来提高算法的执行效率。对新算法进行了仿真分析,并与粒子滤波算法进行了仿真对比。结果表明,新算法具有收敛速度快、跟踪精度高的优点。     

基于粒子滤波的组合定位系统目标跟踪算法

因GPS技术在楼群密集的城市不能单独完成定位,文中采用GPS/DTMB组合导航新方案,又针对传统二维机动模型的不足,研究三维下的平面变速转弯模型,并作为运动目标的机动模型,同时仿真对比分析不同粒子数目下的粒子滤波算法(PF)跟踪效果,结果表明,200个粒子的误差均值为4.590 6 m,400个粒子误差均值为2.377 6 m,滤波后的轨迹与真实轨迹基本重合,定位跟踪效果好,且粒子数目越多,误差均值、标准差、方差越小,即定位跟踪精度越高。证明了GPS/DTMB组合导航新方案的可行性。     

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。     

一种"全面"的自适应机动目标跟踪算法

基于截断正态概率密度模型建立修正的截断正态概率密度模型。利用该模型并结合速度估计自适应模型提出一种“全面”自适应机动目标跟踪算法(OAF)．此算法能够避免机动加速度最大值的预先设定,自适应调节目标跟踪算法中的机动频率。进一步运用神经网络方法,将机动频率与过程噪声方差进行融合,通过在线调节神经网络权值获得融合后的系统方差输出,降低现有算法因系统参数调整不当带来的精度损失。理论分析及仿真结果表明,与单纯的速度自适应模型算法相比,该算法跟踪机动目标和非机动目标时精度分别提高49. 61%和48.34%．     

一种新的混合智能粒子滤波算法在雷达机动目标跟踪中的应用

标准粒子滤波算法的精度不高,鲁棒性差标准粒子滤波算法的精度不高,鲁棒性差难以满足雷达目标跟踪的要求。本文提出了一种新的适用于雷达目标跟踪的智能粒子滤波算法,在粒子滤波中先利用人工鱼群的全局收敛性找到满意的解域,再利用粒子群算法引导粒子向高斯然区域移动,提高滤波精度。仿真表明该算法可以在强闪烁噪声下有效地跳出局部最优,搜索到理想的粒子最优值,提高雷达机动目标跟踪的精度。