IMM迭代无迹Kalman粒子滤波目标跟踪算法

针对传统交互式多模型(interactive multiple model,IMM)算法跟踪机动式再入目标精度差和实时性不高的问题,提出一种交互式多模型迭代无迹Kalman粒子滤波算法.该算法在多模型滤波过程中采用改进的粒子滤波算法,通过迭代无迹Kalman滤波融入最新观测信息,进而生成粒子滤波的重要性密度分布,从而提高采样质量,改善滤波算法性能.仿真结果表明,提出的算法相对于交互式多模型粒子滤波算法具有更好的跟踪效果.该算法对提高跟踪机动式再入目标的精度与实时能力具有一定的理论意义.     

基于非线性预测滤波和UKF的状态估计方法

非线性系统存在建模误差时,UKF的状态估计误差较大,为了提高UKF对非线性系统的状态估计能力,本文将非线性预测滤波(NPF)方法和UKF相结合,提出了一种改进的UKF。首先应用NPF求得模型误差值,得到非线性系统的修正模型,将模型离散化再应用UKF进行状态估计。在仿真实验中分别应用单纯的UKF和改进后的UKF对一个存在模型误差的非线性系统进行状态估计,对它们的估计结果进行了比较和分析,结果表明结合NPF的UKF能够提高非线性系统状态估计的精度。     

乙苯化工过程的分布式无迹卡尔曼滤波方法

乙苯化工过程由一系列连续搅拌釜式反应器和分离器组成的大规模非线性系统,针对这一类系统提出了一种基于分布式无迹卡尔曼滤波的状态估计方案。该方法通过将系统分解,对每个子系统设计局部无迹卡尔曼滤波,它接收局部测量值,并与其他滤波器协同计算局部状态估计值的方法完成整个系统的状态估计。给出了详细的分布式无迹卡尔曼滤波的设计方法和估计算法。在不同的噪声下对分布式和集中式无迹卡尔曼进行了比较分析。仿真结果表明,分布式无迹卡尔曼滤波可以很好地处理强噪声,正常噪声下比集中式无迹卡尔曼滤波有更稳定的性能,但在理想噪声下集中式无迹卡尔曼滤波有更好的表现。     

一种高效的非线性滤波技术

在处理非线性滤波问题时，通常采用的是广义卡尔曼滤波（EKF）方法．但在实际应用中，随着系统的非线性程度增加，该方法会出现较大误差或发散的现象．在此介绍了一种更高效的处理非线性滤波问题的方法——序列蒙特卡罗滤波（SMCF），并分析了该方法的理论基础及特点，同时也描述了该算法的具体实现步骤．给出了仿真结果并进行了分析．     

测量数据部分丢失的模糊非线性系统的耗散滤波

研究一类存在随机测量数据丢失现象的网络化非线性系统的模糊滤波器设计问题,采用T-S模糊模型描述非线性系统,并用已知概率分布的二进制切换序列来描述随机的数据丢失.给出了线性矩阵不等式描述的模糊滤波器存在的条件,该条件保证所设计的模糊滤波器使得滤波误差系统均方指数稳定,并满足期望的耗散性能指标.最后通过一个数字仿真例子来说明设计方法的有效性.     

基于非线性滤波的移动机器人位姿估计

研究了基于扩展卡尔曼滤波和粒子滤波的移动机器人位姿估计。由于扩展卡尔曼滤波必须假定噪声服从高斯分布,若用于复杂非线性系统,其估计精度不甚理想。粒子滤波对噪声类型没有限制,正在成为非线性系统状态估计的有效近似方法。在不同噪声条件下,对基于粒子滤波和扩展卡尔曼滤波的移动机器人位姿估计问题进行了比较研究。仿真结果表明:粒子滤波能明显地改善移动机器人位姿估计的鲁棒性和精度。     

基于IMM-UKF方法的机电作动器突发性故障诊断研究

飞机飞行控制系统机电作动器（electromechanical actuator,EMA）的突发性故障会影响到飞机的飞行安全性,甚至导致飞机失控.针对EMA的突发性故障,提出一种基于交互式多模型（interactive multiple model,IMM）和无迹卡尔曼滤波（unscented Kalman filter,UKF）相结合的故障诊断方法.该方法利用UKF不仅能更好地逼近状态方程的非线性特性,而且能使滤波器具有更好的稳定性和更低的计算量要求;利用IMM不仅解决了可测量参数偏少导致的故障诊断困难的问题,而且还改善了发生的故障与预先假设的故障差异较大的情况下故障诊断的快速性和准确性.通过对某型EMA进行故障诊断,仿真结果表明所提出的IMM-UKF故障诊断方法可以实现对EMA部件和传感器故障的快速准确诊断.      

IMM-SRUKF在GPS/INS组合导航中的应用

针对无迹卡尔曼滤波(UKF)鲁棒性不强的问题,结合全球定位系统/惯性导航系统(GPS/INS)紧组合模型特点,提出了基于交互式多模型(IMM)的混合平方根无迹卡尔曼滤波(SRUKF)算法.该算法采用交互式多模型结构,克服了模型不确定性因素的影响;采用平方根滤波技术,解决了协方差矩阵难以保持正定的问题.同时,考虑到内部滤波器与线性/非线性模型不匹配,引入混合滤波思想,对SRUKF进行了优化.将新算法应用于紧组合模型进行仿真,结果表明:新算法能够以适当的时间复杂度,获得较强的鲁棒性能,适用于复杂的导航环境.     

一类非线性随机系统的模糊双曲H∞滤波

针对伊藤型非线性随机系统,对基于模糊双曲正切模型的H∞滤波问题进行了研究.首先通过定义非线性随机系统的模糊双曲规则基,推导出系统的随机模糊双曲正切模型(SFHM);与Takagi-Sugeno(T-S)模糊模型相比,SFHM不需要前提结构的辨识和完备的前提参数空间,尤其是当所需模糊规则数很多时,采用SFHM明显比T-S模型计算负担小;然后基于该模型进行了滤波器的设计,把非线性随机H∞滤波设计中难以求解的二阶汉密尔顿-雅可比不等式问题转化为线性矩阵不等式问题.仿真结果验证了所提出方法的有效性.     

非线性系统的模型修正与状态估计

以生物发酵模型为背景，考察了一般非线性系统的模型修正与状态估计问题，利用随机干扰下状态过程的高斯分布性质，由实测样本点构造似然函数，然后应用优化程序进行修正与估计。     

非线性加权观测融合粒子滤波器

提出了一种非线性多传感器系统加权观测融合粒子滤波器.首先利用泰勒级数使非线性多传感器系统观测方程具有近似的线性关系.然后,利用加权观测融合(WMF)算法和粒子滤波器(PF),提出了一种具有普适性的加权观测融合粒子滤波器(WMF-PF).WMF-PF可处理带任何噪声统计的非线性系统融合问题.该算法可压缩多个传感器的观测信息,降低系统的计算负担,提高系统的实时性能.随着泰勒级数展开项的增加,WMF-PF渐近逼近集中式观测融合粒子滤波器(CMF-PF),因此该算法具有渐近的全局最优性.最后,通过两个仿真例子验证了该算法的有效性.     

有向切换网络拓扑下非线性多智能体系统的包含控制

针对具有本质非线性动态的多智能体系统,研究有向切换网络拓扑下多智能体系统的包含控制。假设系统中的每个智能体具有相同的非线性动态,而且仅有部分跟随者能够获取领导者的信息。利用代数图论、非负矩阵理论和Lyapunov稳定性分析的方法,得到了有向切换网络拓扑下所给协议解决包含控制问题的充分条件。仿真实例验证了理论结果的正确性。     

非线性时滞系统的随机稳定化

本文讨论非线性时滞系统的随机稳定化问题。对于给定的非线性时滞系统,通过引入一个随机噪音项,可得到一个新的非线性随机时滞系统。在给定条件下,对于任意给定初值,可保证该非线性随机时滞系统具有唯一整体解,且该精确解以一般衰减速度几乎处处稳定。     

Deterministic learning from control of nonlinear systems with disturbances

In this paper, we investigate deterministic learning in environments with disturbances. We will show that for a class of uncertain nonlinear systems with bounded disturbances, by using an appropriately designed adaptive neural controller, the disturbances are attenuated and the system output tracks a periodic orbit in finite time. As radial basis function (RBF) neural networks (NN) are employed, this leads to the satisfaction of a partial persistence of the excitation (PE) condition. By using the uniform complete observability (UCO) technique, it is analyzed that partial estimated NN weights will converge to a neighborhood of zero, with the size of the neighborhood depending on the amplitude of disturbances as well as on the control gains. Locally-accurate approximation of unknown system dynamics can still be achieved in the stable NN control process. The approximation error level is influenced by the amplitude of disturbances. The obtained knowledge of system dynamics can be reused in another control process towards stability and improved performance. Simulation studies are included to demonstrate the effectiveness of the approach.     

一类非线性扰动系统的小信号L稳定性

本文针对一类带有扰动的非线性系统,在它的标称系统的自由状态是指数稳定的条件下,运用Lyapunov方法,得出该类系统是小信号L∞稳定的充分条件,另外还得出一个关于小信号Lp稳定性的推论。     

一类结构已知的非线性系统辨识

本文针对带有已知结构的非线性Ｗｉｅｎｅｒ系统，提出了利用不同幅值的周期脉冲信号辨识非线性增益未知参数和脉冲响应序列的新方法，获得了强一致性估计，数字仿真研究说明了该方法的有效性和实用性。     

不满足匹配条件的非线性系统的变结构控制

用T-S模糊模型逼近非线性系统．将其描述成多个局部线性系统的组合．对每一局部线性系统不满足匹配条件的不确定项．根据李亚普诺夫稳定性理论设计变结构控制器，证明了闭环系统是全局渐近稳定的，跟踪误差收敛到零，仿真结果也表明该方法的有效性。     

有界扰动滞环非线性系统的自适应控制

对存在有界扰动下的滞环非线性系统，建立了适合于最小相位和非最小相位情况的自适应控制算法，证明了闭环系统的稳定性，同时给出了控制误差上界。仿真实验表明了这种算法的有效性。     

一类不确定的非线性时滞大系统的鲁棒稳定性

针对具有分离变量的不确定时滞大规模系统,基于非线性的Lyapunov泛函和矩阵不等式的分析方法,获得了一些不依赖时滞的鲁棒稳定性判据.所考虑的不确定时滞大规模系统具有时变未知且有界的不确定参数和状态时滞,非线性的执行机构具有分离变量的形式.这类系统也可以看成线性系统的自然推广,其实际背景是把一个线性系统的部分线性元件换成了非线性元件.所获得的鲁棒稳定性判据适用于系统具有多个非线性执行机构的情形.