基于H∞环路成形和自适应神经模糊推理系统的模糊控制器设计

H_∞环路成形方法设计的控制器阶次较高,不便于工程实现和参数调整;用传统方法确定模糊控制器隶属度函数的参数和模糊规则比较费时且难以保证鲁棒性能和时频域性能指标.针对上述情况,提出了一种综合运用H_∞环路成形和自适应神经模糊推理系统来设计模糊控制器的方法.首先采用H_∞环路成形设计方法,得到鲁棒裕量、动态和稳态性能都符合要求的控制器,然后用自适应神经模糊推理系统来逼近此控制器,最后根据自适应神经模糊推理系统参数确定相应的模糊控制器规则和参数.该方法确定模糊控制器隶属度函数的参数精确而省时,且能保证控制器具有较强的鲁棒性和良好的控制效果.通过对小车倒立摆系统进行的仿真,验证了该控制器设计方法的有效性.     

基于无迹卡尔曼滤波的被动多传感器融合跟踪

针对被动传感器观测的非线性问题,将无迹变换引入卡尔曼滤波算法中.进一步,针对其弱可观测性,采用多个被动传感器集中式融合跟踪策略,提出了基于无迹卡尔曼滤波的被动多传感器融合跟踪算法.以3个被动站跟踪为例进行仿真研究,结果表明所提出的算法可达到比经典的扩展卡尔曼滤波算法更高阶的跟踪精度.     

基于模糊自适应滑模的非线性系统的故障调节

对于非线性系统提出故障调节控制的设计方法,通过附加控制律补偿故障所带来的影响．利用模糊逻辑系统估计故障并提供故障的修正行为,即主动容错．引入滑模控制抵消模糊逼近误差,经故障调节后闭环系统是稳定的．通过仿真算例证明了该方法的有效性．     

基于无迹H∞滤波的锂电池SOC估计研究

新能源汽车中锂电池的荷电状态(SOC)估计是电池管理系统的关键技术,对其准确估算有重要意义.所提的算法参考无迹卡尔曼滤波(UKF),将无迹变换(UT)融入到扩展H∞滤波中,用以估计锂电池系统状态均值和协方差,避免线性误差累积、增加算法的数值稳定性.在仿真实验中,在不同动态工况下分析了该算法的估计误差,证明算法在面对噪声干扰时具有较好的鲁棒性和准确性,是一种有效可行的算法.     

Fault accommodation for nonlinear systems using fuzzy adaptive sliding control

An active fault accommodation control law is developed for a class of nonlinear systems to guarantee the closed-loop stability in the presence of a fault, based on a fuzzy logic system representation of the dynamics due to faults. It uses fuzzy logic system to approximate the dynamic caused by the fault. Through the adaptive process of the parameters, the dynamics caused by the fault is counteracted. The fuzzy sliding mode control is introduced to attenuate the fuzzy approximation error. Simultaneity, the closed-loop system is stable in Lyapunov sense and the tracking error converges to a neighbourhood of zero. The example of the proposed design indicates that the fault accommodation control law is effective for a nonlinear system.     

挠性系统的控制设计和H1回路成形法

挠性系统的控制设计与具体的挠性特性是相关的,从控制角度将挠性系统划分为轴系传动机构、桁架结构和卫星太阳能帆板的薄板型结构3类.其中薄板型结构挠性系统的挠性特点明显,文中指出H∞回路成形法能有效解决薄板型结构挠性系统设计上的难点,即在幅频特性急剧下降的频段内保证系统的稳定性.一般H∞控制理论中,H∞范数是系统的性能指标.但H∞回路成形法中的H∞范数表示的则是闭环系统的稳定裕度.通过挠性系统的算例说明,H∞回路成形法并不是给定摄动范围下的设计问题,因此在鲁棒性设计这一概念上也不同于常规的H∞控制设计,有其自己的含义.     

基于H∞滤波器的非线性摄动时滞系统的故障诊断

针对一类非线性摄动时滞系统，基于H∞滤波器技术，探讨了系统的故障诊断问题．首先引入参考模型，通过构建故障观测器，形成能反映系统故障的广义残差模型；然后通过基于线性矩阵不等式（LMI）的方法，将故障诊断问题转化为系统鲁棒稳定性分析问题，并给出该问题解存在的LMI条件和求法．该方法既提高了故障观测器对残差的敏感性，又有效地抑制了干扰，提高了故障检测的效果．仿真结果表明了该算法的有效性．     

用四元数状态切换无迹卡尔曼滤波器估计的飞行器姿态

在较大初始姿态误差角下, 针对捷联惯导/CCD星敏感器(strap-intertial navigation system/CCD star sensor, SINS/CCD)姿态估计系统扩展卡尔曼滤波(extended Kalman filter, EKF)算法精度下降的问题, 提出了基于四元数的状态切换无迹卡尔曼滤波算法. 通过状态实时切换降低了全维无迹卡尔曼滤波(unscented Kalman filter, UKF)的维数, 减小了计算复杂度, 提高了系统的实时性. 文中采用基于特征向量求解的代价函数法计算四元数均值避免了UKF算法中四元数规范化的限制; 利用乘性误差四元数表示姿态更新点与估计点之间的距离, 解决了四元数协方差阵奇异性问题. 仿真实验结果表明: 与EKF相比, 该算法在精度上有较大提高; 与全维UKF算法和修正罗德里格斯参数UKF算法相比, 该算法精度相当但估计时间均有不同程度的减少.     

一种基于SR-UKF的FastSLAM算法

标准FastSLAM算法存在着粒子集退化和线性化误差累积的缺陷。针对上述问题,提出了基于平方根无迹卡尔曼滤波(SR-UKF)的FastSLAM算法。SR-UKF选取一组能够代表状态向量统计特性的代表点带入非线性函数处理后重新构建出新的统计特性;使用SR-UFK取代EKF来估计每个粒子的后验位姿提议分布,可以提高粒子采样精度,减缓粒子集的退化;同时SR-UKF可以确保协方差矩阵的非负定,保证了SLAM算法的稳定性。仿真实验结果表明,基于SR-UKF的FastSLAM算法在估计精度和鲁棒性两方面均优于FastSLAM 2.0算法。     

Stability analysis of a multiple-model controller for constrained uncertain nonlinear systems

This paper outlines the construction and the analysis of a multiple-model-based controller in order to deal with the stability of uncertain systems subject to constraints on its state and its control. It is assumed that the process can be defined by a finite number of models. The multiple-model approach is first formally introduced, and then the stability analysis is performed by using the vector norms and overvaluing model frameworks. We demonstrate through original theorems how the multiple-model approach improves the sizes of the stability and attractive subsets first when only one model is sufficient to represent the process and then when a collection of its models is used.     

Application of a multiple-model adaptive filter method to inertial navigation systems

The multiple-model adaptive filter (MMAF) method is applied to the estimation of error states of inertial navigation systems (INS). Monte Carlo simulations are performed to evaluate the sensitivity of several MMAFs to uncertainties in flight condition, where a Doppler radar receiver or Omega receiver is considered as the reference information source. It is shown that the MMAF method is useful not only for a case where the actual system model is included within the candidate models, but also for a case where the actual system model is not included within the candidate models.     

Fault estimation and accommodation for switched systems with time-varying delay

This paper considers the problem of fault estimation and accommodation for a class of switched systems with time-varying delay. An adaptive fault estimation algorithm is proposed to estimate the fault, moreover, constant or time-varying fault can be estimated. Meanwhile, a delay-dependent criteria is obtained with the purpose of reducing the conservatism of the fault estimation algorithm design. On the basis of fault estimation, an observer-based fault tolerant controller is designed to guarantee the stability of the closed-loop system. Additionally, simulation results are presented to illustrate the efficiency of the proposed results.     

基于序贯无迹卡尔曼滤波的雷达目标跟踪方法

提出一种基于序贯无迹卡尔曼滤波的雷达目标跟踪方法。雷达跟踪系统为离散非线性系统,传统的解决方法是使用扩展卡尔曼滤波。无迹卡尔曼滤波用少量采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和方差的估计。为了提高无迹卡尔曼滤波的精度,用序贯无迹卡尔曼滤波方法依次处理方位角、俯仰角和距离,来进行雷达目标跟踪。通过Monte Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度和更高的计算效率。     

基于无迹卡尔曼滤波传感器信息融合的车辆导航算法

针对复杂道路条件下车辆的导航问题,将全球定位系统(GPS)与车载终端传感器系统相结合,提出了基于多传感器系统的车辆精确定位模型,并针对扩展类卡尔曼滤波易产生突发性误差而导致的安全问题,采用基于Sigma点的无迹卡尔曼滤波器(UKF)传感器信息融合算法。根据实时的道路状况和车辆自身的运动状态给出符合要求的状态估值,实验与基于多项式扩展卡尔曼滤波车辆传感器信息融合算法在精度和效率方面进行了比较,结果表明,基于UKF传感器信息融合的算法在复杂路况下的估计精度和运行效率都有显著提高,能够根据当前的路线情况和车载传感器的反馈信息快速地估计出车辆的运动状态,实时计算出动态的车辆控制输入。     

Fault recoverability analysis of switched nonlinear systems

The recoverability reflects the capability of the system to tolerate the worst faults over a prescribed set under admissible energy constraints. In this paper, we present the minimum amount of control energy required to drive the initial state of a nonlinear system to the origin under certain assumptions, and we also give the corresponding optimal control law. This result is then extended to switched nonlinear systems under given switching signals. On this basis, a novel fault recoverability evaluation scheme is proposed for switched nonlinear systems with respect to the given limit of energy cost. Simulation results verify the effectiveness of the proposed method.     

基于自适应渐消无迹粒子滤波的UnscentedFastSLAM算法

针对机器人导航无迹快速同步定位与地图构建（Unscented FastSLAM）算法由于重采样造成样本粒子退化,进而导致估计精度下降的问题,提出一种基于自适应渐消无迹粒子滤波的Unscented FastSLAM算法。该算法将无迹粒子滤波与渐消滤波相融合产生自适应建议分布函数,同时将粒子根据权值进行优化组合,仅对组合后的部分不稳定的粒子进行系统重采样。通过这两方面使系统具有高度自适应性的同时保证粒子的多样性,缓解粒子的退化现象。仿真实验表明,提出算法与Unscented FastSLAM算法相比,可以用较少的粒子实现更高的SLAM的估计精度,很大程度上降低了SLAM算法的复杂度。     

基于神经网络观测器的一类非线性系统的故障调节

将一般形式的非线性模型线性化为输出反馈型．针对该类系统,首先利用神经网络的一致逼近任意非线性连续函数的性质,构造神经网络自适应观测器,以获取反映故障信息的残差;然后根据残差信息在线估计故障;最后通过修正控制律来补偿故障所带来的影响．并采用Lyapunov稳定性理论证明了系统的稳定性．仿真结果验证了该方法的有效性．     

非线性自适应平方根无迹卡尔曼滤波方法研究

针对带有附加噪声且噪声特性未知的系统,提出了一种非线性卡尔曼滤波方法--自适应平方根无迹卡尔曼滤波（NASRUKF）方法,该方法基于平方根滤波的思想,对传统的Sage-Husa自适应滤波算法进行了改进,并与平方根无迹卡尔曼滤波（SRUKF）算法相结合用来进行非线性滤波。该算法能直接对非线性系统的状态方差阵和噪声方差阵的平方根进行递推与估算,确保状态和噪声方差阵的对称性和非负定性。将所提方法通过计算机仿真技术与SRUKF算法进行对比,结果表明NASRUKF方法在滤波精度、稳定性和自适应能力方面均优于SRUKF方法。     

基于加性无迹卡尔曼滤波的雷达目标跟踪方法

提出一种基于加性无迹卡尔曼滤波的雷达目标跟踪方法。雷达跟踪系统为离散非线性系统,传统的解决方法是使用扩展卡尔曼滤波。无迹卡尔曼滤波用少量采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和方差的估计。用无迹卡尔曼滤波进行雷达目标跟踪。通过Monte Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度。     

基于改进卡尔曼滤波算法的盲多用户检测器

基于盲检测器的新典范表示形式,提出了一种多径信道下CDMA系统的盲多用户检测器。该检测器使用了一种改进的自适应卡尔曼滤波算法,它在进行状态滤波的同时,在线估计时变的未知噪声统计特性,提高了算法的滤波精度,确保了算法收敛于期望用户。仿真表明,对比原有的随机梯度（LMS）算法,该算法的收敛、跟踪性能更好,且误码率减小了18.7%。