未知量测噪声分布下的CBMeMBer算法

针对目标跟踪过程中量测噪声概率分布等先验知识无法准确获取的问题,提出一种基于风险评估的势均衡多目标多伯努利(RE-CBMeMBer)滤波算法。采用CBMeMBer算法的序贯蒙特卡洛实现,在粒子预测后利用风险函数和评估函数计算粒子风险值,并用评估结果更新粒子权值。避免了计算似然函数且不依赖量测噪声的概率分布。仿真表明:与SMC-CBMeMBer算法相比,RE-CBMeMBer算法具有更好的实时性,特别是当量测噪声分布未知时,具有更高的跟踪精度和稳定性。     

防空伺服系统中新型数字化检测方法

防空伺服系统也被称为跟踪伺服系统,是防空火控系统的重要分系统。通过重要指标特性分析提出了防空伺服系统的5项重要指标,分别是:稳定精度、跟踪精度、最大跟踪角速度、最大跟踪角加速度和最小平稳速度。通过对重要指标的检测原理和传统检测方法的分析,得到传统检测方法的4点不足。针对这4点不足之处,从检测原理和检测方法两方面对新型数字化方法进行了研究。最后对传统检测方法和新型数字化检测方法的检测数据进行了比对。新型数字化检测方法的研究可为防空伺服系统的工程设计和工程应用提供参考。     

低速滚转弹道导弹的鲁棒滑模控制

建立了在主动段滚转飞行的弹道导弹的非线性动力学模型.在传统反演滑模控制的基础上,考虑到导弹动力学特性依照时间尺度能够分离为快、慢变两个子系统,设计了对外干扰和参数摄动具有不变性的两级子滑模,实现递级滑模控制,同时引入一阶低通滤波器矩阵避免"膨胀项".考虑到不确定性的界值难于事先获知,在滑模控制器中引入了自适应律实时地估计不确定性的大小,削弱抖振.最后通过数字仿真验证了这种控制器可以实现导弹稳定飞行.     

基于IMM的估计算法对机动目标跟踪的比较

机动目标跟踪一直是倍受关注的问题,而交互式多模型方法(IMM)是解决这类问题的经典方法.由于传感器的发展或受某种客观条件的限制等,产生了各种基于IMM的算法.为此,介绍了IMM及基于IMM的几种经典估计算法,对它们进行比较研究,并通过机动目标跟踪的仿真算例说明各算法的适用条件、原理、异同点、性能及复杂性,对机动目标跟踪估计器的选择有重要参考价值.     

伺服电机NCS神经网络PID趋近律滑模控制

针对直流伺服驱动电机的网络控制系统的非线性控制系统特性和神经网络多包传输的特性,提出一种基于滑动窗口策略的多核LS-SVM神经网络PID趋近滑模控制器。该控制器可以在线控制和预测丢包补偿,并将其控制系统实现为一种具有延迟和丢包的多包数据传输直流控制器的伺服驱动电机神经网络自动控制补偿系统。其主要方法为,首先基于等效变换、无延迟和滑动窗口相结合的LS-SVM在线数据包损耗预测,建立系统的延迟补偿模型。其后通过神经网络的非线性映射对PID参数进行在线调整,实现稳态并进行分析。仿真结果表明,组合内核LS-SVM预测策略可以提高数据包损失补偿的准确性,减少系统抖振,在响应速度较快的情况下完成整定。     

基于直\气复合的再入飞行器操纵耦合分析及鲁椿控制设计

为保证再入飞行器在剧烈变化飞行环境下的控制能力,传统单一气动舵面控制被直＼气复合控制模式取代.性能提升同时,多个参与飞行控制的执行机构之间引起的操纵耦合使系统耦合加剧.以再入飞行器为研究重点,分析了直＼气复合控制模式下的两类操纵耦合原理,建立数学模型.采用动态逆,模糊理论和变结构方法相结合策略设计鲁棒控制器.仿真结果表明该方法是行之有效的.     

目标定位和跟踪的卡尔曼滤波加 BP 神经网络的方法

首先分析了卡尔曼滤波应用于单目标定位与跟踪时需要校正的因素,接着用具有反向传播（ＢＰ）学习算法的前向网络,建立校正原理和校正网络体系结构,最后分别给出了它对第１类和第２类火控系统应用的数学模型。     

地形跟踪的模糊预测控制

将模糊控制和广义预测结合起来,提出了模糊预测控制律,该控制律利用系统的动态模型预测系统未来的输出,通过预测误差及其变化率的模糊变量确定性能测量值,由控制决策给出控制量,在巡航弹地形跟踪应用中的结果表明,模糊预测控制律具有精确的跟踪性能。     

面向目标跟踪的数据融合技术及实现

讨论了多传感器数据融合功能模型,介绍了一种面向目标跟踪的数据融合算法及其实现。     

具有高阶相关测量噪声的数字跟踪滤波器

现有的用于有色测量噪声数字滤波器的设计的算法涉及到对测量误差模型的维数限制。卡尔曼滤波方程和状态空间分块是用来描述一个没有这些限制的最佳跟踪滤波器。新滤波器的输入是两次连续的量测,通过使用第一次可用的量测和误差模型相关矩阵将输入初始化。列举了几个例子来说明滤波公式等和初始化。