无人机组合导航系统的自适应算法研究

为了缩短捷联惯导系统的初始对准时间并提高对准精度,分别设计了常规卡尔曼滤波器和自适应卡尔曼滤波器用于精对准。在系统噪声统计特性未知时,自适应卡尔曼滤波算法利用滤波残差的均值和方差,不断对卡尔曼滤波的状态噪声方差阵和测量噪声方差阵进行实时修正,从而提高滤波器对模型不确定性和噪声变化的适应能力和鲁棒性。仿真结果表明,使用自适应UKF算法与常规的UKF算法相比,可以获得更优的对准精度和快速性。     

一类时滞离散不确定性系统的鲁棒H∞滤波

研究了一类含有状态时滞的离散不确定性系统的鲁棒H∞滤波器设计问题，其中，系统的参数不确定性是时变和模有界的．为了设计使得滤波过程渐近稳定，且满足H∞扰动抑制水平的滤波器，给出了时滞系统满足H∞扰动抑制的鲁棒稳定性引理，利用修正的Riccati型方程推导了滤波器存在的充分条件．仿真试验表明了该设计方法的有效性和可行性．     

基于H∞滤波算法的前向神经网络在SINS初始对准中的应用

针对捷联惯性导航系统动基座初始对准的误差模型具有非线性、时变性的特点，提出将前向神经网络应用于该误差模型，并采用线性H∞鲁棒滤波算法在线调整网络权值，得到一种适合于该系统模型的改进的自适应前向神经网络．仿真结果表明，在存在模型误差或噪声不确定情况时，该网络不仅具有较好的鲁棒性能，而且能使误差在很短的时间内收敛，提高了系统的实时性，而对准精度与采用推广卡尔曼滤波器的精度相当．     

基于Riccati方程的时滞不确定性系统鲁棒H∞滤波器设计

研究含有状态时滞的参数不确定性系统的鲁棒 H∞ 滤波器设计问题 ,其中系统的参数不确定性是时变和模有界的 .针对连续系统和离散系统两种情况 ,以时滞系统的鲁棒稳定性引理为基础 ,利用修正的 Riccati型不等式推导了使得滤波系统 H∞ 范数满足指定要求的滤波器存在的充分条件 ,并且通过两个代数 Riccati方程的正定解参数化表示了该滤波器 .仿真结果表明了该方法的有效性和可行性     

基于H∞滤波器的离散时滞系统鲁棒故障检测方法

针对一类具有不确定性的离散时滞系统，基于H∞滤波器研究了系统的鲁棒故障检测问题。利用H∞控制理论得到了系统的故障检测滤波器设计方法。证明了故障检测残差对不确定性具有H∞范数界的鲁棒性，给出了滤波器参数设计方法。仿真示例验证了该方法的有效性．     

组合导航系统新息自适应卡尔曼滤波算法

全球定位系统(GPS)量测噪声的不稳定变化将造成惯性导航系统(INS)/GPS舰用组合系统卡尔曼滤波器性能下降,在对自适应卡尔曼滤波器分析的基础上,提出了一种新的基于新息估计的自适应卡尔曼滤波算法.该算法通过计算新息方差强度的极大似然估计最优估计,将新息方差计算直接引入卡尔曼滤波器的增益计算.仿真结果表明,本文方法较标准卡尔曼滤波器可以提高系统精度和抗干扰能力.     

二元机翼／外挂系统的颤振鲁棒抑制

针对气动弹性系统中由于来流速度扰动弓l起的不确定性,发展了一种新的不确定性建模方法．与传统的不确定性建模方法相比,该方法从气动弹性建模的根源出发,运用信号变换法则使系统的不确定性维数得以降维,进而可以更有效地设计颤振鲁棒控制系统．为了验证新方法的有效性,以一类含多操纵面的二元机翼／外挂系统为研究对象,运用偶极子网格法建立了该机翼／外挂系统的气动伺服弹性运动微分方程,设计了颤振鲁棒抑制系统．数值仿真结果表明,基于新方法的颤振鲁棒抑制系统可以有效地提高该系统的颤振临界速度．     

不确定Sigma-Delta调制器的鲁棒滤波

研究级联Sigma-Delta调制器在非理想性电路中的鲁棒校正滤波器设计问题.基于MARKOV区间算法和线性区间系统的等价描述,将扰动抑制问题转化为增广系统的鲁棒稳定问题.给出以线性矩阵不等式描述的鲁棒滤波器存在的充分条件,该条件保证所设计的校正滤波器能有效抑制电路不确定性对调制器性能的影响.仿真结果表明,与传统校正滤波器相比,该调制器获得了更好的信号噪声比.方案降低了电路实现过程中器件精确度的要求,从而达到低应用成本的目的.     

待发表文章摘要预报

一类随机不确定系统鲁棒H∞滤波器的设计算法孙平,井元伟利用Lyapunov理论研究了鲁棒H∞滤波问题·对所有的时变不确定性,设计了一个稳定的滤波器使滤波误差满足指定的H∞性能·为了简化问题的推导过程,引入了辅助系统,并给出了滤波器存在的充分且必要条件·通过矩阵变换得到了     

一类不确定性离散脉冲广义系统的有限时间滤波

通过研究含不确定性的一类离散脉冲广义系统的有限时间滤波问题,首先给出该系统的鲁棒H!滤波器存在的充分条件,然后对该滤波器的可解问题进行了讨论,并以线性矩阵不等式的形式给出滤波器解的方法.最后利用数值算例表明主要结果的可行性。     

多传感器全局最优加权观测融合Wiener信号滤波器

基于Kalman滤波,应用加权观测融合方法,对于带白色观测噪声的单通道ARMA信号,提出了全局最优多传感器观测融合Wiener信号滤波器。可统一处理信号融合滤波、平滑和预报问题。同集中式规测融合方法和分布式状态融合方法相比．不仅可获得全局最优Wiener信号滤波器,而且明显减小计箅负担,便于实时应用。一个三传感器加权观测融合仿真例子说明了其有效性。     

带有色噪声的广义系统信息融合Kalman滤波器

对于带自回归滑动平均(ARMA)有色观测噪声的多传感器广义离散随机线性系统,应用奇异值分解,提出了广义系统多传感器信息融合状态滤波问题.基于Kalman滤波方法,在线性最小方差信息融合准则下,给出了按矩阵加权融合降阶稳态广义Kalman滤波器.为了计算最优加权,提出了局部滤波误差协方差阵的计算公式.一个Monte Carlo仿真例子说明了其有效性.     

基于稳态Kalman滤波的相关观测融合方法及其功能等价性

对于带相关观测噪声和带不同观测阵的多传感器线性离散定常随机系统,用加权最小二乘（WLS）法提出了两种加权观测融合稳态Kalman滤波方法,可处理状态、白噪声和信号融合估计。基于稳态信息滤波器证明了它们功能等价于集中式融合稳态Kalman滤波方法,因而具有渐近全局最优性,且可显著减少计算负担。两个跟踪系统数值仿真例子验证了它们的功能等价性。     

带相关噪声的观测融合稳态Kalman滤波算法及其最优性

对于带相关的输入白噪声和观测白噪声及相关观测白噪声的多传感器线性离散定常随机系统,用加权最小二乘(wLs)法提出了一种加权观测融合稳态Kalman滤波算法,并基于信息滤波器证明了它同集中式观测融合稳态Kalman滤波算法功能的等价性.因而,它具有渐近全局最优性,且可减少计算负担.一个跟踪系统数值仿真例子验证了它的功能等价性.     

多传感器加权观测融合Wiener反卷积滤波器

基于Kalman滤波方法,应用加权观测融合方法,提出了全局最优观测融合Wiener反卷积滤波器。同集中式观测融合方法和分布式状态融合方法相比,不仅可获得全局最优Wiener反卷积滤波器,而且明显减小计算负担,便于实时应用。一个四传感器加权观测融合仿真例子说明了其有效性。     

改进的基于奇异值分解的抗差容积卡尔曼滤波算法在全球定位导航中的应用

非线性动态系统存在非线性和噪声不确定的问题,容积卡尔曼滤波对解算该类系统有较好的精度,为了提升导航系统对异常观测值的稳定性,对采样数据进行均值滤波处理,降低干扰较大的采样数据对于滤波结果的影响.用奇异值分解代替Cholesky分解,改善滤波稳定性,避免先验协方差非正定而降低滤波性能.最后通过引入抗差因子调节观测协方差矩阵,再次减少观测异常值对于滤波结果的影响.采用仿真实验进行分析,改进的抗差容积卡尔曼滤波算法对于减弱异常观测值影响有良好的效果.     

多传感器全局最优观测融合白噪声反卷积滤波器

白噪声反卷积问题在石油地震勘探中具有重要的应用背景。利用Kalman滤波方法提出了多传感器最优观测加权融合白噪声反卷积Wiener滤波器。同集中式和分布式融合方法相比,不仅可得到全局最优白噪声融合估值器,而且可显著地减小计算负担,便于实时应用。一个四传感器Bernoulli-Gaussian白噪声加权观测融合估值器的仿真例子说明了其有效性。     

Y-可观广义系统降阶稳态Kalman融合器

对于带多传感器的Y-可观广义线性离散随机系统,通过状态线性变换,将其化为两个降阶的非广义多传感器子系统。应用Kalman滤波方法和白噪声估值器,提出了子系统和原系统的局部状态估值器及它们的误差互协方差公式。在线性最小方差按矩阵加权,按对角阵加权和按标量加权最优信息融合准则下,提出了原系统状态的三种稳态广义Kalman。融合器,可统一处理融合滤波、平滑和预报问题,且可改善局部估计精度。     

广义系统多传感器分布式融合降阶Kalman滤波器

对于带多传感器的广义线性离散随机系统,应用奇异值分解,将其变换为等价的两个降阶多传感器子系统,提出了基于变换后的状态融合器构造原始状态融合器的新的融合方法。应用Kalman滤波方法,在线性最小方差按矩阵加权、按对角阵加权和按标量加权融合准则下,分别提出了三种最优加权融合降阶广义Kalman滤波器。可统一处理融合滤波、平滑和预报问题。可减少计算负担和改善局部滤波精度。证明了三种融合器和局部估值器之间的精度关系。为了计算最优加权。提出了局部滤波误差协方差阵的计算公式。一个Monte Carlo仿真例子说明了其有效性。     

多传感器数据融合在切割机器人系统中的应用

为了对造船中所用型材变形进行在线检测，在高精度划线切割机器人系统中，建立了多传感器检测系统，引入基于小波变换和虚拟噪声自适应卡尔曼滤波的多分辨率最优多传感器数据融合方法，实现了对噪声统计量缺乏先验知识和模型参数不确切的多分辨率多传感器的数据融合。实验结果表明，多传感器数据融合可以有效地实现变形型材的在线检测，提高系统的测试精度和可靠性。