前馈加反馈补偿的分散鲁棒跟踪系统研究

本文用分散的前馈加反馈补偿器对线性时不变多变量系统进行了研究,给出了获得内稳定鲁棒跟踪系统的充要条件;分析了系统的灵敏性和稳定边际;提出了考虑瞬态响应、灵敏性和稳定边际的设计分散鲁棒跟踪系统的方法。     

基于自适应神经网络的歼击机模糊跟踪控制

提出了一种基于T-S模糊模型和自适应神经网络的跟踪控制方法.在系统具有未知不确定非线性特性的情况下,利用T-S模糊模型对系统的已知特性进行近似建模,设计基于模糊模型的模糊H∞跟踪控制律进行输出跟踪控制.在模糊控制的基础上,引入了基于RBF神经网络的自适应控制,用于在线对消不确定项和模糊建模误差的影响,以保证系统具有期望的鲁棒H∞跟踪性能.所提出的方案保证了闭环系统的稳定性,有效地提高了系统的鲁棒性和跟踪性能.仿真实例表明了所提出方法的有效性.     

三阶线性跟踪-微分器的收敛性证明及仿真研究

首先给出了一种三阶线性跟踪微分器的结构形式，然后从连续和离散两个方面证明了其收敛性，为其实际应用提供了理论依据。通过仿真研究表明，这种线性跟踪微分器具有较好的跟踪能力和较高的跟踪精度，适用于高速跟踪系统。     

机动目标跟踪中的序贯滤波

多个测量站（多雷达或多传感器）工作时，在时间上是不同步的．在融合之前必须将这些观测数据进行同步．在某雷达单独观测时，采用通常的卡尔曼滤波方法；在多雷达重叠观测区，采用序贯滤波方法，不管是哪个传感器观测，按时间顺序，先到的量测点先进行滤波，这样就省去了时间同步这一步处理，又增强了航迹的连续性．计算机仿真证明了该方法的有效性．     

基于动态多维分配的多基地雷达多目标跟踪算法

对于T-R^s多基地雷达系统，提出一种具有航迹质量管理的多目标跟踪算法，以解决多目标跟踪过程中航迹起始、航迹确认以及航迹删除等问题．采用累加的对数似然比（10garithm likelihood ratio，LLR）计算融合中心每个航迹的质量，并依据航迹判决规则把当前航迹分成四类，然后用相应方法处理这些航迹集合．仿真结果表明，该算法能对杂渡中多个目标进行稳定可靠的跟踪．     

基于D-S证据理论的多源遥感图像目标数据联合关联算法

以遥感图像目标识别结果为主,结合卡尔曼滤波器获得的目标运动状态估计结果,提出一种基于D-S证据理论的目标数据联合关联算法.蒙特卡罗模拟实验结果表明,该方法稳定性较强,适合于对海上船舶等遥感图像目标的持续跟踪.     

具有Markov跳跃参数的随机非线性系统的自适应跟踪

采用随机控制Lyapunov设计方法,针对参数严格反馈形式的Markov跳跃非线性系统,研究了一类具有Markov跳跃参数的随机非线性系统的自适应跟踪问题.给出了参数自适应律和控制律,使得跟踪误差以概率1渐近衰减到零.仿真结果表明了该设计方法的有效性.     

一种新型全方位轮式移动机器人的模型研究

在麦克纳姆轮等全方位轮的基础上,提出了一种新式全方位轮结构,然后用这种全方位轮构造出一种新型轮式移动机器人的走行机构。对这种新型全方位轮式移动机器人的运动学、动力学模型进行推导,并在此基础上给出这种轮式移动机器人的运动控制方法。最后给出了全方位轮式移动机器人的圆弧轨迹跟踪的仿真结果。     

一类模糊时滞系统自适应跟踪控制与仿真

基于T-S模糊模型和变结构控制策略,研究了一类带有参数不确定项的模糊时滞系统自适应输出跟踪问题。首先利用变结构控制理论选择滑动模,根据李雅普诺夫方法,提出了一种自适应变结构控制策略。利用自适应策略的目的在于克服扰动的未知上界,使设计的控制器满足可达条件。该方法确保系统的运动轨迹在有限的时间内到达滑模面并一直保持在滑模面上。其次根据ISS理论和LMI方法研究了系统状态全局有界的充分条件。最后,通过仿真实例验证了所提方法的正确性和有效性。     

单站纯方位目标多模型卡尔曼滤波跟踪算法的研究

EKF滤波算法是进行目标被动定位与跟踪的重要方法之一，为了克服EKF初始化困难和减小线性化误差，对传感器的最大探测距离与最小距离所构成的距离区间实施分区划分，划分成若干个目标可能存在的小区段。钟对每一个小区段，使用扩展卡尔曼滤波，完成滤波协方羔的旋转变换，实现单站纯方位目标状态的估计和跟踪。经过大量仿真计算表明，该算法对滤波初值的设置有较大的选择范围，具有很好的稳定性，精度较高，实施水下目标被动跟踪具有重要意义。