一类非线性系统仿真模型的建立及线性化

以惯性导航平台漂移误差模型为例,研究了一类非线性系统仿真模型的建立及其线性化的过程。我们把引起平台漂移的各种误差因素综合考虑在内,建立了描述平台漂移的比较完整的动态模型。该模型既便于随着所选择误差参数的增减进而行扩充或简化,也便于根据平台型号的不同做相应的修正,从而保证较好的可移植性。     

基于组合式信号源的非线性系统辨识

针对非线性系统中噪声的干扰，研究了一类神经模糊Hammerstein输出误差非线性系统的建模和辨识方法，利用组合式信号源实现静态非线性模块和动态线性模块参数辨识的分离，推导了相关性分析法和辅助模型递推最小二乘辨识方法估计动态线性模块和非线性模块的参数，有效抑制系统输出噪声的干扰。仿真结果表明：与最小二乘算法、多项式模型以及多信息方法相比，提出的方法具有参数估计收敛速度快，辨识精度高，建模误差小等优势，验证了所提学习算法的有效性。     

基于模糊神经网络的动态非线性系统辨识研究

针对静态模糊神经网络对动态系统辨识精度低的特点,在5层静态模糊神经网络基础上进行了优化和改进,形成了可将暂态信息记忆于网络的动态回归层的动态模糊神经网络,来提高对动态系统的辨识能力。同时给出了参数的动态自适应学习算法。通过仿真实验,证明提出的动态模糊神经网络对动态非线性系统的辨识,可以取得较好的辨识精度,较快的网络收敛速度,为动态非线性系统的辨识提供新的思路。     

TSK动态网络及其在非线性动态系统中的应用

针对非线性动态系统特点，提出了一种新型的基于TSK模糊模型的动态回归模糊神经网DRFNN（Dynamic recurrent fuzzy neural networks），并给出了网络参教的迭代算法和基于李亚普诺夫稳定理论的收敛性证明。该动态回归网络由静态网络和内反馈动态回归网络组成，在结构上更好的拟合了非线性动态系统特点，应用于非线性动态系统的辨识和控制的试验结果也说明该动态回归模糊神经网络对解决非线性动态系统辨识和控制问题的有效性。     

自适应T-S型模糊径向基函数网络

针对T-S型模糊推理系统的模型参数辨识问题,充分利用模糊推理系统的可理解性与神经网络的学习能力,提出一种自适应T-S型模糊径向基函数网络。为设计满足精度要求的最小结构神经网络,在对网络学习动态进行分析的基础上,给出了网络拓扑结构的动态构造学习算法。在不需要任何先验知识的情况下,能够根据任务复杂度和学习进度进行网络隐层节点的自适应增加、合并和删除操作。将该网络应用于非线性函数逼近问题,取得较好的效果。     

灵敏度分析在惯导平台误差参数辨识中的应用

为了解决传统的惯导平台测漂方案下,惯导平台上陀螺安装误差角的系统级辨识精度不高的问题,对平台漂移的非线性模型进行了灵敏度分析,找出了影响陀螺安装误差角辨识精度的主要因素,进而提出了转台相对地面存在角速率条件下的改进辨识方案.仿真结果表明,在改进的辨识方案下误差角的辨识精度获得了显著提高.     

基于神经网络的伺服系统控制研究

采用神经网络方法设计伺服系统逆动态控制器。判定了一类非线性伺服系统的可逆性。设计开环和闭环网络权值训练方案,使用Ａｌｏｐｅｘ随机学习算法在线训练对象逆动态模型。进行了基于反馈误差学习方法的伺服系统实时控制器设计,仿真结果表明神经网络方法辨识和控制伺服系统的有效性。     

航天器姿态的神经网络动态逆控制

针对航天器姿态系统,提出了一种基于自适应神经网络动态逆的控制算法。该算法针对滚转、俯仰和偏航三个姿态子系统,设计了两组神经网络:第一组是BP网络,用来逼近三个姿态通道的非线性项,可获得姿态逆模型;第二组是非线性自适应神经网络,用于在线实时地补偿逆模型存在的误差和外加干扰。详细分析了非线性自适应神经网络的拓扑结构、学习规则和调整算法。给出了应用该算法的具体实例,通过仿真实验证明该算法的有效性。     

ANFIS网络在机载电子设备费用估算中的应用

阐述了自适应模糊推理系统 (AdaptiveNetwork -basedFuzzyInferenceSystem ,ANFIS)网络 ,提出了最小二乘法和误差反传算法相结合的混合学习算法。混合学习算法提高了网络参数的辨识速度和网络计算的收敛速度。应用ANFIS网络建立了整套机载电子设备费用估算模型 ,并对整套机载电子设备费用进行了估算。估算结果表明 ,同通常的费用估算方法相比 ,此模型具有更高的准确性 ,并具有应用泛化能力 ,为费用估算提供了一条新途径     

基于Elman网络的鲁棒型广义预测控制方法研究

提出一种基于Elman动态回归神经网络模型的鲁棒型广义预测控制(GPC)．该算法首先用EIman网络对非线性系统进行辨识，建立预测模型，然后在控制中将模型输出值与测量输出值进行综合，代替量测输出用于控制中，从而降低辨识器与控制器对未建模动态的敏感性，加强控制器的适应能力和鲁棒性．仿真结果证明：将本算法应用于非线性系统预测控制，对未建模动态具有很强的鲁棒性和很好的控制能力。     

小角度晃动干扰下解析粗对准的误差分析

研究了小角度晃动干扰对捷联惯性导航系统解析粗对准的影响。阐述了平台对准失准角与晃动干扰的定量关系，讨论了晃动环境下解析粗对准的适用条件。指出平台水平对准失准角与对应的平均晃动干扰角幅值相关，方位对准精度主要取决于东向平均干扰角速度即北向地球自转角速度的信噪比(signal noise rate, SNR)。转台小角度晃动实验验证了上述结论的合理性。     

修正并行式多传感器不敏多假设跟踪算法

为了有效解决非线性系统中的多传感器多目标跟踪问题,提出了一种修正并行式多传感器不敏多假设滤波算法。算法运用概率数据互联的思想对各传感器的估计量进行概率加权,克服了并行式多传感器算法的误差积累现象,得到了一种修正的多传感器并行式算法。各传感器中量测点迹与航迹的数据互联问题通过多假设方法予以解决,并通过不敏卡尔曼滤波器完成非线性系统中的目标跟踪。仿真结果表明,从跟踪精度及稳定性方面看,所提出的算法性能要优于MSJPDA/EKF算法。     

基于单轴转动的捷联系统粗对准技术研究

阐述了基于单轴旋转的捷联惯导系统误差抑制原理。针对旋转捷联惯导系统的粗对准问题,对比分析了解析法和惯性系粗对准法的本质区别与适用范围,利用惯性系对准过程是动态过程这一性质,提出在旋转捷联惯导系统中引入惯性系粗对准法,并进行理论推导与分析。〖JP2〗在三轴摇摆运动形式下,对单轴旋转捷联惯导系统的粗对准过程进行仿真分析,并与不旋转时的粗对准结果相对比。结果表明,惯性系粗对准过程中,惯性测量单元(inertial measurement unit, IMU)的转动调制了惯性器件常值偏差,有效地提高了旋转捷联系统的粗对准精度     

光学陀螺旋转式惯导系统的安装误差效应分析

在光学陀螺惯导系统中,利用系统旋转自动补偿可以有效地减小惯性元件漂移对系统导航精度的影响,从而实现高精度、低成本的惯性导航要求。首先从光学陀螺旋转式惯导系统的误差传播方程出发,推导了系统中由于光学陀螺安装误差引起的数学平台角度误差表达式。以此为基础,分析了旋转式系统中的安装误差引起的误差效应及自动补偿安装误差所应满足的条件,为系统设计和精度分析提供了理论参考。     

KF/UPF在SINS大方位失准角初始对准中的应用

为解决捷联惯导系统大方位失准角初始对准中状态维数较高,直接应用无迹粒子滤波(unscented particle filter, UPF)会带来维数灾难的问题,提出了基于卡尔曼滤波(Kalman filter, KF) /UPF组合滤波的初始对准方法。将非线性初始对准模型分解为线性与非线性两部分,采用KF实现对线性部分的最优估计,采用UPF对系统的非线性部分进行状态估计。通过仿真比较不同粒子数下KF/UPF组合滤波算法和UPF算法,结果表明,KF/UPF组合滤波算法在保证初始对准精度和收敛速度的同时,将需要进行UPF滤波的状态维数由10 维降为3 维,减少了计算量,运算时间分别缩短至原来的52.69%和6.0%,提高了初始对准的实时性。     

基于自适应直觉模糊推理的目标识别方法

将自适应神经网络--直觉模糊推理系统(adaptive neuro intuitionistic fuzzy inference system, ANIFIS)引入信息融合领域,提出一种基于自适应直觉模糊推理的目标识别方法。首先,分析了现有目标识别方法的特点与局限性,建立了基于ANIFIS的Takagi Sugeno型目标识别模型。其次,设计了系统变量属性函数和推理规则,确定了各层输入输出计算关系及合成计算表达式。再次,设计了学习算法对网络和规则进行训练修改。最后,以20批典型目标的类型识别为例,分析比较基于直觉模糊推理及ANIFIS推理的输出结果与识别精度。仿真结果表明该方法是一种比较实用、有效的决策融合方法.     

干扰条件下自适应滤波定位精度分析

在干扰条件下,单纯采用自适应滤波(adaptive Kalman filter, AKF) 或扩展卡尔曼滤波器(extensive Kalman filter, EKF) 在全球导航卫星系统/惯性测量单元(global navigation satellite systems/inertial measurement units, GNSS/IMU)组合导航的运用中都无法达到系统精度最优。为了指导组合导航系统的数据融合滤波器设计,获取AKF和EKF定位性能的经验数值是十分必要的。首先推导出EKF和一种AKF算法--新息序列自适应估计(innovation based adaptive estimation, IAE)的数学模型和计算公式。然后提出了一种实际数据结合仿真的验证方法。针对不同的干扰程度造成的精度降低的测量值,比较AKF算法跟普通EKF在GNSS/IMU组合导航数据融合中的定位精度性能。试验和仿真得到了在实验所采用的IMU精度条件下,自适应滤波在组合导航方面的定位性能的经验曲线以及IAE与EKF定位精度存在的临界点。     

带非线性观测器的欠驱动船舶自适应动态面输出反馈轨迹跟踪控制

针对船速与艏摇角速度均不可测的三自由度欠驱动船舶轨迹跟踪问题,考虑在海洋环境扰动未知,提出一种带非线性观测器的动态面自适应输出反馈控制方法。该方法通过对系统模型进行坐标变换,设计非线性观测器估计船舶的速度向量;采用动态面技术可处理反演法对虚拟控制量求导导致的“微分膨胀”问题,减少计算量;同时采用自适应律估计海洋环境干扰的界值,从而防止参数漂移。利用Lyapunov函数证明该控制律可保证船舶轨迹跟踪误差的一致最终有界性,仿真结果证明了所提出控制方法的有效性。