离散系统的鲁棒自适应控制

本文提出一种鲁棒间接自适应极点配置控制器，它利用相对死区技术使得控制器对一类未建模动态误差和恒定了界扰动具有鲁棒性。文中详细地分析了闭环系统的稳定性和收敛性，找到了保证佤渐近稳定的充分条件。     

基于反馈判决的鲁棒自适应机动目标跟踪算法

针对平方根容积卡尔曼滤波(SRCKF)在机动目标跟踪中面临测量异常和模型失准时估计精度下降的问题,提出了一种基于反馈判决的鲁棒自适应算法.利用Huber函数对观测残差序列处理获得权重向量以修正测量协方差,增强算法的抗差能力以克服测量异常问题;同时,引入多重渐消因子调整预测误差协方差,从而改变滤波增益,增强算法的自适应性...     

多变量系统鲁棒保护自适应控制算法

研究了多变量系统自适应控制的有关问题，提出了多变量系统的鲁棒保护自适应控制方法，数字仿真和实验结果表明，该方法有效地解决了时变滞后系统的控制问题，适用于控制多变量时变滞后和参数未知系统。     

一类非线性系统的鲁棒自适应控制

作者考虑一类具有有界于扰和未知参数的非线性系统（１）,设计出一种适用于输出跟踪的鲁棒自适应控制器。该控制器对线性参数化的不确定性和有界干扰具有鲁棒性,能保证闭环系统的全局稳定性,并解决了ε－跟踪问题。仿真实例表明,所设计的鲁棒自适应控制器具有良好的跟踪性能,而且所需的控制量不大,其数值在容许控制的范围之内。     

基于输入有界机器人鲁棒自适应控制策略研究

本文针对常规机器人的鲁棒控制器设计的保守性和实际中执行机构输出的有界性产生矛盾，设计出一种新型输入有界的机器人鲁棒自适应控制器，解决了力矩受限情况下机器人控制器的设计问题，为机器人向小型化、节能型等特殊要求领域发展，提供了一条新的途径。     

基于Backstepping设计的非线性鲁棒自适应控制

针对一类具有未知参数,未建模动态和外界干扰的不确定非线性系统,选择适当的参数对这些不确定性进行估值和补偿,利用Backstepping方法,设计了一种新的鲁棒自适应控制器.该控制器能保证闭环系统的所有信号是全局有界的,且输出的绝对值可以任意小.仿真结果表明,所设计的鲁棒控制器达到了理想的结果.     

X-Y定位平台的鲁棒自适应摩擦补偿

本文首先描述了X－Y平台实验系统及其模型建立，接着，针对X－Y定位平台中存在的载荷及摩擦参数的不确定性问题，提出了一种鲁棒自适应运动控制方案，所设计的控制器将滑模控制和自适应控制有机地结合在一起，应用Lyapunov稳定理论证明了控制器的稳定性及跟踪误差的收敛性，仿和实验结果表明此方法能够在线辨识摩擦参数，具有较高的控制精度，这种方案可用于工业设备的控制中。     

同步励磁发电机鲁棒自适应控制

利用backstepping和扰动抑制 (disturbanceattenuation)方法对同步发电机设计了一种非线性自适应鲁棒励磁控制器 .控制设计方法基于同步发电机的三阶非线性模型 ,对于系统中可能出现的各种不确定参数和有界扰动 ,给出了参数自适应律和控制律 ,保证了闭环系统在各种扰动情况下的稳定性 .最后做了系统从初始进入稳态和系统在三相短路及外部常值扰动情况下的仿真 ,并讨论了该方案扩展到多机系统的可能性 .     

最小相位系统的自适应鲁棒镇定

对一类ＭＩＭＯ最小相位系统，提出了一种适应鲁棒镇定的新策略，控制目的是通过一具固定结构的反馈控制器和一反馈增益自适应调节器而实现的，论文证明了，闭环的自适应控制系统的状态向量渐近趋于零，反馈增益趋近于某一常数。     

具有输入时滞的不确定系统鲁棒自适应控制

对带有输入时滞和状态时滞的线性不确定系统,利用系统将来的状态设计预估控制器,通过与之等价的因果控制器,给出积分形式的控制率,使得系统在自适应控制器的作用下渐近稳定。最后,通过数值算例说明在该控制器的作用下,系统的解趋于稳定的速度比在普通的状态反馈控制器作用下解趋于稳定的速度更快。     

抗差与自适应组合的卡尔曼滤波算法在动态导航中的研究

针对观测信息不充足时,无法使用现有的一些抗差自适应滤波的问题,提出一种组合抗差滤波和自适应滤波的方法.该方法利用基于m估计实现的抗差滤波和基于新息向量马氏距离平方服从卡方分布而构造的自适应滤波,同时采用2次对检验统计量进行判别的方法,可以在单个历元实现在标准卡尔曼滤波、自适应卡尔曼滤波和抗差卡尔曼滤波之间选择一种当前时刻的最优滤波,因此,采用该方法也能构成抗差自适应卡尔曼滤波.仿真结果表明,在观测信息不足且滤波模型出现异常时,该方法能有效控制动力学模型误差和观测异常对导航解的影响,使导航解更能反映导航系统的真实情况.     

抗野值自适应Kalman滤波及其在陀螺信号处理中的应用

针对陀螺漂移信号中野值的不良影响，从简化的自适应Kalman滤波算法出发，设计了抗野值的自适应Kalman滤波方法．通过在某型号高精度寻北仪上的试验验证，用该方法处理后所得方差为9．0809”，而常规Kalman算法所得方差为17．6919”，计算结果有所提高．试验证明，采用该方法不仅能够有效提高寻北仪的寻北精度，而且对系统的量测噪声不敏感。     

应用卡尔曼滤波改善地震资料处理的性能

卡尔曼(Kalman)滤波理论建立于六十年代初期,七十年代后期国外许多学者为将它用于地震资料处理做了许多研究工作。但在我国做这方面工作的人还不多,发表的文章和研究成果很少。本文论述了卡尔曼滤波理论并给出一些提高资料处理中的估值的精度和分辨率的例子。希望以此促进我国在这方面的研究工作。     

用自适应扩展卡尔曼滤波跟踪水下目标的算法研究

针对短基线声纳系统跟踪水下目标的问题,建立了状态方程和观测方程,提出了一种自适应扩展卡尔曼滤波的跟踪算法,该算法包含八个基本步骤。将声波传输时延转换为水下目标的距离,用卡尔曼滤波的方法对数据中的噪声进行滤波。对目标的匀速航行和机动航行进行了仿真实验,实验结果表明了该算法的正确性和有效性。最后将该算法用于水下目标的实测数据,收到了良好的效果。     

组合导航系统中模糊自适应卡尔曼滤波器的设计

为了解决常规卡尔曼滤波法存在的不足,给出了用模糊推理系统与卡尔曼法相结合的方法。该方法通过监视理论残差和实际残差的协方差一致程度,应用模糊系统不断调整滤波器的增益系数,对卡尔曼滤波器进行在线自适应控制,最终实现最优估计。通过对INS/GPS组合导航系统的计算机仿真,结果表明该方法是有效、实用的。     

基于弯道自适应强跟踪卡尔曼滤波的侧向坡度估计算法

道路的侧向坡度直接影响车辆侧向运动,侧向坡度估计已成为智能汽车稳定控制系统的关键部分之一。然而,侧向坡度与车身侧倾之间存在耦合,且侧向力估计困难,准确的侧向坡度估计难度较大。为此,提出了一种基于加速度传感器的可拓融合侧向坡度估计算法：首先,提出加速度传感器模型和车辆侧倾模型,采用弯道自适应强跟踪卡尔曼滤波算法（CASTKF）对侧向坡度进行估计;然后,提出基于侧向加速度传感器的直接估计方法,防止CASTKF算法在失去可观性后的错误估计;再后,利用可拓算法对两种模式的估计值进行数据融合;最后,采用硬件在环测试（HIL）验证所提算法的有效性。结果表明,智能汽车的侧向坡度估计中采用CASTKF融合算法具有更高的精度和鲁棒性。     

基于变分贝叶斯估计方法的双尺度自适应Kalman滤波

针对Kalman滤波在对敌目标估计应用中遇到的量测和过程噪声均未知且时变的情况,提出了一种利用变分贝叶斯估计的双尺度自适应滤波方法。解决了2个关键问题：一是针对量测和过程噪声协方差的共轭后验分布提出了相对转移概率指标,设计了启发式的自适应噪声估计窗口,实现了稳态精度和时变响应性能的综合提升,能适应敌方目标机动性高且统计特性变化快的特点;二是设计了在不同时间尺度上估计过程噪声和量测噪声的协方差方法,解决了在同一时间尺度上使协方差估计值发生严重偏差且增大滤波误差的问题。仿真表明,所提方法能快速跟踪目标状态噪声统计特性的变化并保证估计精度。     

GPS/INS相对导航鲁棒扩展卡尔曼滤波方法

针对绕飞模式下追踪器与合作目标间的GPS/INS组合相对导航问题,考虑追踪器的惯量阵存在不确定性,为提高相对导航系统的精确性和稳定性,提出了一种GPS/INS组合相对导航的鲁棒扩展卡尔曼滤波算法. 该算法采用近似线性化方法将相对导航系统中的非线性函数进行泰勒级数展开,并将线性化引起的模型误差作为不确定项来处理,结合鲁棒卡尔曼滤波算法,设计了GPS/INS组合相对导航的鲁棒扩展卡尔曼滤波算法. 仿真结果表明,该方法相对位置的估计精度为0.1 m,相对姿态的估计精度为0.001°,相对导航精度很高,且对追踪器惯量阵存在的不确定性具有很好的鲁棒性.      

自适应两阶段卡尔曼滤波器在传递对准中的应用

研究自适应两阶段卡尔曼滤波器在动基座传递对准中的应用. 利用两阶段卡尔曼滤波器将子惯导的惯性器件偏差分离,从而减小由于系统状态过多而导致的滤波计算量,提高计算实时性. 加入自适应环节,使得随机系统偏差的先验统计特性不准确时也能取得良好的估计效果. 仿真结果表明,在对准模型存在未知的随机系统偏差时,自适应两阶段卡尔曼滤波器能够快速且准确地估计出失准角,符合传递对准在快速性和精度方面的需求.     

基于改进卡尔曼滤波的配电网动态数据平差方法

受设备、天气等多方面因素影响,电网量测数据不可避免的存在误差。在实际应用前,应选用合适的估计方法进行数据平差。为减小不良数据对估计精度的影响,本文提出了一种鲁棒性无迹卡尔曼滤波算法(RUKF),在进行无迹卡尔曼滤波之前引入基于运行模式的不良数据检测方法,通过分析量测量的变化趋势调整阈值,避免出现不良数据的漏检与误检现象。以IEEE 33-bus与某实际107节点系统为例,进行仿真验证。实验结果表明,在存在不良数据的情况下,RUKF与传统UKF相比,求得的数据平差结果具有更高的估计精度,提高了数据估算的鲁棒性。多个实验表明本文提出的RUKF算法对数据平差计算可以提供有效的理论支撑。