基于自适应SSUKF的组合导航信息融合方法

针对车载组合导航系统噪声统计特性无法事先实时获取的问题,提出了一种神经网络辅助的自适应SSUKF信息融合算法.该算法利用神经网络在线估计系统噪声,采用SSUKF同时估计系统状态和在线训练神经网络的权值,从而能在系统噪声统计特性未知的情况下获得组合导航系统的实时最优估计,给出了算法的详细实现过程.最后,针对车载INS/GPS组合导航系统的信息融合问题进行了仿真研究.仿真结果表明,该算法在系统噪声统计特性未知的情况下仍能获得高精度的估计效果,同时与自适应UKF算法相比,有效降低了算法的计算量,提高了算法运行的实时性,证明了该算法是一种有效而实用的方法.     

一种PID型模糊神经网络控制器

为了使一种基于两维控制规则基的PID型模糊控制器具有参数在线学习功能，提出了一种包含一个自回归神经元的五层模糊神经网络，并根据梯度下降法，给出了它各权值的修正算法，该网络可以在反馈控制系统中作为一个自学习控制器来使用，最后，根据有关定理，给出并证明了该网络各层权值学习速率的收敛准则。     

神经网络对新增样本的学习算法

对新增样本的快速学习而又不损失原有样本的记忆，是自适应在线系统的要求．本文提出了一种基于对节点激励函数线性化的逐层优化学习算法，为防止由于线性化而造成较大的误差，在损失函数中加入了惩罚项．该算法在每次迭代中，权值矩阵可以显式表达出来．算例仿真表明了该方法可行有效     

基于权值的优先调度算法

介绍了经典的期限最近优先调度算法，分析了优先级倒置难题。提出一种基于权值的优先调度算法。该算法对资源分配权值，建立任务的权值评价函数。该算法由资源权值表和评价函数来实现。实验表明，该算法资源分配更合理，特别是能够克服期限最近优先调度算法的优先级倒置难题，从而更加有效提高实时操作系统的实时性能和稳定性。     

动态多模型指数平滑法融合的在线预测方法

针对传统预测算法实时性差、难以适应多种数据变化情况、参数无法根据数据的实时变化进行在线调整等问题,提出了一种动态多模型指数平滑法融合的在线预测算法。该算法根据历史数据的预测误差,动态调整指数平滑法的平滑系数,以及1次、2次、3次指数平滑法的融合权值,实时得到对传感器测量参数的准确预测。仿真表明,该算法在多种数据变化情况下均优于单一采用指数平滑法。     

动态多模型指数平滑法融合的在线预测方法

针对传统预测算法实时性差、难以适应多种数据变化情况、参数无法根据数据的实时变化进行在线调整等问题,提出了一种动态多模型指数平滑法融合的在线预测算法。该算法根据历史数据的预测误差,动态调整指数平滑法的平滑系数,以及1次、2次、3次指数平滑法的融合权值,实时得到对传感器测量参数的准确预测。仿真表明,该算法在多种数据变化情况下均优于单一采用指数平滑法。     

基于自适应动态无偏LSSVM的故障在线监测

针对无法建立精确数学模型的非线性动态系统,提出一种基于自适应动态无偏LSSVM的故障在线监测模型.该模型通过改进LSSVM的结构风险形式得到无偏的LSSVM,并能够自适应的选择滑动时间窗的长度.在此基础上根据模型动态变化过程中核函数矩阵的特点设计了基于ChoIesky分解的学习算法提高了模型训练效率,实现了非线性系统的在线监测.通过系统输出预测误差的变化,利用Parzen核密度估计方法判断故障的程度.仿真结果表明该故障监测模型在系统正常工作的情况下,能够跟踪系统的动态变化趋势;在系统出现突变故障的情况下,能够快速检测系统故障;在系统出现缓变故障的前提下,能够对系统的故障进行预报.     

基于自适应模型非线性系统容错控制的研究

针对未知的多变量非线性动态系统,提出了一种新型的自适应故障容错控制方法。该方法首先通过设计一个自适应RBF神经网络模型建立未知过程的动态模型,并利用扩展卡尔曼滤波算法在线调节RBF网络权值学习系统的时变参数和故障动态,然后设计基于此模型的自适应迭代逆模控制算法实现相应的容错控制策略。将容错方法成功应用到一个连续的多变量三水箱过程。     

基于径向基函数神经网络滑模控制的运动控制系统

针对运动控制系统的非线性动态摩擦力,为提高系统的位置跟踪精度,利用-种径向基函数(RBF)神经网络滑模控制方法.采用一种具有指数形式的非线性摩擦力,利用径向基函数神经网络在线估计系统的不确定动力学,利用李亚普诺夫稳定性理论推导出网络权值的在线自适应律.仿真结果表明了该控制策略的有效性.     

发酵过程混合神经网络模型及其仿真

提出了一种新型的发酵过程混合神经网络模型，该模型由非线性神经网络和线性神经网络两部分组成，由于非线性神经网络采用结构具有线形式的Flat网络，两个网络能够合并为同一表达式，并具有线性形式，可采用线性最小二乘法求解网络权值，与串联结构及串并联结构混合神经网络模型相比，该模型训练方式简单，并可方便地使用在线辨识算法。     

基于无源时差定位系统的机动目标跟踪算法

将交互式多模型(IMM)算法应用到具有隐蔽性的无源时差定位系统中,找到了一种适合于无源时差定位系统跟踪机动飞行目标的混合模型即常速度(CV)模型与Singer模型组成的混合CV Singer模型。在各种现有算法中,基于该混合模型的交互多模型算法可获得较好的定位跟踪效果。另外,将该混合系统与CV CA模型组成的混合系统进行了比较,进一步证明了该混合模型的有效性。     

基于ANFIS的自适应机动目标状态估计算法

针对基于当前统计(current statistics,CS)模型的机动目标状态估计算法对机动目标加速度的极限值依赖性大的缺陷,提出了一种利用自适应神经网络-模糊推理系统(adaptive neuro-fuzzy inference system, ANFIS)自适应调整目标状态噪声方差的方法。首先利用ANFIS算法对目标机动强度进行估计,进而对目标状态噪声协方差矩阵进行自适应调整;然后利用粒子滤波(particle filter, PF)算法对目标状态进行估计。仿真结果表明,与该方法能够有效提高目标状态估计的精度。     

基于分层融合结构的组合导航系统仿真分析

依据多传感器信息融合理论，将分层融合结构是应用到组合导航系统中，并与目前广泛应用的联合滤波算法（Federated Filtering)进行了比较。对INS/GPS/Doppler系统的仿真结果表明，有序分层融合结构可有效地应用于多传感器组合导航系统，并且导航精度优于联合滤波的结果。     

一种改进的雷达组网误差配准算法

雷达组网系统首先要解决误差配准问题，来准确地估计和消除系统误差。对一种经典的误差配准技术广义最小二乘估计GLSE配准算法进行了研究，讨论了系统偏差增大时，配准精度退化的原因，并针对这一问题提出了一种改进的误差配准算法(MGLSE算法)。通过循环配准，MGLSE算法不但可以对真实的系统偏差进行逼近，而且当GLSE算法失效时，可以自动退出配准循环，放弃配准。仿真结果表明，系统偏差较大时MGLSE算法优于GLSE算法和其他传统的配准算法，并具有配准效果自动检验功能，防止配准后系统偏差反而增大。     

基于灵敏度分析的系统可靠性稳健分配优化方法

在系统可靠性分配中,考虑单元可靠度的不确定性已是可靠性分配的现实需要.为了提高系统可靠性分配优化的质量,将稳健理论引入可靠性分配中,提出基于单元可靠性灵敏度的系统可靠性稳健分配方法.将单元可靠性灵敏度溶入系统可靠性分配模型之中,建立系统可靠性稳健分配模型.在此基础上,采用粒子群-序列二次规划算法对该模型进行优化设计,该混合算法既保持了粒子群算法全局收敛的特点,又补充了序列二次规划法精确求解的能力,因此该混合算法可以快速获取全局最优解.通过对发动机曲柄连杆机构进行可靠性稳健分配设计,验证了可靠性稳健分配模型的合理性和混合算法的寻优能力.对结果分析表明,所提方法可以较好解决单元可靠度不确定时的可靠性分配问题,混合算法具有较强的全局搜索能力,分配优化结果具有较强的稳健性.     

SAR成像信号的并行处理算法研究

对SAR并行成像处理进行了深入研究 ,在串行成像算法的基础上 ,提出了SAR并行成像处理的一种中粒度并行算法和一种混合FFT算法。中粒度并行算法针对SAR信号处理大数据量的特点 ,在系统内存有限的情况下 ,对任务划分进行优化 ,以提高系统处理性能。混合FFT算法将Cooley -TukeyFFT算法和WinogradFFT算法结合起来 ,使得FFT算法在通用平台上更高效地运行。在国产曙光系列并行机上的实验结果证明 :我们的研究工作是有成效的。     

基于同一训练序列的OFDM系统联合高效算法的研究

针对高速无线数据通信系统中的关键技术——正交频分复用,提出一种高效联合算法,即用同一组训练序列同时实现系统整数倍频偏同步、信道估计和降低峰均比。其主要方法是用训练序列实现系统的整数倍频偏同步和信道估计,同时用训练序列中的数据构成PTS算法的加权系数,以降低峰均比。仿真结果表明,该系统能用同一训练序列同时实现系统同步、信道估计和降低峰均比,与独立实现各功能相比,该算法不仅能够同时实现以上三种功能,而且由于利用一组训练序列,节省了资源,提高了系统的有效性。     

DSSS系统中基于线性平滑预测的单音干扰抑制

通过把线性预测算法与平滑滤波算法相融合,提出了一种线性平滑预测算法.该算法在抑制单音干扰的同时降低了噪声对系统性能的影响,因此与线性预测算法相比这一算法为DSSS系统提供了更高的性能增益.仿真结果进一步证实了该结论.     

一种改进的星敏感器/陀螺卫星定姿算法

针对传统的四元数估计(quaternion estimation,QUEST)算法在观测矢量之间夹角很小或噪声剧烈增大时,定姿性能显著降低的问题,提出一种基于当前星敏感器观测信息量的滤波算法。该算法通过引入动态增益系数,解决了历史观测信息和当前观测信息之间的比例问题。该系数能够根据当前观测矢量信息量的大小变化自适应调整,从而避免了需要另外一个滤波过程对其进行确定的复杂性。对该算法进行了仿真,对比结果表明,该算法可以有效提高系统的定姿性能。     

飞机着陆调度优化--带移动时间窗的隐枚举算法

以深度优先搜索的隐枚举算法为基础,结合MPS约束、位置冻结限制、移动时间窗限制和其他多项约束,使用复杂的软件编码实现了特定于飞机着陆调度问题的优化排序算法。对比研究了全局优化、带移动时间窗的局部优化以及一种启发式算法。结果表明,后两种算法可以很好地达到现实空管应用中的实时性要求。可应用于多种目标函数的动态实时ATC自动化系统中,能有效地减小交通延误和提高着陆容量。