欠驱动船舶RBF神经网络路径自适应跟踪控制

针对模型参数未知和存在外界干扰的三自由度欠驱动水面船舶路径跟踪控制问题,提出一种RBF神经网络控制器.该算法利用神经网络的函数逼近特性对船舶模型未知的非线性部分在线逼近并与反步法相结合进行设计,同时实现前进速度在线可调.通过Lyapunov稳定性方法分析验证了闭环系统的稳定性.仿真计算验证了该控制策略的有效性.     

基于时空信息的无迹变换滤波算法

提出了一种利用UKF算法实现对机动目标进行无源定位与跟踪的滤波方法.仿真结果表明,与扩展卡尔曼滤波器相比,UKF算法的滤波精度和稳定性都有了明显提高.该算法能更好地解决测量模型非线性问题条件下的单站无源定位跟踪问题.     

卡尔曼滤波器在状态和参数估计中的应用

应用有限差分法代替非线性函数的偏导数计算以改进扩展卡尔曼滤波器，该改进算法用于非线性系统的状态和参数联合估计。结果表明，该滤波器可以代替常规的卡尔曼滤波器，具有滤波精度高、数值计算稳定、对模糊精度要求低和适用范围宽等优点。     

极限行驶条件下车辆质心侧偏角观测器设计

用非线性车辆模型线性化方法,设计了基于广义卡尔曼滤波器和广义龙贝格观测器的质心侧偏角估计算法.给出考虑了轮胎非线性特性的扩展二自由度车辆模型,用非线性最小二乘法拟合轮胎模型的参数;分析非线性模型的能观性,并通过局部线性化方法,将非线性模型在当前状态处线性化,并得到近似的线性模型;设计了广义卡尔曼滤波器和线性化龙贝格观测器,并证明观测器的稳定性;最后,通过典型的操纵稳定性试验,验证算法的有效性.极限行驶工况下采用非线性模型线性化的方法,能获得更高的估计精度.     

基于卡尔曼滤波的迭代学习控制方法研究

针对一类非线性欠驱动机械系统在干扰环境下动态性能变差的问题，提出了一种基于卡尔曼滤波器的遗忘因子型迭代学习控制律，以实现闭环系统的稳定控制和干扰抑制。首先，将卡尔曼滤波器作为系统的状态观测器，在含有随机噪声干扰的情况下，估计系统的最优状态；其次,通过设置自适应遗忘因子来动态适应迭代学习过程中的误差变化，使系统快速收敛并准确跟踪参考轨迹，实现运动过程中重复干扰信号的抑制；最后，以Quanser公司生产的柔性尺为实验平台来研究非线性欠驱动被控对象实际系统的控制方法，并对所提方法分别进行理论数值仿真与实物实验验证。仿真及实物实验结果表明，本文提出的控制方法可以保证被控系统稳定运行，当环境中存在随机非重复性噪声或重复性干扰时，被控系统都可以保持良好的鲁棒性。     

基于自适应MPC的无人驾驶车辆轨迹跟踪控制

根据自适应模型预测控制相关原理,设计一种无人驾驶车辆的轨迹跟踪控制策略.基于车辆动力学模型,建立轨迹跟踪控制器,并设计目标函数与相关约束,利用自适应MPC(model predictive control)控制算法对其进行求解.在每一个控制时刻工作点,不断更新卡尔曼状态估计器相关增益系数矩阵以及控制器的状态来适应无人驾驶车辆当前的工作环境,以此补偿车辆的非线性以及状态测量噪声带来的影响.在MATLAB中搭建仿真模型并进行仿真验证,得出自适应MPC对于无人驾驶车辆的轨迹跟踪拥有较好的控制精度与鲁棒性,验证了该算法应用在轨迹跟踪控制层的有效性,为轨迹跟踪控制的研究提供了参考.     

粒子群优化平方根强跟踪CKF及应用

提出一种粒子群优化平方根强跟踪容积卡尔曼滤波算法,并将其用于水下应答器辅助航位推算组合导航系统. 以强跟踪滤波器为理论框架,结合容积卡尔曼滤波器,设计了平方根强跟踪容积卡尔曼滤波器. 提出一种改进的粒子群算法,将粒子两两为一对分成若干对,每进化一次后,比较两个粒子的代价函数值,代价函数值较优的粒子,搜索方向侧重于群体历史经验,代价函数较差的粒子,搜索方向侧重于自身历史经验. 将改进的粒子群算法用于求取强跟踪滤波器的渐消因子. 仿真结果表明在系统模型不准确的情况下所提算法依然能够有效跟踪状态变化,比传统的容积卡尔曼滤波器具有更高的滤波精度和稳定性.      

二阶非完整平面3R欠驱动机械臂位置控制

为解决中间关节是欠驱动的平面3R机械臂末端点位置控制问题,提出了一种基于轨迹规划与跟踪控制方法.根据系统数学模型、几何关系和期望位置,利用差分进化算法求解所有连杆的目标角度.首先,构造Lyapunov函数设计控制器使得第一、第三连杆到达目标角度;然后,根据系统约束关系,对第一连杆进行轨迹规划,并利用差分进化算法优化轨迹参数;当第一连杆跟踪轨迹后,第二连杆被间接控制到目标角度.最后,基于Lyapunov函数设计控制器使第一连杆跟踪规划轨迹,并维持第三连杆状态不变,使系统末端点从给定初始位置到给定期望位置.仿真实验表明,在33.94 s时,系统末端点能够稳定到目标位置(0.2,0.8) m,对于不同的初始位置和期望位置,轨迹规划与跟踪控制方法同样有效.     

基于AR模型的非线性目标跟踪自适应算法

针对Jerk模型中各参数设置不合理对跟踪系统所造成的影响,提出一种基于自回归（AR）模型的Jerk参数自适应改进算法,实时估计并调整系统的参数,提高系统的跟踪精度及稳定性;同时,针对非线性目标跟踪系统扩展卡尔曼滤波算法（EKF）计算复杂跟踪精度低,提出采用平方根容积卡尔曼滤波器（SRCKF）进行状态估计,保证跟踪系统的精度和鲁棒性,为Jerk模型参数自适应提供良好条件.仿真结果验证了算法的有效性.     

多模型卡尔曼滤波器的研究

在深入研究卡尔曼滤波算法的基础上,提出模型卡尔曼滤波器的工程设计方法。分别针对二阶系统和船舶模型进行了大量的仿真研究,其结果表明,对参数突变的系统,应用该方法进行状态估计或参数辨人有很好的跟踪突变参数的效果,仿真结果展示,该方法具有广阔的工程应用前景。     

考虑船舶航速的船队规划非线性模型

通过分析船舶航速变化对船队规划决策产生的非线性影响,推导出船舶航速与船舶往返航次时间、航次成本以及航线配船数量三者之间的数学关系式,建立了混合整数非线性船队规划模型.针对模型特点,利用基于可行性规则的更新策略,结合模拟退火的局部搜索技术,提出了一种混合粒子群优化算法.以某航运公司为例进行仿真实验,将船队规划非线性模型与...     

基于卡尔曼滤波的迭代学习控制方法研究

针对一类非线性欠驱动机械系统在干扰环境下动态性能变差的问题,提出了一种基于卡尔曼滤波器的遗忘因子型迭代学习控制律,以实现闭环系统的稳定控制和干扰抑制。首先,将卡尔曼滤波器作为系统的状态观测器,在含有随机噪声干扰的情况下,估计系统的最优状态;其次,通过设置自适应遗忘因子来动态适应迭代学习过程中的误差变化,使系统快速收敛并准确跟踪参考轨迹,实现运动过程中重复干扰信号的抑制;最后,以Quanser公司生产的柔性尺为实验平台来研究非线性欠驱动被控对象实际系统的控制方法,并对所提方法分别进行理论数值仿真与实物实验验证。仿真及实物实验结果表明,本文提出的控制方法可以保证被控系统稳定运行,当环境中存在随机非重复性噪声或重复性干扰时,被控系统都可以保持良好的鲁棒性。     

欠驱动水面船舶航迹跟踪自抗扰控制

为实现欠驱动水面船舶在内部动态不确定和外界风流干扰情况下的航迹跟踪控制,首先构造能够使航迹偏差收敛的船首向角的跟踪方程,然后将航迹控制转化为实际船首向跟踪期望船首向的航向控制问题.应用自抗扰控制技术设计自抗扰航迹跟踪控制器,解决了恒定风流干扰造成的船舶横漂问题.应用非线性水动力模型进行仿真,结果表明,控制器能够实现欠驱动船舶对直线和曲线路径的精确跟踪,且具有较强的鲁棒性.     

欠驱动水面船舶的轨迹跟踪模型预测控制器

针对在风、浪、流时变干扰下欠驱动水面船舶的轨迹跟踪控制问题,设计了一种基于模型预测控制的轨迹跟踪控制器.考虑到欠驱动船舶在没有横向驱动力情况下控制船舶纵向、横向和艏摇角3个自由度的运动,建立了仅有2个控制输入量且存在风、浪、流干扰下的非线性状态空间模型,在对模型近似线性化后应用线性模型预测控制方法设计出了一种考虑控制量极限约束、控制增量约束以及输出量约束的轨迹跟踪控制器.最后,在仿真环境下测试了系统对圆形轨迹的跟踪性能,并对约束进行了误差分析.结果表明,所设计的控制器能较好地满足跟踪性能,并能抵抗一定程度的环境干扰.     

UKF在视频移动目标跟踪中的应用

目标跟踪技术把跟踪看作是一个估计问题,在对动态系统进行实时估计时,针对经典卡尔曼滤波器在非线性系统应用中精度低和可能出现滤波发散的情况,文中将无迹卡尔曼滤波器应用于非线性的视频移动目标跟踪系统中,利用无迹变换对经典卡尔曼滤波器进行改进,以提高系统的跟踪效果。通过对无迹卡尔曼滤波器在移动目标跟踪中的仿真结果分析比较表明,无迹卡尔曼滤波对噪声的适应能力强,跟踪精度高,算法实现简单。     

船舶航向的神经网络二阶导数多步预测模糊自适应控制

针对大型船舶控制特性,设计了船舶航向的神经网络二阶导数多步预测模型及其辨识和预测算法,提出基于径向基函数神经网络多步预测模型和模糊小脑模型关节神经网络控制器的大时滞船舶航向模糊控制自动舵方案,解决传统自适应控制中模型的在线辨识和控制器的在线设计问题,以达到对具有大时滞、不确定非线性特性的大型船舶实现高精度输出跟踪控制.仿真结果表明对设定航向具有精确的跟踪控制效果.     

响应型船舶运动数学模型的构造

论述了响应型船舶运动非线性数学模型，相对于状态空间模型，该模型计算比较简单，但所获的微分方程仍可保留非线性影响因素，可以满足进行船舶闭环控制系统的仿真研究时对模型精度的要求．针对大连海事大学“育龙”号实习船进行了仿真试验，用Visual Basic 6．0编程实现．试验结果表明，响应型非线性数学模型与Norrbin非响应型非线性数学模型的回转试验轨迹基本重合．     

自主车辆线性时变模型预测路径跟踪控制

为提高自主车辆路径跟踪控制的实时性和鲁棒性,研究一种线性时变模型预测路径跟踪控制方法.建立用于控制器仿真验证的纵向侧向二维车辆非线性动力学模型;从二轮三自由度模型出发,推导出线性时变路径跟踪预测模型;引入向量松弛因子解决优化求解过程中硬约束导致的控制算法非可行解问题,基于模型预测控制理论将路径跟踪控制算法转化为带软约束的在线二次规划问题;最后通过Matlab/Simulink实现车辆动力学建模和控制器设计,双移线工况仿真结果表明,所设计的控制器能够适应不同车速、不同设计参数的鲁棒性要求.     

船舶运动控制综述与展望

对欠驱动水面船舶的非线性控制做了简要的论述,首先说明了问题的背景和重要意义,其次介绍了欠驱动船舶常用的非线性控制方法,最终提出了该领域的一些开放性的问题.     

神经网络故障检测算法研究

该文采用输出带输入线性项的RBF神经网络来辨识非线性随机系统模型,基于扩展卡尔曼滤波器的设计思想,设计了一个可估计状态滤波协方差阵及状态预测协方差阵上界的次优状态滤波器,以产生残差序列,并可用来进行故障检测。该方法适用于一大类非线性随机系统,具有较大的适用范围。