范数有界的鲁棒卫星姿态估计方法

针对现有卫星姿态鲁棒滤波器中计算量大、时变系统估计效果不理想的问题,将范数有界鲁棒滤波器应用于卫星姿态估计系统中.该方法将一部分系统模型误差视为系统的不确定度,降低了系统的建模难度.通过欧几里德范数确定状态的不确定度上界,对系统进行误差有界的鲁棒估计,保证了估计精度.仿真结果表明:在假设的不准确条件下,该鲁棒滤波器展现了良好的鲁棒性,其估计性能比传统扩展卡尔曼滤波(EKF)方法在三轴的估计精度(RMS)方面分别提高了11.21%,17.97%和38.13%.     

基于自适应 UKF 微型航姿系统噪声在线估计

针对先验噪声与系统真实噪声不符引起标准无迹卡尔曼(unscented Kalman filter,UKF)性能退化的情况,提出一种应用于非线性时变状态和参数联合估计的自适应UKF(adaptive unscented Kalman filter,AUKF)算法.根据新的协方差矩阵与相应估计值之间存在的误差,构建成本函数.采用梯度下降法进行在线预估,对噪声的协方差进行在线更新并反馈给标准的UKF.实验和仿真分析表明,与标准UKF相比,自适应UKF算法在精度上有较大的提高.对于时变噪声协方差不确定时,自适应UKF噪声在线估计的鲁棒性得到明显改善,验证了自适应UKF噪声在线估计模型的准确性和可行性.     

鲁棒性状态控制器与观测器的设计

介绍了鲁棒性状态控制器与观测器的设计方法,适用于线性、非线性或时变的模型参数不确定的多变量系统。根据不确定性参数项的范数上界,给出了鲁棒稳定性条件,选择状态控制器和状态观测器的参数,满足鲁棒稳定性条件。使系统具有鲁棒性。     

基于Cauchy鲁棒函数的UKF改进算法

对于大多数实际系统,其噪声统计特性未知,不敏卡尔曼滤波(unscented Kalman filter,UKF)算法对噪声信息不准的鲁棒性较差,导致滤波精度急剧下降,甚至滤波发散。借助鲁棒数据校正的思想,提出了一种基于Cauchy鲁棒函数的UKF改进算法。以UKF的测量先验值与其实际值的残差作为基准,采用联合权函数对噪声估计值进行实时修正,从而提高了UKF算法的精度。通过两个实例的仿真,验证该算法的有效性。     

小脑神经网络用于不确定时滞系统的鲁棒非脆弱控制

针对不确定时滞系统的鲁棒跟踪控制问题,设计了一种基于小脑神经网络CMAC的鲁棒非脆弱控制器。首先,给出小脑模型神经网络控制系统的算法。其次针对一类不确定时滞系统,根据李雅普诺夫稳定理论,进行了鲁棒非脆弱控制器的设计。假设反馈控制中即含有状态反馈不确定性,也具有状态时滞的不确定性。证明不确定时滞系统鲁棒非脆弱控制存在的条件。该条件可以利用Matlab的线性矩阵不等式LMI工具箱来求解鲁棒控制器的参数。之后利用CMAC神经网络较强的学习能力和鲁棒非脆弱控制器对参数摄动抑制作用的特点,将鲁棒非脆弱控制器与小脑模型神经网络CMAC相结合,构成小脑模型神经网络与鲁棒非脆弱控制器的复合控制,实现对不确定时滞系统的跟踪控制。仿真结果显示,对于输入端扰动和一定程度的参数摄动,经过复合控制器的作用,被控系统能在短时间的抖动后逐渐趋于稳定,不仅具有较快的响应速度,还具有较短的收敛时间和令人满意的跟踪精度。该种复合控制表现出较强抗干扰能力及鲁棒性。     

Delta算子系统D稳定鲁棒状态观测器的设计方法

研究了Delta算子描述的线性不确定系统基于圆形区域极点配置的状态观测器(定义作D稳定鲁棒状态观测器)的设计问题·利用离散的Delta算子代数Ricatti方程,给出了一类参数不确定Delta算子系统D稳定鲁棒状态观测器存在的一个充要条件及其设计方法,这一表述,有利于进行理论推导·为便于计算将这一结果转化成线性矩阵不等式·所设计的D稳定鲁棒状态观测器具有很好的鲁棒性,并将连续与离散系统有关该问题的结果统一到了Delta算子框架中·     

基于观测器的不确定广义系统D稳定极点配置

研究了具有D稳定约束的不确定广义系统鲁棒状态观测器问题。基于参数矩阵不等式和广义逆理论，提出了一种广义鲁棒状态观测器的设计方法，目的是对于所有容许的参数不确定性，相应的广义状态估计系统是正则，无脉冲，且其有限极点配置在预先给定的圆盘中，从而使整个观测过程具有所希望的鲁棒性和暂态性能；并获得了希望的鲁棒状态观测器增益的存在条件及其解析表达式。     

呼叫中心人力资源配置鲁棒规划模型

针对现实呼叫中心中顾客到达不确定的问题,建立了基于排队论的离散流体模型,解决了考虑鲁棒性呼叫中心的人力资源配置问题.通过区间数据来表示顾客到达的不确定集,利用可调整鲁棒优化方法的思想,分析了鲁棒优化模型与确定性优化模型的关系.数值试验表明,使用可调整鲁棒参数的鲁棒优化方法减小了呼叫中心到达率不确定性给呼叫中心系统带来的影响;到达率越大,对应的最优的鲁棒参数越大,模型越保守.     

非线性多时滞不确定系统鲁棒故障诊断

提出了一种带有多时滞不确定非线性系统的鲁棒故障诊断方案,非线性与系统输入和输出有关,不确定性包括系统输入和状态等环节;通过构造观测器对状态和输出进行估计,得到具有鲁棒性的阈值;若系统的实际输出与估计输出之差(即残差)超出阈值,说明有故障发生,同时用自适应跟踪器对故障进行跟踪;在理论上证明了该方案的鲁棒性、灵敏度和稳定性。     

吸气式高超声速飞行器纵向运动反演控制器设计

针对气动/推进/结构耦合的吸气式高超声速飞行器纵向平面飞行控制问题,提出了基于反演的鲁棒控制器设计方法.利用曲线拟合模型将控制系统表示为反馈形式,采用反演方法设计虚拟和实际控制器,并引入鲁棒微分器估计虚拟控制量的导数,解决了虚拟控制量求导运算复杂的问题.为增强控制器应对不确定项的鲁棒性,设计了超扭曲滑模干扰观测器,实现了对系统模型不确定项的估计和补偿.对吸气式高超声速飞行器一体化原理模型的速度和高度指令跟踪仿真表明,该控制器对拟合误差和外加干扰等系统不确定项具有鲁棒性,系统状态量能够在指令跟踪过程中趋于平衡状态,从而验证了所提方案的有效性.     

基于奇异值分解无迹卡尔曼滤波的锂电池荷电状态估计

锂电池的荷电状态(state of charge, SOC)是电池管理系统(battery management system, BMS)对锂电池进行管理的重要指标。针对传统SOC估计方法存在的精度低、计算复杂和鲁棒性差等问题,本文提出了一种基于奇异值分解无迹卡尔曼滤波(singular value decomposition unscented Kalman filter, SVD-UKF)的SOC估计方法。该方法利用无迹变换(unscented transformation,UT)提高了计算精度的同时降低了计算量,并且克服了UKF在状态协方差矩阵P非半正定时会出现滤波发散的缺点,提高了算法的鲁棒性。实验结果表明,该算法能够快速收敛于真值,并且将估算误差降低至1%。     

快速路通道动态OD流估计模型

基于快速路通道的主干道和匝道出入流量信息,提出了一个新的动态OD矩阵估计模型和在线估计算法.文中引入宏观交通流模型以计算旅行时间,并把模型参数也作为状态变量进行估计,相应增加了新的测量方程.该文构建了新的动态OD估计状态空间模型,采用了含有约束条件的Unscented kalman filter(UKF)算法,运用仿真数据进行评估,结果表明,即使在拥堵状况下,提出的模型和算法也能达到很好的精度.     

分布式不敏卡尔曼滤波状态估计技术

在许多实际的分布式多传感器系统中,系统的动态或传感器的观测方程是非线性的.解决分布式多传感器非线性系统的状态估计问题,通常采用的一种方法是分布式扩展卡尔曼滤波.但由于模型的线性化误差,EKF的滤波效果在很多情况下并不能令人满意.另外,在许多实际应用中,模型的线性化过程比较繁杂,而且也不容易得到.为了有效解决分布式多传感器非线性系统的状态估计问题,提出了一种基于不敏卡尔曼滤波的状态估计技术.不敏卡尔曼滤波是最近提出的一种新的非线性滤波方法.由于不需要对非线性系统进行线性化,不敏卡尔曼滤波可以很容易地应用于非线性系统的状态估计,并且其性能也要优于扩展卡尔曼滤波.仿真结果说明分布式不敏卡尔曼滤波方法的性能要优于分布式扩展卡尔曼滤波方法.     

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。     

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。     

基于平方根Unscented卡尔曼滤波的无陀螺卫星的姿态估计

针对无陀螺卫星的姿态和速度估计问题,提出基于平方根UKF滤波（square Root Unscented Kalman Filter）的估计算法。为了避免欧拉角带来的奇异问题,采用四元数描述卫星的姿态参数。考虑卫星的非线性模型,采用Cholesky和QR分解,从而平方根UKF滤波方法不仅能保证协方差矩阵的正定性,并且还可以提高算法的计算精度。利用测量矢量的信息,该算法能估计三轴稳定卫星的姿态,且计算简单,无需计算Jacobian矩阵。数值仿真结果表明,所给出的方法是可行而有效的。     

基于UKF的INS/GPS组合导航系统仿真

通过Unscented卡尔曼滤波(UKF)算法,研究INS/GPS紧耦合组合导航系统中滤波算法的问题,避免了对非线性的系统方程进行线性化。同时将自适应原理引入UKF,给出了一种自适应UKF算法。将EKF、UKF和自适应UKF分别应用到INS/GPS组合导航系统的滤波中。仿真结果表明,相比UKF算法,自适应UKF算法进一步提高导航解的精度和收敛速度,同时系统的鲁棒性也得到了提高。     

自适应软测量算法的汽车行驶状态估计

为了实现车辆行驶状态低成本测量,设计了估计汽车行驶状态参数的传统无迹卡尔曼滤波器和能够有效解决噪声时变特性的次优Sage-Husa噪声估计器相结合算法,通过建立电动汽车3自由度的动力学模型和HSRI轮胎模型,且融合低成本测量的纵、横向加速度和方向盘转向角传感器测量信息,从而可精确估计电动汽车行驶状态.在选定的典型工况下,通过与无迹卡尔曼软测量算法进行对比,硬件在环实验结果有效地验证了自适应无迹卡尔曼软测量算法具有很好的鲁棒性,且比无迹卡尔曼软测量算法更加能够有效地估计电动汽车的行驶状态.     

两飞行体相对定位技术及其滤波算法研究

为了解决两飞行体相互之间的定位问题,在二维平面运动模型的基础上提出了相位差变化率定位方法,进行了可观测分析,给出了可观测分析结果。同时简单介绍了几种典型
非线性滤波算法,并将EKF（Extended Kalman Filter）、UKF（Unscented Kalman Filter）、PF(Particle Filter）等非线性滤波方法应用到定位模型中。仿真结果表明,UKF方法用时最短,PF滤波方法精度最高。