动力定位船舶的非线性观测器设计

针对动力定位船舶设计了一个非线性观测器，该观测器的全局收敛性通过李亚普诺夫稳定性定理得到了证明。观测器的最大优点是可以省略采用Kalman滤波器时线性化船舶运动方程的过程。该非线性观测器可以从附有测量噪声的输出中估计到船舶低频位置和运动速度以及环境扰动作用力，同时也能从输出信号中滤除一级波浪引起的船舶高频运动。该非线性观测器的性能通过对一动力定位船舶模型的仿真得到了验证。     

粒子滤波和ANFIS级联滤波的去噪技术

为实现实际应用中的非线性、非高斯系统中的状态估计,结合粒子滤波非线性估计的优势和自适应神经模糊推理系统(ANFIS)的非线性逼近功能,建立了ANFIS粒子滤波模型。该模型首先通过ANFIS消除测量信号中有色噪声的影响,再运用粒子滤波实现对状态的最优估计,从而进一步提高估计精度。仿真结果表明ANFIS与PF的级联滤波较单一的粒子滤波均值减少了65%,方差减小了74.4%。ANFIS粒子滤波对于强非线性系统的噪声消除效果显著,使状态估计精度得到了较大提高,证明了该级联滤波模型的有效性。     

基于柔性形态滤波和信息熵的电能质量扰动定位分析

针对电力系统中电能质量扰动信号常因周期性变化和采样过程而存在各种噪声的情况,提出一种基于柔性形态滤波和信息熵的扰动定位方法。柔性形态滤波器是在标准数学形态学滤波器基础上发展起来的,具有更强的抗噪声性能和鲁棒性。信息熵可以用来表征信号的无序性测量指标,已经被广泛应用于检测信号的突变情况。首先,将电能质量扰动信号进行柔性形态滤波处理,再将去噪声后的信号进行形态梯度变换,放大扰动信号的突变特征,最后求取信号的信息熵,根据信号突变出信息熵的不同得到扰动信号的准确定位结果。仿真结果表明,该方法对多种暂态扰动信号能准确定位,抗噪声干扰强,具有很高的可行性和有效性。     

基于柔性形态滤波与信息熵的电能质量暂态扰动定位分析

针对电力系统中电能质量扰动信号常因周期性变化和采样过程而存在各种噪声的情况,提出一种基于柔性形态滤波和信息熵的扰动定位方法。柔性形态滤波器是在标准数学形态学滤波器基础上发展起来的,具有更强的抗噪声性能和鲁棒性。信息熵可以用来表征信号的无序性测量指标,已经被广泛应用于检测信号的突变情况。首先,将电能质量扰动信号进行柔性形态滤波处理,再将去噪声后的信号进行形态梯度变换,放大扰动信号的突变特征,最后求取信号的信息熵,根据信号突变处信息熵的不同得到扰动信号的准确定位结果。仿真结果表明,该方法对多种暂态扰动信号能准确定位,抗噪声干扰强,具有很高的可行性和有效性。     

基于数据的二阶线性扩张状态观测滤波器

针对难以建立精确模型的难题,提出了一种基于数据的二阶线性ESO滤波算法.利用ESO对不确定性扰动的估计,设计了一种无需动态数学模型、可调参数少、便于实用的滤波器,并给出了滤波器的参数整定及离散实现方法.最后分别应用于方波信号与正弦信号的跟踪、含有均匀分布白噪声信号的滤波以及热连轧实测板宽信号的滤波.仿真结果表明,所设计的滤波器具有一定的优越性和实用性.     

多尺度分解下的自适应滤波器组的构建方法

通过分析自适应滤波和小波变换的多尺度分解滤波的原理与方法,建立了非平稳信号的多尺度分解下自适应滤波器组的构建模型和滤波方法.将小波变换分离出来的噪声成分作为自适应滤波器的输入,通过自适应滤波器组,能实现多种噪声成分的自适应滤波.通过模型验证和工程实例的应用,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计.通过自适应滤波器组,能同时实现对多种噪声成分的最佳滤波,具有优良的滤波性能.     

含有关联噪声的非线性分数阶系统的扩展卡尔曼滤波器设计

针对含有过程和测量噪声的连续时间非线性分数阶系统的状态估计问题,提出了扩展卡尔曼滤波器算法.采用Grünwald-Letnikov差分定义对非线性分数阶系统离散化.利用输出方程设定待定系数矩阵,得到离散化的差分方程,实现非线性分数阶系统的有效的状态估计,提高状态估计的精度.最后,给出一个实例来说明所提出非线性分数阶系统的扩展卡尔曼滤波器的有效性.     

基于Taylor级数模型最小二乘滤波器设计

本文提出了一种基于被测函数Ｔａｙｌｏｒ级数展开式的最小二乘滤波器的设计方法，这种滤波器可以用一个有限冲激响应滤波器来实现，有很大的实用价值，它不仅可以用于对测量信号的滤波，而且同时可以对异常数据测量点进行插值，这种方法还可以推广到对测量信号的一阶和高阶导数进行最小二乘估计。计算机模拟和实际使用都证明，这是一种有效的滤波器，它可以有效地滤除混杂在接收信号中的噪声，大大改善测量效果。     

带未知时变噪声的非线性系统卡尔曼滤波器算法研究

针对带有未知时变噪声的非线性系统的状态估计问题，详细研究了基于有限差分和未知时变噪声估计器的扩展Kalman滤波器算法。仿真结果发现，该算法具有滤波精度高，数值计算稳定等优点，但系统状态估计对初始误差较敏感。     

CNN-PDE非线性图像滤波器

偏微分(PDE)非线性图像滤波方法具有优良特性,但由于其计算量大而无法满足实时控制需求.细胞神经网(CNN)可以描述图像PDE模型,利用模拟CNN芯片并行求解,有助于提高其实时性.本文用CNN实现了PDE偏差非线性图像滤波器,提出了一种局部运算的噪声估计方法以选择适当的平滑系数.计算结果表明,这种噪声估计方法可以对不同噪声水平作出较精确的估计.仿真实验结果表明,CNN-PDE非线性滤波器取得了满意的滤波效果,用CNN实现PDE非线性滤波器的方法是有效可行的.     

基于集员滤波器的故障诊断

针对具有未知但有界故障的时变系统,提出一种集员滤波的故障诊断方法,保证系统的状态、故障信号的值100%包含在上下界内.假设过程噪声、测量噪声和故障信号的值有界,采用S-过程方法和线性矩阵不等式(LMI)方法设计集员滤波器,最后运用递归优化算法对集员滤波器进行优化.所提方法不仅可以对故障大小进行估计,还能够检测出故障信号类型.数值仿真证明了该方法的可行性和有效性.     

车轮转速信号混合噪声的非线性Volterra滤波方法

为保证机车黏着控制品质,提出车轮转速信号所含混合噪声(高斯噪声和冲击噪声)的非线性Volterra滤波方法,并结合混沌优化策略及动态随机局部搜索算子,提出动态随机局部搜索生物地理优化算法对Volterra滤波器模型参数进行优化求解.利用Volterra滤波器的结构优势(具有预测性能、兼具线性和非线性项),既能滤除混合噪声又可满足黏着控制的实时性要求.仿真实验结果表明,经优化求解的非线性Volterra滤波器实现了对车轮转速信号所含混合噪声的有效滤除.     

船舶动力定位非线性预测控制器的设计

针对海洋环境扰动力对海上作业船只的影响,导致船舶动力定位系统具有较强非线性这一情况,本文结合广义预测控制技术,设计了一种船舶动力定位非线性预测控制器。该控制器通过非线性估计滤波得出船舶非线性运动的总扰动,利用广义预测反馈校正进行补偿,并根据得到的预测值对船舶进行定位控制。经过仿真实验证明控制器具有较强鲁棒性和适应性。     

基于变分贝叶斯理论的不确定厚尾噪声滤波方法

为了解决非线性滤波中量测噪声呈厚尾分布且统计特性不确定的问题,提出一种基于Pearson Type VII分布的自适应滤波算法.针对传统鲁棒卡尔曼滤波器因尺度矩阵和自由度参数固定不变而无法自适应调整的问题,以容积卡尔曼滤波器为基础,选择Pearson Type VII分布对厚尾噪声进行建模,将传统鲁棒滤波固定自由度参数的估计转化为Pearson Type VII分布中可自适应调整的双自由度参数的估计,并通过inverse Wishart和Gamma分布描述尺度矩阵、双自由度参数和辅助参数的先验分布,利用遗忘因子对各参数进行时间更新;基于变分贝叶斯理论,对系统状态、尺度矩阵、双自由度参数和辅助参数形成的联合后验概率密度函数进行变分迭代,实现对系统状态和未知厚尾噪声的联合估计.仿真结果表明,在不确定厚尾噪声条件下,本文算法的滤波精度高于传统鲁棒容积卡尔曼滤波.     

随机波浪下基于粒子滤波算法的船舶航向控制

针对波浪扰动环境下船舶航向运动控制问题,运用粒子滤波(particle filter,PF)算法对含有随机扰动的船舶运动状态变量进行优化。根据三自由度整体型船舶运动模型,以及海浪扰动力模型,建立状态方程和观测方程。在此基础上,基于后验概率估计原理采用随时间变化的加权随机粒子之和逼近真实状态变量,并利用蒙特卡洛抽样方法来实现此状态估计过程。在获得真实状态变量后,采用比例-积分-微分(proportion integral derivative,PID)控制算法计算出指令舵角,通过调整舵角对船舶在波浪环境下的航向进行控制。仿真结果表明经粒子滤波算法处理后,在波浪环境下,船舶的航向角非常接近指定航向角,并且在不同类型的运动下,船舶航向控制性能都得到了显著的提升。     

采用自适应无迹卡尔曼滤波器的车速和路面附着系数估计

针对车辆主动安全控制中的车速和路面附着系数这一关键信息,提出了一种实时估计该信息的滤波算法,同时建立了将包含时变噪声统计特性的七自由度非线性车辆动力学模型作为滤波算法的标称模型,以及一种自适应无迹卡尔曼滤波算法。该算法采用传统的无迹卡尔曼滤波器来估计车速和路面附着系数,同时利用次优Sage-Husa噪声估计器对系统的噪声统计特性进行实时更新,其中采用遗忘因子限制噪声估计器的记忆长度,使新近数据发挥重要作用,使陈旧数据逐渐被遗忘,从而解决了因系统标称模型误差、外界扰动等因素引起的噪声时变的问题。在不同路面条件下进行了多种工况的实验验证,并与无迹卡尔曼滤波器的估计结果进行对比分析,结果表明,该算法具有良好的鲁棒性,其估计精度高于无迹卡尔曼滤波器,且满足车辆主动安全控制系统的要求。     

一种新的尖峰信号盲反卷积方法

介绍一种新的盲反卷积方法，以解决尖峰信号的盲卷积问题，该方法不需知道信号和噪声的先验知识。基于尖峰信号高斯混合模型，给出一个自适应反卷积滤波器和一个自适应零记忆非线性估计器，以实现信号的恢复。将进化计算和梯度算法相结合，对反卷积滤波器和零记忆非线性估计器进行参数寻优，从而获得良好的信号恢复效果。最后给出计算机仿真结果。     

基于扩展卡尔曼滤波器的液压驱动器状态估计

本文的液压驱动器属于不可观测的非线性系统,普通的状态观测器难以胜任系统的状态估计,故采用扩展卡尔曼滤波器对液压缸活塞腔和杆腔压力进行估计.建立了液压系统的4阶非线性状态空间模型,用高斯-牛顿法拟合模型参数,用关节角度信号通过扩展卡尔曼滤波器估计液压驱动器状态.仿真结果表明该方法可以精确估计液压缸压力,实验结果显示该方法估计的关节扭矩接近测量值;从而验证了扩展卡尔曼滤波器估计液压系统状态的有效性,为基于状态的故障诊断和液压驱动器控制提供了一定的借鉴.     

考虑输入时滞的舵机伺服系统自适应指令滤波输出反馈控制

针对舵机伺服系统运行过程中存在复杂非线性以及信号输入时滞、使系统的精度降低,严重时甚至造成系统失稳的问题,提出了一种考虑输入时滞的自适应指令滤波输出反馈控制策略。首先,将系统中存在的输入时滞考虑为控制器信号输入时滞,给出舵机伺服系统状态方程,选用梯度下降法设计时滞估计律对未知时滞进行估计;其次,将系统中存在的复杂非线性统一为扰动,选用扩展状态观测器(ESO)加以估计,将观测的系统状态值用于设计控制量实现输出反馈控制;然后,选用指令滤波将高阶求导过程转化为求积分,实现信号滤波以抑制微分噪声;最后,基于Lyapunov-Krasovskii泛函稳定性定理证明控制器实现系统有界稳定。仿真及实验表明,所提的控制方法与传统反步控制方法、自抗扰控制和比例微分积分(PID)控制方法相比,响应时间分别提升了92%、88%和51%,跟踪精度分别提升了90%、84%和26%。     

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。