考虑测量误差和随机效应的设备剩余寿命预测#br#

针对非线性退化设备的剩余寿命预测问题,尚未系统研究考虑测量误差和随机效应的退化建模、先验参数估计及相应的剩余寿命预测方法。首先建立考虑测量误差和随机效应的非线性Wiener退化模型;利用同类设备历史监测数据,基于期望最大化算法估计出退化模型中固定系数和随机系数先验分布;采用状态空间模型描述目标设备当前监测状态,基于Kalman滤波算法迭代估计出随机系数后验分布和当前真实退化状态;利用全概率公式,推导出考虑隐含状态估计不确定性的设备剩余寿命的概率密度函数;仿真实例分析表明,所提方法较现有方法在参数估计误差和剩余寿命预测精度上具有一定优势。     

数据丢包的参数不确定下无人机滚动时域估计

针对网络中通信链路中断及系统参数不确定现象,研究了数据包丢失的参数不确定无人机系统状态估计问题,基于滚动时域估计理论和随机最小二乘理论,提出了一种分布式滚动时域估计算法。对于数据包丢失和参数不确定问题,采用已知概率的马尔可夫序列和系统矩阵扰动噪声进行建模。仿真结果表明,该算法的估计效果优于一种新的卡尔曼滤波算法。最后,研究分析了系统压缩量、数据包接收概率和时窗长度对所提算法估计性能的影响。在系统不确定性和丢包概率未知的情况下,适当增加时窗长度可以提高算法估计性能。     

带有丢包的分布式网络系统的滚动时域融合估计策略

针对具有随机丢包分布式网络系统的状态估计问题,提出了一种带有信息融合策略的滚动时域估计方法.系统中每个节点能够通过网络与相邻节点传输数据,并在丢包时利用零阶保持器采用上一时刻数据来补偿测量值.基于滚动优化原理,传感器节点利用本地测量数据和相邻节点传来的数据将状态估计问题转化为固定窗口内的二次优化问题,并使用标量加权线性...     

一类参数不确定非线性系统的故障检测与重构

飞行器在全包络上表现出明显的气动参数不确定性,以某无人机纵向模型为研究对象,提出一种不确定参数在线估计的自适应观测器故障重构方法。首先,将系统状态方程描述为一类带时变参数的仿射非线性结构,在参数增广系统能观性分析基础上,采用增广容积卡尔曼滤波(augmented cubature Kalman filter, ACKF)算法实现气动参数在线估计,以克服鲁棒性死区故障检测方法的保守性,提高检测灵敏度。其次,将所估计参数用于自适应观测器设计,由于Lie导数分析方法保证了对象系统的能观性,故系统不必满足文献方法中的特定规范形式;在此基础上,给出了故障检测自适应阈值和故障参数调节律,并分析了估计误差的收敛性。仿真实验表明了所提方法的有效性。     

定时删失数据下的双响应曲面建模与优化

针对一类与时间相关的质量特性存在定时删失情形的稳健参数设计问题,提出了一种结合期望最大化算法和改进的随机森林算法的变量选择与过程优化方法.首先,采用期望最大化算法计算不同水平组合下的位置与散度估计;其次,利用改进的随机森林算法选择重要的因子效用;然后,将响应的置信区间引入优化策略中以构建更保守的约束条件,降低模型不确定对优化结果的影响;最后,通过一个实际的工程案例验证所提方法的有效性.实例分析的结果表明,所提方法能有效降低信息损失及模型不确定性对建模和优化结果的影响,能获得更加可靠的可控因子最优设计值.     

数据丢包环境下的多传感器协同跟踪策略研究

针对实际作战中的复杂电磁环境,研究了数据丢包环境下的多传感器协同跟踪问题。首先分析了数据丢包的几种不同情况,分别建立了数据丢包模型,并针对不同的丢包模型提出了相应的补偿策略;然后建立了数据丢包环境下目标观测模型,推导了数据丢包环境下序贯扩展卡尔曼滤波算法;最后基于信息熵理论建立了数据丢包环境下的多传感器多目标跟踪优化模型,给出了离散粒子群求解算法。仿真结果表明,所提的丢包补偿策略具有良好的补偿效果,可以有效抑制数据丢包造成的滤波数据发散,保证目标跟踪精度。     

基于子系统重构的鲁棒滤波算法及其应用

复杂环境下航天器姿态确定系统存在系统参数不确定性,并且可能存在观测数据的间断丢失情况.对此,本文研究了一种新的鲁棒滤波算法.该算法采用线性预测子系统重构补偿丢失的观测信号,并利用其参与到测量更新阶段,采用极小极大理论推导出具有观测数据丢失的不确定性系统的鲁棒状态估计的递推形式.将该方法用于复杂环境下的航天器姿态确定系统中,通过仿真验证了算法的有效性.     

一类参数不确定性混沌系统的T-S模糊控制

针对一类参数不确定性混沌系统,首次提出利用区间矩阵理论描述其不确定性,进而用T-S模糊模型对其进行精确描述的新方法.在此T-S模糊模型的基础上,给出一种基于并行分布补偿(PDC)技术的状态反馈控制器设计方法,并用Lyapunov稳定性理论证明了闭环系统的鲁棒稳定性.该方法充分考虑了模糊子系统之间的相互作用.状态反馈控制器增益矩阵可以通过求解一组线性矩阵不等式(LMIs)获得.仿真结果验证了所提方法的有效性.     

对丢失数据包的网络控制系统的分析及最优控制

针对同时存在前向通道和反馈通道数据包丢失的离散时间系统,分别将数据包丢失作为独立的贝努利过程进行建模。通过对量化器量化水平参数的约束条件,确保状态估计在均方差意义下的稳定,并基于约束条件获得前向通道的最大丢包率的一个上界。与此同时,基于线性二次型最优控制(LQG)性能指标和状态估计,给出了具有数据包丢失的系统最优控制律,运用线性矩阵不等式(LMI)技术和二分法进行优化设计,并给出了反馈通道最大丢包率的一个优化算法。最后通过仿真实例验证了理论结果。     

基于强跟踪滤波器的液压伺服系统实时故障诊断

为了在线监测运行工况和提高其可靠性,研究了液压伺服系统的实时故障诊断模型和方法.使用强跟踪滤波器联合估计系统的状态和未知时变参数,使用修正的贝叶斯算法检测故障和估计出故障的幅值,从而建立故障诊断模型和实现液压伺服系统的实时故障诊断.仿真结果证实了模型的合理性和可行性,参数估计误差小于1.2%.该方法对模型参数的不确定性具有较强的鲁棒性,能正确检测和分离液压伺服系统的故障.     

滚动时域估计中先验估计误差协方差阵的递归算法

对滚动时域状态估计问题中先验估计状态和相应的误差协方差矩阵的计算方法进行了讨论。给出了滚动时域估计中先验状态的估计方法,并导出了与先验滚动估计状态相一致的误差协方差矩阵的递归公式。与其它的滚动时域估计方法相比,本文给出的方法能够提高估计的精确性,具有更好的估计性能。     

基于导频ICI自消除的OFDM系统时变信道估计

在基于分段线性模型的正交频分复用(orthogonal frequency division multiplexing, OFDM)时变信道估计中,存在模型参数估计精度受到载波间干扰(inter-carrier interference,ICI)影响的问题。为此,本文采用ICI自消除技术,抑制了导频子载波的ICI,改善了模型参数的估计性能。此外,还推导了单抽头Jakes信道条件下模型参数估计均方误差的表达式,理论分析表明,与基本的分段线性模型方法相比,本文方法可以使均方误差下降约13dB。仿真结果验证了在多抽头信道和大的多普勒扩展条件下,本文方法也能明显提高ICI抑制能力,从而得到更好的系统误码性能。     

基于2D模型的网络系统迭代学习控制设计方法

迭代学习控制(iterative learning control, ILC)方法应用于网络控制系统时,由于数据需要在控制器和远程对象间传输经常产生数据丢失现象。给出了一种存在数据丢失时网络系统的随机迭代学习控制设计方法,首先将数据丢失现象描述为随机伯努利序列,在此基础上将迭代学习的控制器设计转化为随机〖JP2〗2D Roesser系统的稳定问题。定义了随机意义下2D系统的均方渐进稳定,基于线性矩阵不等式(linear matrix inequality, LMI)给出一个判别稳定性的条件,该条件同时可实现迭代学习控制器的设计。仿真示例验证了设计方法的有效性。     

基于相参积累的捷变频雷达系统相位误差估计与稀疏场景重构算法

针对系统相位误差导致的捷变频雷达目标回波信号相参积累性能下降问题,构建了系统相位误差下捷变频雷达目标回波信号相参积累模型,并基于目标的距离-速度二维稀疏性建立了最小e1范数优化模型,提出一种基于交替方向乘子法的系统相位误差估计与目标场景稀疏重构联合处理算法,实现了系统相位误差和目标参数的精确估计.仿真结果表明,在信噪比...     

基于多智能体导航的高超飞行器信息融合方法

精确导航技术是高超飞行器(hypersonic vehicle, HV)充分发挥威力的关键所在。然而,高马赫数和强机动性致使HV的导航系统误差及其观测噪声无法准确描述,制约着导航信息的精确性和实时性。为及时获取高精度导航信息,设计基于集员框架的卡尔曼滤波算法。一方面采用多智能体分布式协同探测,形成观测椭球交叉集合,提高了观测效率和测量精度;另一方面,通过设计两类噪声模型,求其与状态估值的最小均方误差,实现滤波增益的计算,提高算法对噪声的抗扰动能力,使状态估值达到均方误差最小。通过数字仿真,将设计方法应用到HV导航模型中,并与扩展卡尔曼滤波和集员滤波的状态估值进行比较,结果表明,提出算法在不同噪声影响下具有更高的估计精度。研究成果将为HV实现实时精确导航提供技术支持,并具有重要的理论意义和应用价值。     

基于杂波数据Frobenius范数拟合的阵元误差估计方法

机载雷达的阵元误差会影响运动目标的参数估计与定位性能。为了解决这个问题,提出一种基于杂波数据Frobenius范数拟合的阵元误差估计方法。该方法首先利用杂波谱分布结构和雷达构型参数计算杂波空时导向矢量矩阵,接着利用截断的奇异值分解求解杂波幅度矢量并重构杂波数据,最后将实际的数据矩阵与重构的数据矩阵进行Frobenius范数拟合来估计阵元误差。数值仿真实验结果表明,该方法在低脉冲数目、低样本数目的情况下均具有较好的参数估计精度与稳健性。     

误差方差约束下不确定离散时间系统的鲁棒卡尔曼滤波

本文研究状态矩阵及测量矩阵中均含有不确定性的离散时间系统的鲁棒卡尔曼滤波问题。在状态估计领域中，指标要求常直接以状态分量的估计误差方差上限的形式给出。为此，本文的目的在于设计卡尔曼滤波增益，使不确定系统的估计误差方差达到稳态且其值不大于预先指定值、文中给出了期望鲁棒滤波增益的存在条件及其解析表达式，并以数值算例说明设计方法的直接性与有效性。     

双约束稳健Capon波束形成算法的分析与求解

针对Capon波束形成算法在导向矢量的不确定集和模约束下的求解问题,提出了新的分析和求解方法。通过对最优化问题进行深入分析,发现不确定集约束决定该算法的性能,而模约束只是起辅助约束作用,因此可以通过对不确定集约束Capon波束形成算法的解进行标量化处理,使其满足模约束而获得该算法的最优解。所提出方法不仅使得不确定集约束参数的选择更加简单,同时使得波束形成算法的性能改善达到最优。发现不确定集约束参数选择得越大,算法的性能改善越接近于最优,而此时对应于负加载。仿真分析验证了方法的正确性和有效性。     

基于车辆动力学和Kalman滤波的汽车状态软测量

针对汽车动力学控制过程中难以在线测得的横摆角速度等状态参数,根据参数软测量理论,采用Kalman滤波并结合汽车两自由度动力学模型,建立了汽车横摆角速度的线性最小均方误差估计算法。仿真计算与场地实验的结果验证了该算法的有效性,同时软测量技术的采用也为汽车控制系统的状态参数测量提供了一条可行、准确且低成本的研究思路。