一类不确定时滞混沌系统的全局鲁棒自适应神经网络同步控制器设计

研究一类不确定时滞混沌系统的全局鲁棒自适应神经网络同步控制器设计,其系统中的不确定时滞项不是简单的线性有界条件,而是允许其存在高阶项,因此具有全局特性．在控制器的设计上;首先通过选取合适的径向基函数（RBF）神经网络的权向量去逼近时滞系统中的未知连续有界部分;然后在RBF神经网络输出的基础上,选用一个鲁棒自适应控制器来趋近时滞系统的不确定部分;同时,利用Lyapunov稳定性理论对混沌同步的条件给出了论证;最后,数据仿真的结果表明该方法的有效性．     

改进的斜投影极化滤波方法

针对脉冲体制雷达抗干扰的需求,综合利用卡尔曼滤波技术、斜投影极化滤波技术和时域对消技术,研究了一种改进的斜投影极化抗干扰方法．首先利用卡尔曼滤波技术估计干扰的极化状态参数,在目标极化状态未知的情况下求得斜投影算子,再利用求得的斜投影算子提取出干扰信号,然后利用时域对消技术将原始信号减去干扰信号即得到纯净的目标信号．仿真结果表明,卡尔曼滤波技术可快速准确地估计出于扰极化参数,改进的斜投影极化滤波方法可大幅度抑制干扰,并保持了目标信号的幅度和相位不变性．     

晃动基座下捷联惯导的初始对准研究

为了降低车体振动对惯性器件输出的影响,运用小波域阈值滤波对信号进行预滤波,介绍一种初始对准非线性误差模型,并运用H∞滤波完成初始对准。针对坦克发动的情况,分别在固定怠速和不同怠速的情况下进行大量重复实验,实验结果表明：该方法能够有效完成坦克发动下初始对准,具有良好的重复性和稳定性。     

一种基于满意滤波的纯方位目标跟踪算法

针对潜艇纯方位目标跟踪算法存在算法初始化困难、收敛速度慢、稳定性差等问题,借鉴交互式多模型算法(IMM)的思想,将EKF实时解算出的滤波增益和满意滤波解算出的稳态增益实时融合并行工作,以求克服滤波初值对滤波器的影响,尽可能地消除线性化误差,最终输出具有更高精度的估计结果。仿真实验表明,提出的单站纯方位算法对滤波初值的设置有较大的领域范围,较好地克服了算法对滤波初值的敏感性问题,同时增加了算法的稳定性。     

一种新的针对模型误差所致滤波发散的补偿方法

系统模型误差是导致卡尔曼滤波发散的一个很重要的原因,分析了衰减记忆法和限定记忆法两种对模型误差所致滤波发散的补偿方法,通过引入阈值可以将这两种方法进行有机结合,给出了一种新的衰减限定记忆算法。算例分析验证了衰减限定记忆算法在抑制滤波发散方面具有比衰减记忆和限定记忆法更好的性能,并能自适应调整算法所需观测数据数目。     

高超音速飞行器参数不确定性的自适应控制方法

针对高超音速飞行器飞行控制中被控对象模型参数不确定性的特点,应用简单自适应控制方法设计其纵向控制律。论述高超音速飞行器纵向运动的动力学模型和参考模型的建立,以及基于此参考模型用简单自适应理论设计飞行控制律的方法,并且通过数值仿真进行鲁棒性能验证。仿真结果表明,所设计的控制律可以根据参考模型与实际系统输出之差自适应地调节控制增益,对模型参数不确定性具有较好的抑制作用,设计方法可行。     

机动目标模型研究与发展综述

对机动目标模型的研究与发展进行了回顾,指出了各个模型的局限性,重点对Singer模型和“当前”统计模型的优缺点进行了分析,并得到有意义的结论;最后指出了未来机动目标模型研究的方向和趋势。     

多目标跟踪的神经网络实现方法

多目标跟踪在军事和民用方面得到广泛的应用。自适应网络模型 ART对已学习过的对象具有稳定的快速识别能力 ,同时又能适应未学习的新对象 ,ART模型的这种优势可直接应用于雷达的多目标跟踪。经过仿真验证 ,利用 ART模型解决多目标跟踪数据关联问题的方法较为有效。     

基于彩色的概率跟踪及其快速实现

针对基于彩色的概率跟踪中每一时间步每一个像点都要计算彩色直方图导致计算代价大大增加这一瓶颈问题,提出了一种减少直方图搜索区域从而提高计算效率的方法。根据前一帧中跟踪器的输出,在当前帧中建立一个基准窗口,并将其分割成若干个相等的子窗口,分别计算出它们的彩色直方图。然后根据像点滤波中不同像点的搜索区域与基准窗口的相对关系,找出重叠部分,从而可以利用该部分已知的子窗口的直方图而无需重复计算,只需计算不同部分即可,实验结果表明,该方法使计算量减少了50%以上。     

基于自适应原理诊断传感器偏差故障的方法

在控制系统中 ,传感器是容易发生故障的部件 ,研究传感器故障诊断问题具有重要意义。介绍了一种基于自适应原理的传感器偏差故障诊断方法 ,首先将传感器偏差故障表示为系统状态 ,然后应用自适应原理估计出传感器偏差故障。仿真表明 ,用这种方法诊断传感器偏差故障是可行的。