GNSS自适应天线相位中心评估方法

自适应天线在波束形成过程中会引起天线相位中心变化,针对这一问题,提出一种基于可用波束的自适应天线相位中心评估方法。该方法分为三步:设置天线的可用波束门限;在干扰来向均匀分布下,得到天线可用波束门限内相位方向图集合;利用最小二乘法对相位方向图集合进行拟合得到自适应天线的平均相位中心变化量。运用该方法对四种典型的四元阵相位中心进行对比仿真,结果表明,算法可以快速有效地对自适应天线相位中心性能进行评估。另外,通过设置适当的可用波束门限,可以提高自适应天线的相位中心性能。算法的评估结果可以作为GNSS高精度自适应天线阵型选择依据。     

AUV纵倾角动态面滑模自适应控制

对于自主水下机器人(AUV)纵倾角跟踪问题,提出一种基于动态面滑模思想的自适应控制方法。首先对自治水下机器人纵倾角运动模型进行简化,其次针对不确定外干扰的情况,设计了自适应规律,对外干扰进行估计,在此基础之上设计了动态面滑模自适应控制器,并通过李雅普诺夫稳定性理论证明了系统的稳定性,最后通过给定参数的仿真实验结果可知,所设计的控制器在系统受到不确定外干扰时,表现出良好的鲁棒性。     

改进幂指数趋近律的航空发动机模糊滑模控制

针对滑模变结构控制趋近运动不具有鲁棒性的问题,提出了一种基于改进幂指数趋近律的航空发动机模糊滑模控制策略。采用一种参数模糊自调节的时变滑模面,"主动迎上"系统状态轨迹,而不是被动等待系统状态轨迹落在滑模面上,缩短趋近运动时间,提高控制器的鲁棒性;并提出了一种改进的幂指数趋近律,进一步削弱抖振。仿真结果表明,所设计的控制器取得了令人满意的控制效果,能有效地抑制干扰和参数不确定性的影响,削弱抖振。     

新的自适应渐消扩展卡尔曼滤波在GPS定位中的应用

当实际数据出现突变时,基于最小二乘、扩展卡尔曼滤波的GPS定位解算存在定位结果精度低和稳定性差的问题。提出一种自适应渐消扩展卡尔曼滤波算法,通过自适应渐消迭代系统噪声协方差,来实现抑制数据突变影响。试验结果表明:该算法相比最小二乘、扩展卡尔曼滤波,其定位精度有所提高;相比传统渐消扩展卡尔曼滤波,其收敛速度、稳定性有所提高。     

三关节机器人的神经网络补偿自适应控制器设计

三关节机器人广泛用于工业生产、轮式或履带式排爆机器人,为了补偿由于机器人结构参数、作业环境干扰等不确定性因素造成的机器人动力学模型的不确定性,将机器人动力学模型分解为名义模型和误差模型两部分,其误差模型采用RBF神经网络进行补偿,得到其估计信息,神经网络的输出权值根据Lyapunov稳定性理论采用自适应算法进行调整。所设计的神经网络补偿自适应控制器解决了不确定性机器人动力学系统控制器设计的不确定性问题,同时,通过定义Lyapunov函数,证明了控制器能渐近、稳定地跟踪期望轨迹。机器人的3个关节在控制器的作用下,约在5 s时达到期望轨迹,神经网络约在5 s时逼近机器人动力学模型的误差模型,实验结果表明了机器人关节对期望轨迹具有良好的轨迹跟踪性能。     

无缝GPS／INS组合导航系统的设计与实现

针对GPS卫星信号失锁条件下GPS/INS组合导航性能大幅度下降的缺点,设计了一种基于ANFIS的无缝组合导航方法,当卫星数目不低于4颗时采用伪距,伪距率的卡尔曼滤波算法,一旦卫星数目少于4颗时采用ANFIS系统估计导航误差,抑制INS的误差积累,从而实现无缝导航.动态车载实验表明,该方法切实可行,相对于传统的紧组合方法,有效地提高了组合导航系统的定位精度和抗干扰能力.     

自适应学习率的小波神经网络逼近算法

提出一种自适应学习率的小波神经网络算法,从根本上解决了小波神经网络学习率的取值和收敛速度慢的问题,并有效地克服了小波神经网络易陷入局部极小的缺点,仿真实验表明,提出的学习算法可靠,学习率能够随着网络的运行参数而自动变化,无需任何人为调整,克服了小波神经网络学习率靠人为试算选取所带来的问题.采用该种改进算法用于非线性函数逼近明显优于同等规模的固定学习率的小波神经网络.     

坦克炮控伺服系统的滑模非线性摩擦补偿控制

坦克炮控伺服系统存在低速摩擦,摩擦环节不但造成系统的稳态误差,而且导致极限环振荡、低速爬行等现象.提出基于Lyapunov稳定理论的滑模控制方法,通过 Lyapunov稳定理论获得控制量,同时克服参数不确定性和补偿非线性摩擦力矩,从而保证跟踪误差渐进收敛.仿真结果表明该设计方法大大优于经典设计,为炮控伺服系统实际设计提供了一种可行的新方法.     

基于自适应Kalman滤波算法的联邦滤波器

为弥补传统联邦滤波器实用性不好,缺乏对对象模型和传感器噪声的自适应估计能力的缺陷,利用自适应Kalman滤波算法的思想,结合联邦滤波器本身的算法结构,对联邦滤波器进行改进,使之具有很强的自适应性,能够自适应地计算出模型噪声和传感器噪声的协方差阵.给出了基于自适应Kalman滤波算法的联邦滤波器的计算架构,其他优秀的自适应算法均可按相同的方式加入该架构中.最后通过仿真计算验证了该算法的有效性.     

自适应航迹融合算法及其仿真

在简单融合算法和协方差加权融合算法的基础上给出一种自适应航迹融合算法,并对这一算法进行了仿真.首先根据已关联的多个传感器的航迹状态估计计算得到第一个距离测度S1,并与门限T1比较.若S1小于门限T1则融合节点将选择本地航迹估计作为全局航迹估计;否则计算距离测度S2.这里S2也是局部航迹状态估计的函数.若S2小于门限T2则判决融合节点执行简单融合算法;否则判决融合节点执行协方差加权航迹融合算法.这里门限值T1,和T2代表了系统对融合航迹质量的要求以及系统可用资源对融合算法的综合影响.仿真结果表明自适应融合算法能够根据融合系统不同时刻对融合质量的不同要求以及系统资源的变化来自适应地选择满足要求的融合算法,从而降低航迹融合算法的计算复杂度.