自校正Kalman平滑新方法及其在飞行器跟踪方面的应用

应用状态空间方法和现代时间序列分析方法，基于白噪声估值器和输出预报器，提出了解决带输入的线性离散定常系统稳态最优和自校正Ｋａｌｍａｎ平滑新方法，并给出了在飞行器跟踪方面的应用。仿真结果说明了本文结果的实用性和有效性。     

具有未知系统偏差的自适应Kalman平滑器

提出一种有效的具有未知系统伯差的自适应Ｋａｌｍａｎ平滑器．应用状态空间方法和ＡＲＭＡ新息模型，基于白噪声估值器和输出预报器，给出线性离散定常系统自适应最优状态和偏差联合Ｋａｌｍａｕ平滑器，最后给出仿真实例．     

多传感器信息融合平滑器算法研究

为了提高融合估计的精度,采用矩阵加权线性最小方差意义下的最优信息融合准则,对多传感器系统,考虑局部估计误差之间的相关性,给出了最优信息融合固定区间平滑器算法。理论和仿真实验表明,融合平滑器精度在总体上高于各局部子系统的估计精度。与融合预报器相比,融合平滑估计比预测平滑估计精度提高了近5倍,显著地改善了传感器的融合估计精度,并且该平滑器具有容错性。因此,本文提出的融合平滑器算法,对于非实时的信息融合问题具有一定的应用价值。     

基于势概率假设密度平滑器的多目标跟踪算法

针对概率假设密度(PHD)滤波在杂波环境下对机动多目标进行检测与跟踪时,易出现高阶势分布信息丢失,从而导致目标检测出现偏差的问题,提出一种将势概率假设密度(CPHD)滤波与平滑算法相结合的多目标跟踪算法。从CPHD的预测与更新步骤出发,结合后向平滑递归公式,推导CPHD平滑公式,并提出基于高斯混合实现的GM-CPHD平滑器。仿真实验表明,GM-CPHD平滑器的检测与跟踪性能优于未经平滑处理的CPHD滤波器。     

基于RBF神经网络的非线性系统故障诊断

针对一类含模型不确定性的非线性系统，提出了具有强鲁棒性和高灵敏度的在线故障检测与诊断方法．其中，系统只有输入、输出可检测，故障是关于输入和状态的非线性函数．非线性在线估计器用于估计系统不确定部分，同时监视系统是否发生故障，估计故障的大小．仿真结果表明，故障诊断算法稳定．     

基于期望最大化算法和求容积卡尔曼平滑器的气动参数辨识算法

针对初值和噪声统计特性未知情形下的飞行器系统辨识的问题,提出了基于期望最大化(expectation maximization,EM)和求容积卡尔曼平滑器(cubature Kalman smoother,CKS)的辨识算法。该算法用期望最大化算法对初值和噪声的统计特性进行估计;用求容积卡尔曼平滑器估计状态向量和未知参数。在期望最大化算法的求期望步骤中,所求的期望值通过求容积规则获得,用较少的采样点保证了估计精度;在期望最大化算法的最大化步骤中,未知量的最优值以解析解形式给出,减小了计算量。仿真结果说明,该算法在飞行器气动参数辨识问题中,能给出较好的辨识结果。与其他方法的对比验证说明新算法具有辨识精度高、收敛速度快等优点。     

高超声速飞行器快速平滑自适应二阶滑模控制

为解决高超声速飞行器在爬升的过程中存在严重匹配/非匹配不确定性的问题,提出了一种新型的自适应超螺旋滑模控制方法以抑制爬升段存在的匹配不确定性,并将该方法与滑模微分器相结合,以解决爬升段存在的非匹配不确定性.首先用滑模微分器估计反馈线性化模型中速度和高度的各阶导数,以缩小反馈线性化模型与原模型的差距;其次在传统超螺旋滑模的基础上,加入线性项以提高收敛速度;将积分项中不连续的符号函数连续化,保证控制输入的平滑性,更大程度削弱抖振;针对未知上界复合干扰,设计了一种自适应参数可增大可减小的自适应律,保证参数既不过大估计,又可放宽初值的选取,保证收敛速度. 仿真结果表明:改进后的控制方法可实现状态量在有限时间内跟踪上指令信号,完成控制要求;且相较于传统超螺旋滑模控制算法,改进的控制方法控制输入更加平滑,收敛速度更快,从而验证了该方法的有效性以及先进性.     

不确定时滞系统ADRC控制

针对不确定时滞系统，将输入时滞系统等价于高阶输入无时滞系统，利用自抗扰控制技术(ADRC)，并在控制回路中串联一滤波器得到易于执行的控制量．自抗扰控制技术是由跟踪微分器(TD)、扩张状态观测器(ESO)、非线性PID(即NPID)等组成，根据对象的输入输出信息来估计扰动并补偿，从而自动实现抑制扰动，并将被控对象化成积分器串联型以便构造理想的控制器．仿真结果表明：自抗扰控制技术以一套不变的参数，当存在外干扰、模型不确定、状态时滞、输入时滞、甚至输入时滞增加几倍时，系统仍然能够保持理想的跟踪效果．     

航空重力测量中垂直加速度改正的固定区间平滑算法研究

对于离线处理的航空重力测量垂直加速度改正,固定区间平滑可以利用更多的量测信息获得优于滤波估计的结果.文章详细分析了TFS算法和RTS算法的基本原理和平滑处理步骤,并将它们应用于垂直加速度改正的模型试验.试验结果表明,两种平滑算法都能够压制测量中的扰动噪声,提高垂直加速度改正的精度.从算法和处理复杂程度考虑,可优先采用R...     

量测随机延迟下带非高斯噪声的目标跟踪算法

为解决量测一步随机延迟及非高斯噪声条件下战斗机蛇形机动模式转弯角速度辨识问题,更好地实现蛇形机动的稳定跟踪,考虑到目标状态与转弯角速度之间相互耦合的特性,基于联合估计与辨识的思想,依据极大似然准则,提出了一种基于期望最大化的目标状态估计与转弯角速度辨识联合优化算法.该算法主体包含两个部分:E-step和M-step.在E-step,首先,通过充分考虑量测一步随机延迟特性及非高斯量测噪声,重新构造了粒子滤波器的似然函数,进而改进了粒子权重的更新公式,同时,为避免粒子贫乏现象的发生,将粒子群优化算法引入到重构的粒子滤波器当中进一步改进粒子采样过程;其次,将拒绝采样思想引入到后向模拟粒子平滑器当中,并相应地设置拒绝采样终止条件,优化后向模拟粒子平滑器,进一步提高平滑算法的执行效率;最后采用改进的粒子滤波器与后向模拟粒子平滑器进一步获取目标状态的平滑量;在M-step,通过采用牛顿迭代法极大化条件似然函数,从而获得转弯角速度的估计量,用于下一次算法迭代.通过E-step和M-step的不断迭代,进而获得转弯角速度的闭环形式的优化解.仿真实验结果表明,所提算法的目标状态估计与角速度辨识的精度均优越于传统的扩维法.     

考虑运动加速度干扰的无人机姿态估计算法

为解决动态环境下无人机导航系统姿态估计易受传感器噪声和运动加速度干扰的难题,提出一种考虑运动加速度干扰的无人机姿态估计算法。首先,建立运动加速度估计模型,根据基于卡尔曼滤波的加速度误差模型和由外部传感器提供的速度信息实现对运动加速度的精确估计,利用运动加速度估计模型获得的运动加速度对加速度计的原始值进行修正,降低动态环境下运动加速度对姿态估计的干扰。随后,搭建基于互补滤波的姿态估计模型,利用磁力计信息和修正后加速度信息构建陀螺仪修正量,对陀螺仪原始值进行修正,设计互补滤波器滤除来自加速度计和磁力计的高频噪声和来自陀螺仪的低频噪声,避免传感器噪声信号对姿态估计的干扰。最后,利用无人机试飞过程中采集的传感器信息对该算法进行实验验证。实验结果表明,该算法可以精确估计无人机机动过程中所产生的运动加速度,有效减弱传感器噪声和运动加速度对姿态估计的干扰,该算法显著提高了无人机导航系统在动态环境下姿态估计的精度和抗干扰能力。     

两种输入模型下的汽车逆问题分析

针对汽车操纵逆动力学的研究现状,提出了一种识别方向盘输入的新方法.建立了驾驶员-汽车二自由度闭环系统角输入模型和考虑转向系转动惯量的汽车三自由度力矩输入模型.通过角输入情况下,汽车沿蛇行线行驶以及力输入情况下的高速、小侧向加速度的正弦曲线行驶,利用径向基函数网络,分别建立了汽车横摆角速度、侧向加速度与方向盘转角以及汽车侧向加速度与方向盘力矩之间的映射关系.两种输入模型下的识别结果表明,识别值和仿真值比较吻合,因此利用径向基网络识别方向盘角输入和力矩输入的方法是可行的,并且具有识别精度高,运算速度快,抗噪能力强等优点.     

水下结构辐射噪声工程估算方法研究

在总结国内外关于结构噪声预报和估算方法的基础上，提出了一种基于统计假设下的估算方法。该方法以理论分析和实验研究为基础，在确定了结构噪声的辐射效率后，再通过直接或间接法获得结构表面均方加速度分布，即可实现水下结构辐射噪声的工程估算方法。另外，还进行了对比实验研究，实验研究结果表明，该估算方法简单可行，便于在实际工程中的应用；但对其适用性，还需要进一步的实验验证。     

一种模糊推理强机动目标跟踪新算法

针对机动目标状态估计算法对强机动目标跟踪性能下降,甚至发散的问题,在机动目标状态估计算法基础上引入模糊推理多重修正因子,提出一种新的强机动目标自适应跟踪算法.采用残差统计距离和目标机动加速度的2-范数作为模糊输入量,自适应地计算出多重修正因子来实时调节预测协方差.该算法保留了对一般匀速或弱机动目标的高精度跟踪性能,同时增强了滤波器对强机动目标的自适应跟踪能力.仿真结果表明,新算法提高了对强机动目标的估计精度,加快了跟踪的收敛速度.     

基于多模型自适应估计的机动目标拦截

针对频率随机且初始相位未知的正弦机动目标,采用多模型自适应估计方法构建相应的成员滤波器,以实现对于机动频率的辨识和相关状态的估计.考虑到估计延迟等多种因素作用下,拦截导弹加速度无法达到最大容许值,从而不能充分发挥其性能,提出了一种有界控制修正增益制导策略.基于Monte Carlo试验法进行了仿真,结果表明,所给出的多模估计方法可以实现目标机动的有效辨识和状态估计,有界控制修正增益制导策略也具有较好的目标拦截性能.     

一种新的摩擦力最小二乘估计方法

提出了一种新的摩擦力最小二乘估计方法,和现有方法相比,其优点是不使用加速度信号,且适用于速度可能为零的情况。     

投影向量机在工程单方造价预测中的应用

针对目前工程单方造价预测速度慢、时效性差的问题,提出一种基于投影向量机的快速预测方法,该方法通过对数据降维获得神经网络的输入权和隐含层节点的数目,通过广义逆获得神经网络的输出权。因为整个训练过程不需要迭代调整,所以具有高效的训练速度。在真实单方造价数据上的实验显示,新的预测方法比传统方法速度提高18倍,且精度提高40%,时效性与预测精度都得到显著提高,能够更好地满足造价预测的需要。     

LFMCW车载雷达解速度模糊测角新方法

LFMCW车载雷达采用MIMO虚拟孔径方法提高角度估计性能,通常将MIMO雷达虚拟孔径角度估计和解速度模糊分成两帧信号处理,这样会降低雷达数据率。该文提出一种解速度模糊测角新方法,采用TDM方式发射不同时宽、带宽相同的锯齿波信号。在一帧信号内先解速度模糊,再进行相位补偿,最后进行MIMO雷达虚拟孔径角度估计。通过仿真和理论分析,该方法能进行高精度角度估计,减少了信号处理时间,提高了雷达数据率。     

输入地震动对面板堆石坝坝体加速度放大系数的影响

采用等效粘弹性模型对某面板堆石坝进行了三维动力有限元分析,分别计算了坝体在不同地震设计烈度(峰值加速度为0.1g~0.4g)下面板堆石坝的地震动力反应。结果表明:坝体的峰值加速度随着输入地震动的增大而近似线性增大;但是峰值加速度的放大倍数随着输入地震动的增大而非线性减小。地震峰值加速度变化规律对面板堆石坝的抗震设防具有一定的借鉴意义。     

一种用于实际OFDM系统的RLS自适应信道估计算法

对OFDM信道估计中的信道冲激响应(CIR)泄漏问题进行了分析,提出了一种新的时域一维递归最小二乘(RLS)自适应信道估计算法。RLS滤波器的输入和参考信号被一个独立于信道统计特性的矩阵加权,降低了CIR泄漏的影响。该算法保持了一维RLS算法低复杂度的特点,运算量远小于二维RLS算法。仿真结果证明,在非整数采样多径衰落信道下该算法极大提高了一维RLS信道估计的MSE性能,使其逼近于二维RLS算法。