一种改进的次级通道辨识算法

为提高次级通道的辨识精度、减小辨识误差对自适应控制的影响,以横向滤波器作为估计模型,分别应用带遗忘因子的最小二乘递推算法和变步长最小均方算法来对横向滤波器的权系数进行了更新,并对两种算法的辨识精度和控制效果进行了对比。结果表明:变步长最小均方算法的性能优于带遗忘因子的最小二乘递推算法,但变步长算法仍存在收敛速度过慢、辨识残差较大的问题。为此,提出一种改进的变步长最小均方算法,并对其进行了实验验证。实验结果表明:改进之后的变步长最小均方算法的辨识精度满足控制要求,收敛速度较快。     

电传动车辆轮毂电机无位置传感器控制研究

为提高电传动装甲车辆运行可靠性,提出一种基于脉振高频注入法进行转子位置辨识的轮毂电机控制策略。在永磁同步电机最大转矩电流比和弱磁控制的基础上,将位置辨识算法运用到控制系统并进行仿真分析。仿真结果表明:在电机起动加速阶段和转矩突变等工况下,该算法能够准确辨识出转子位置和电机转速,与使用传感器来获得转速的方式比较,基本能获得相同的控制效果,为进一步提高装甲车辆可靠性提供了可行方案。     

考虑卫星位置误差的增广脉冲星方位误差估计算法

为了解决脉冲星方位误差估计中卫星位置误差对估计结果的影响,提出一种考虑卫星位置误差的增广脉冲星方位误差估计算法。为满足可观测性条件和保证尽可能低的矩阵运算维数,算法将卫星的位置误差标量作为增广状态。结合脉冲星方位误差估计基本原理,重新推得增广算法的状态及观测方程,并通过理论分析证明了算法的可观测性。最后仿真结果表明,当卫星位置误差导致传统算法的估计结果偏差较大时,该算法依然能够保证0. 01 mas的赤经和0. 3 mas的赤纬估计精度。不同方向的位置误差对方位误差估计精度影响较小。     

基于线对线突然短路的同步电机瞬态参数辨识

准确地辨识同步电机参数,是分析电力系统运行和控制系统设计的前提.利用最小二乘或卡尔曼滤波等方法辨识电机三相同时突然短路试验数据,是传统电机参数辨识的主要方式.受同步电机三相同时突然短路的可操作性和电机参数模型的强非线性等因素的影响,电机瞬态参数难以准确测量.利用改进的小波变换和人工神经元网络辨识参数的新方法,结合容易实现的同步电机线对线突然短路试验,辨识得到了三相同步电机的瞬态参数,有效提高了电机参数的辨识精度.仿真试验表明,该方法是有效的.     

自适应两步滤波算法在机载IRSTS被动定位中的应用

在机载红外搜索跟踪系统被动定位研究中,针对扩展卡尔曼滤波算法要求先验的噪声统计及存在系统观测模型线性化误差影响滤波精度的特点,利用两步滤波算法并结合Sage-Husa噪声估计器构建了适用于机载IRSTS被动定位特点的自适应两步滤波算法模型,算法不仅实时在线地估计了观测噪声的统计特性,而且避免了观测模型线性化误差.仿真结果表明,在完全相同的初始条件下,自适应两步滤波算法对目标运动参数的估计结果明显优于扩展卡尔曼滤波,从而提高了机载IRSTS被动定位的精度.     

捷联惯性系统中 IMU 安装误差及陀螺漂移的估计

为减小IMU 安装误差及陀螺漂移对捷联惯性系统导航参数精度的影响,采用速度/姿态角组合匹配传递对准模型的误差方程和IMU的安装误差角方程结合的方法组成新的滤波器模型,并引入改进的BP神经网络算法,实现了IMU安装误差及陀螺漂移的快速有效估计.为对捷联惯性导系统的各项导航参数进行修正和补偿、提高导航精度提供了依据.     

目标自动跟踪参数辨识模型的工程化动态辨识

为解决机动目标参数辨识模型工程应用问题,采用扩张状态观测器等先进的非线性滤波算法,从实测的含有观测噪声的目标位置数据的序列中,直接估计出机动目标运动的一阶、二阶、三阶导数,并结合目标运动模型辨识的理论算法,在工程应用上首次实现了机动目标运动模态和运动模型的双重动态辨识,完成了目标模型动态辨识的工程化设计.     

一种基于预测滤波器的自适应卡尔曼滤波算法

针对系统过程噪声统计特性不确切或未知的条件下,研究了一种基于预测滤波器的自适应卡尔曼滤波算法。由预测滤波器实时估计系统模型误差及其协方差矩阵,再用其修正系统状态预测值及预测误差协方差矩阵,从而自适应调节卡尔曼增益。将该算法应用于弹载SINS/GPS紧耦合组合导航系统并与普通卡尔曼滤波、基于新息的移动开窗自适应卡尔曼滤波进行了对比,仿真结果说明该自适应滤波算法具有更高的可靠性和精度。     

采用自适应简化不确定性卡尔曼滤波算法的飞行器导航控制方案

针对飞行器绕本体轴高速旋转的飞行过程出现的严重耦合干扰问题和大角加速度和大角速度测量问题,提出了一种自适应简化不确定性卡尔曼滤波算法。该算法使用超球面分布采样点和线性转移等方法简化算法采样计算和采样点的权值计算,提高算法效率;利用模型噪声和线性方程,通过一步预测进行自适应设计,计算滤波值和误差方差矩阵;使用次优噪声估计器推算过程噪声;对过程噪声进行正定判定,防止算法发散。仿真结果表明,这一改进的自适应简化不确定性卡尔曼滤波算法能够有效减少滚转角解算误差和耦合干扰,提高飞行器着陆点的精度。     

紊流风场下无人机飞行状态多模型估计算法

针对紊流风场环境下飞行速度因模型参数发生变化导致单一固定参数滤波器精度降低的问题,提出了一种无人机飞行状态多模型估计算法.在建立单一固定模型紊流风场有色噪声卡尔曼滤波器的基础上,采用多模型自适应卡尔曼估计,得到飞行速度的最优状态估计.仿真结果表明,多模型估计算法在模型参数发生变化时能有效地减小紊流风场对无人机飞行速度的影响,满足飞行速度控制输入的精度要求.