基于在线支持向量回归的非线性模型预测控制方法

针对非线性模型预测控制中离线模型难以适应非线性对象实时变化的缺点, 提出一种基于在线支持向量回归的非线性模型预测控制方法. 该方法通过在线支持向量回归离线训练与在线学习相结合的方式, 建立具有在线校正特性的预测模型, 同时采用最速下降原理滚动优化非线性模型预测控制的目标函数, 求得多步控制量. 通过对非线性对象的控制结果表明, 所提出方法有效且具有良好的自适应性.

     

基于证据推理的联合故障检测方法

针对卡方故障检测方法对软故障的检测性能较差, 甚至会导致滤波器发散的问题, 提出一种基于证据推理的联合故障检测方法. 将组合导航中的各子滤波器作为证据, 利用每个子滤波器的状态及协方差构造联合故障检测函数, 并利用联合故障检测函数的概率分布计算基本置信指派, 再将多个证据按D-S 规则进行融合, 根据融合结果进行故障检测. 仿真结果表明, 所提出的方法对硬故障的检测性能与卡方故障检测性能相当, 但对软故障的检测性能要优于卡方故障检测, 可提高组合导航系统的可靠性和精度.

     

两阶段灰色综合测度决策模型与三角白化权函数的改进

首先将中心点三角白化权函数中对应于灰类1 和灰类s的三角白化权函数分别取为下限测度白化权函数和上限测度白化权函数. 这一改进避免了将各聚类指标的取值范围向左、右延拓的困扰. 针对灰色聚类系数向量delta_i  的各分量均衡取值或灰色聚类系数向量delta_i 有若干个位于前列的主分量取值相近, 难以判定决策对象归属的问题, 构建一种新的两阶段灰色综合测度决策模型, 以解决灰色聚类系数向量delta_i 的各分量取值趋于均衡或delta_i 有若干个位于前列的主分量取值相近情形下的综合决策问题, 并通过应用实例验证了模型的有效性.

     

Sigma-Point直接式卡尔曼滤波惯性组合导航算法

基于西格玛点采样加权的方法,以姿态,速度和位置等9个导航参数为状态向量,以卫星导航系统的速度和位置组成6维观测向量,构建直接式卡尔曼滤波器,融惯性导航系统求解和状态估计的过程为一体,直接描述系统导航参数动态过程.仿真结果验证了惯性组合导航Sigma-Point直接式滤波方法的有效性,表明该非线性直接式滤波方法可提高惯性组合导航系统的导航精度和对飞机,导弹等载体非线性机动过程的适应性.

     

基于区间观测器的执行器故障检测

针对同时具有未知非线性函数(包括系统不确定性、外部干扰等) 和执行器故障的非线性系统, 提出基于区间观测器的故障检测方法. 首先, 在假定执行器故障不出现的前提下, 基于未知非线性函数的上下界信息, 提出两种区间观测器设计方法; 然后, 利用这两种区间观测器的输出和系统的真实输出, 构造可以对执行器故障进行检测的残差, 以此实现基于区间观测器的执行器故障检测. 最后, 通过两个仿真例子验证了所提出方法的正确性和有效性.

     

一类不确定系统鲁棒容错D-稳定性分析

研究不确定系统D-稳定鲁棒容错H_∞控制问题.基于连续型执行器故障模式,利用线性矩阵不等式(LMI),给出了系统D-稳定的鲁棒容错输出反馈控制器存在的充分条件,并将动态输出反馈控制器设计方法归结为求解一族线性矩阵不等式组.仿真示例表明,无论执行器是否发生故障,所得到的动态输出反馈控制器不仅保证闭环系统是D-稳定的,而且满足给定的H_∞干扰指标,从而验证了所提出的控制器设计方法的有效性.

     

并联混合有源电力滤波器自适应L2增益鲁棒控制

为了抑制外界未知扰动和参数摄动对并联混合有源电力滤波器(SHAPF) 系统性能的影响, 提出一种新型的自适应L₂ 增益鲁棒控制策略. 首先建立含有扰动和参数摄动的SHAPF 欧拉-拉格朗日(EL) 数学模型, 得到了SHAPF 在dq 坐标系下的误差动态模型; 然后通过构造适当的Lyapunov 函数设计参数自适应控制率, 实现了对系统参数摄动的补偿, 进而利用阻尼注入方法设计系统的L₂增益鲁棒控制器, 以保证闭环系统的 gamma  耗散性. 仿真实验验证了所提出策略的正确性和有效性.

     

一种非线性系统被控对象故障诊断方法

控制系统中的传感器、执行器和被控对象的故障检测与诊断往往是把执行器和被控对象视为一个整体来研究, 这不利于故障的决策与处理. 对此, 设计了非线性系统故障诊断的滑模观测器, 提出一种诊断被控对象故障的方法, 即对非线性系统和执行器同时进行观测, 根据两观测器残差的变化情况判断出非线性系统中传感器、执行器和被控对象故障. 最后以单输入单输出非线性系统为例进行仿真, 验证了该方法的有效性.

     

基于支持向量预选取的支持向量域故障预报

针对两种支持向量域模型分别分析了支持向量的分布特性,在此基础上从训练集中选取具有一定几何特征的向量构建预测模型.这些特征向量的预选取在不影响支持向量域的故障预报能力的前提下,大大减少了训练样本,提高了支持向量域的训练效率.仿真实验表明了该方法的有效性和可行性.

     

线性时变参数系统切换输出反馈控制

考虑时变参数系统的切换H_∞控制问题.提出了由参数触发的切换策略,由此在最小驻留时间的限制下,将线性时变参数系统分解为若干具有范数有界不确定性的子系统.利用多Lyapunov函数方法分别设计各子系统的输出动态反馈控制器,使在切换策略驱动下构成的闭环系统满足H_∞控制性能.仿真算例完整地实现了理论方法,并验证了其有效性.

     

一种基于LS-SVM 的联邦滤波故障检测方法

针对Х^2检验法在组合导航系统联邦滤波故障检测中的不足,提出一种基于最小二乘支持向量机（LS—SVM）的故障检测方法,即在LS-SVM对子滤波器新息进行预测的基础上构造故障检测量．以捷联惯导,卫星,天文组合导航系统为应用平台,采用无重置的联邦滤波对子系统突变和渐变两种故障的检测进行了仿真分析．仿真结果表明,所提出的LS-SVM检测法比残差Х^2检验法具有更好的故障检测能力,由此验证了方法的有效性．     

飞行器气动模型辅助导航方法的研究概况与进展

气动模型辅助导航是一种新型的导航方法, 将描述飞行器飞行状态的气动模型信息与现有导航系统信息相融合, 可以提高导航精度和可靠性, 近年来受到国内外学者的关注, 有望成为飞行器的新型自主导航方法. 通过对气动模型辅助导航方法研究现状的调研和分析, 阐述了该导航方法的概念与原理; 分析了目前主要的3 种技术方案—–气动模型/惯性导航融合、气动模型/卫星导航融合、气动模型/惯性/卫星导航融合的各自特点; 对气动模型辅助导航方法与当前几种主要的辅助导航方法进行综合比较, 分析了该方法的技术优势与应用前景; 结合目前的研究现状, 探讨了气动模型辅助导航方法后续研究的关键技术和发展方向. 气动模型辅助导航方法与飞行器的气动模型特性、制导、导航和控制流程密切相关, 该方法的研究有助于推动导航、制导与控制(GNC) 3 个方向的各自发展和深度融合.

     

基于组合导航系统的非线性高斯滤波算法

由于组合导航系统具有强非线性和模型不确定性的特点, 工程中扩展卡尔曼滤波无法满足组合导航系统实际应用的要求. 为此, 针对贝叶斯框架下高斯类非线性滤波算法的估计性能给出具体分析. 首先, 在估计点处对非线性函数进行泰勒展开获得泰勒近似, 通过一阶矩和二阶矩分析滤波算法的近似精度; 然后, 通过数值稳定性对非线性滤波算法进行分析; 最后, 分别采用低维和高维模型对各滤波算法进行对比分析, 为组合导航系统的实践提供借鉴.

     

BP神经网络辅助的缓变故障双阈值检测法

针对传统$\chi ^2$检测法对惯性/卫星组合导航缓变故障检测效率不高的问题,提出一种基于BP神经网络辅助的缓变故障双阈值检测法.基于BP神经网络建立位置与速度子预测器,实现对卫星导航量测数据的预测,在此基础上根据预测精度提出双阈值的低检测门限,辅助残差chi^2检测法进行故障检测与系统重构.仿真结果表明,对于缓变故障,所提出方法能有效提高故障期间滤波精度、降低漏警率以及组合导航的可靠性.     

晃动基座下捷联惯导的抗干扰自对准算法

针对捷联惯导(SINS) 晃动基座下, SINS 难以快速实现自对准的问题, 提出SINS 的抗干扰自对准算法. 该算法通过将初始对准问题转化为Wahba 求解问题来消除角运动干扰的影响; 利用惯性坐标系重力矢量和晃动干扰加速度的频率特点, 通过设计低通滤波器对比力在惯性坐标下的投影进行滤波来消除线振动干扰的影响. 仿真结果表明, 该算法不需要进行粗对准, 能够在角运动干扰和线振动干扰同时存在的情况下快速实现自对准.

     

一种基于UKF改进算法的组合导航系统故障的检测方法

为了缩短组合导航故障检测的时间, 提高检测准确性, 在残差χ²检验法理论基础上, 对无迹卡尔曼滤波（UKF）进行研究。采用一种基于混合滤波思想的UKF, 该算法在时间更新步骤分为两个阶段, 利用线性方程得到状态的一步预测值并由此构造Sigma点, 通过求取Sigma点加权和来实现对量测值的一步预测, 降低了计算量。采用改进算法和标准UKF算法对含有故障的GPS/INS组合导航模型进行故障检测。仿真实验表明, 改进的算法能够更迅速地检测出故障, 有利于提高导航系统的稳定性, 在工程应用中有重要意义。     

基于Volterra 级数并行递推AP 算法的陀螺漂移预测

为了预测某导弹陀螺漂移趋势,以该陀螺漂移角速度时间序列为对象,建立基于Volterra级数的非线性时间预测模型,提出了一种基于Volterra级数的并行递推放射投影AP自适应算法.以系统Volterra核向量增量的模与某约束总和为损失函数,按照最陡下降原理导出各阶Volterra核更新公式;再利用矩阵求逆引理递推求取各阶Volterra子系统自相关逆矩阵导出算法.某导弹实测的陀螺漂移数据预测应用研究表明,该算法运算速度快、预测精度高.     

耦合多新息随机梯度辨识方法性能分析

针对一类耦合参数多变量系统, 提出一种耦合多新息随机梯度方法. 通过该方法进行参数辨识并对该方法进行性能分析. 该方法的基本思路在于利用历史新息中包含的信息, 将耦合随机梯度算法中的新息项扩展为多新息向量, 从而提升耦合随机梯度算法中单个子系统的辨识效果. 仿真结果表明, 通过增加新息长度可以提升辨识结果的收敛速度和精度.

     

多智能体粒子群优化的SVR 模型预测控制

参数的优化选择对支持向量回归机的预测精度和泛化能力影响显著,鉴于此,提出一种多智能体粒子群算法(MAPSO)寻优其参数的方法,并建立MAPSO支持向量回归模型,用于非线性系统的模型预测控制,推导出最优控制率.采用该算法对非线性系统进行仿真,并与基于粒子群算法、基于遗传算法优化支持向量回归机的模型预测控制方法和RBF神经网络的预测控制方法进行比较,结果表明,所提出的算法具有更好的控制性能,可以有效应用于非线性系统控制中.