广义离散随机线性系统降阶固定区间最优Kalman平滑器

利用广义系统典范型,将广义系统状态估计问题转化为一个降阶常规系统的状态估计问题。应用Kalman滤波方法和白噪声估计理论,提出了广义离散随机线性系统降阶固定区间最优Kalman平滑器,可减少计算负担,便于实时应用。一个仿真例子说明其有效性。     

广义系统降阶极点配置Kalman估值器

应用现代时间序列分析方法,基于ARMA新息模型和白噪声估计理论,提出了广义系统降价极点配置Kalman状态估值器.它可统一处理滤波、平滑和预报问题,且具有渐近稳定性.在计算上与非降阶的方法相比明显地减少了计算负担.同经典降阶Kalman滤波方法相比,避免了求解Riocati方程.仿真例子说明了所提的理论和算法的有效性.     

广义离散系统降阶Wiener滤波、平滑和预报

应用现代时间序列分析方法,基于Kalman滤波和白噪声估计理论,对于广义离散随机线性系统的一种典范型,提出降阶Wiener状态估值器,可统一处理滤波、平滑和预报问题,并且能减少计算负担,便于实时应用.一个仿真例子说明其有效性.     

Y可观典范型广义系统降阶Wiener状态估值器

用现代时间序列分析方法,基于ARMA新息模型和白噪声估计理论,提出了在Y可观典范型下广义系统的降阶Wiener状态估值器.它们可统一处理,滤波,平滑和预报问题且具有渐近稳定性.在计算上与非降阶的方法相比明显地减少了计算负担,同多项式方法相比避免了求解Diophantine方程.仿真例子说明了所提的理论和算法的有效性.     

一种新的固定滞后最优Kalman平滑器

基于带相关噪声系统的一种最优Kalman滤波算法,应用白噪声估计理论和射影理论,提出了一种带白噪声估值器的固定滞后最优Kalman平滑器。它可递推实现,一个仿真例子说明了其有效性。     

相关噪声系统固定区间最优Kalman平滑器

基于带相关噪声系统的一种Kalman滤波器,应用射影理论,提出了一种固定区间最优Kalman平滑器,它可用反向递推形式实现,算法简单,但于实时应用.推广了带不相关噪声系统的一个现有结果.一个仿真例子说明了其有效性.     

一类广义系统Kalman滤波新方法

基于矩阵理论[8]和时域上的Kalman滤波理论[5],对广义离散随机线性系统进行研究.运用矩阵约当分解,将一类广义系统化为正常系统,并利用已有的正常系统结果,给出一类广义最优Kalman滤波器,其算法简单,为递推算法,且避免了计算ARMA新息模型和白噪声估值器,便于实时应用.仿真例子说明了算法的有效性.     

弱非完整系统正则方程的降阶法

首先给出弱非完整系统的正则方程，然后得到能量积分，并利用这个积分降阶正则方程，得到了广义Ｗｈｉｔｔａｋｅｒ方程，最后举例说明其应用。     

一种基于联邦Kalman滤波结构的自适应信息融合方法

鉴于联邦Kalman滤波是一种能在复杂信息融合系统中进行目标状态估计的有效方法．介绍了联邦Kalman滤波器的原理和结构，提出了一种基于联邦Kalman滤波结构的自适应多传感器信息融合算法．仿真结果表明，该算法能有效提高信息融合系统的精度和容错性．具有较高的实用价值．     

一种新的状态重构方法

提出了一种新的降维观测器的设计方法.首先把状态空间变换成能观测第I标准型,根据系统输出矩阵的秩决定降维观测器的维数.然后推导出降维观测器的方程并估计了降维观测器对状态重构的误差.最后给出了仿真例子.     

不确定离散广义时滞系统的鲁棒H2控制

基于线性矩阵不等式法讨论了不确定离散广义时滞系统的鲁棒H2控制问题.目的是设计一个可容许的状态反馈控制律,对系统所有容许的不确定参数,使得闭环系统是容许的且满足所要求H2性能,即闭环系统的H2范数小于一个给定的正数γ.在分析的基础上,给出了该问题可解的一个矩阵不等式的充分条件及控制器的一个代数表达式.     

基于鲁棒时变卡尔曼滤波估计的无人机视觉编队

针对一般多输入多输出不确定系统,提出一种基于鲁棒时变卡尔曼滤波的估计算法. 该方法将时变卡尔曼滤波与自适应神经网络相结合,利用自适应神经网络克服外界非线性不确定因素,采用两个误差信号对其进行训练以提高估计精度,并对估计误差有界性进行证明. 将该方法用于无人机视觉编队视线信息的状态估计,仿真结果表明该算法能够很好地估计不确定机动长机的加速度,实现了僚机对长机的有效跟踪.     

基于线性矩阵不等式的广义系统非脆弱混合H2／H∞优化控制

研究了广义系统非脆弱混合H2／H∞优化控制问题．目的是设计一个带扰动的状态反馈控制器,使得闭环广义系统满足容许性及H∞范数界的同时使得H∞范数极小．基于线性矩阵不等式给出了该控制器存在的一个充分条件,同时给出了控制器的设计方法和闭环系统H∞范数的极小上界．     

状态和输入多时变时滞非线性系统的干扰补偿控制器设计

针对干扰波形已知但幅值未知的情况,对于状态和输入均存在多时变时滞的一类非线性系统设计了干扰补偿控制器.由于未知无界干扰的作用将使系统的状态失去控制,必须对干扰进行补偿控制.为得到系统状态和干扰的估计,将干扰系统和受控系统构成增广系统,对此增广系统设计非线性时滞状态观测器,并将干扰估计值作为补偿控制器的输入从而实现对干扰的补偿.     

GPS/INS组合导航中的自适应滤波算法

研究了GPS/INS导航系统中的不确定噪声问题,给出了一种基于协方差匹配技术的自适应卡尔曼滤波算法,该法当测量噪声的协方差已知时可以自适应估计出系统噪声的协方差.它是在滤波过程中通过判定系统噪声的协方差是否发生了变化,若它发生了变化再估计出新的协方差,然后再按得到的噪声统计估计值计算新息序列的协方差阵,因此有效地提高了滤波结果的精度并消除了滤波发散现象.数字仿真表明效果良好.     

不确定连续线性系统鲁棒ESPR估计

在时域中考虑多胞不确定连续系统的鲁棒ESPR估计问题．提出了基于线性矩阵不等式处理方法,指出鲁棒ESPR估计问题可解的充分条件是一组LMI有解,并利用LMI的可行解构造了估计器的系数矩阵．     

针对传感器故障的广义系统主动容错控制

针对传感器失效情形,提出基于全维状态观测器的广义系统主动容错控制的设计方法.根据广义系统的分离定理,当传感器失效,利用调整观测器增益阵参数的办法来实现容错.数值例子验证了所提方法的有效性.