编队多平台协同防空系统及其多模型算法进展

介绍了多平台协同防空系统的组成及功能,并回顾了该系统目标跟踪中多模型算法的发展过程.重点对变结构多模型算法及其研究进展进行了论述,指出变结构多模型算法在目标跟踪中有广阔的应用前景.     

信息/求解 Petri 网系统

绝大多数 Petri 网在变迁发生后前集库所会失去标记,不便于表达一个条件一旦具备将永远具备的情形.针对该问题,基于0-1标识与变迁发生后其前集不失去标记的思想,提出了信息/求解扩展 Petri 网系统(I/S系统).给出了I/S系统的相关定义、部分基本性质、矩阵表示、求解发生权向量的求法和状态方程.最后,给出了以I/S系统表示的几种常见滑模变结构控制策略的设计过程,该例显示了I/S系统的模型表达能力.     

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.     

参数和非参数滤波算法在贝叶斯估计问题中的比较

在贝叶斯估计问题中常用的滤波算法有两大类,一类是适用于非线性问题的,在卡尔曼滤波算法基础上发展出来的各种参数滤波算法,如扩展的卡尔曼滤波,拟线性卡尔曼滤波及近年提出的基于Unscented变换的Unscented卡尔曼滤波算法等;另一类是基于蒙特卡洛仿真技术的非参数滤波算法--粒子滤波.两类跟踪算法在实际问题中都得到了广泛应用.从原理上对这两类算法中的四种具体算法进行了介绍,重点分析了每种算法的长处及不足,可为实际应用中算法的选择提供依据.     

无味卡尔曼滤波在空对海单站BDO-TMA中的应用

针对空对海单站无源只测方位-多普勒目标运动分析(BDO-TMA)问题应用无味卡尔曼滤波(UKF:Unscented Kalman Filtering) EKF进行了对照研究,建立了该应用场景下的离散非线性滤波估计模型,Monte Carlo仿真运行结果表明,UKF在该应用背景下是切实可行的,具有更高的估计精度和更强的收敛特性.     

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.     

一种改进型联邦滤波器设计方法及其应用研究

提出了一种基于局部反馈校正的无重置联邦滤波器的设计方法,和 Carlson 提出的无重置联邦滤波器相比较,该联邦滤波器在保证组合导航系统的容错性能不变的同时可以提高系统的导航精度.将提出的这一方法用于船用组合导航系统设计中,通过计算机仿真,并同Carlson 提出的无重置联邦滤波器的仿真结果相比较,证明了该方法的优点.     

PCNN图像分割新方法

为了解决脉冲耦合神经网络(PCNN)难以确定最优分割结果以及脉冲产生门限由非线性方法计算得到的问题,提出了一种基于PCNN的图像分割新方法.该算法采用线性方式动态调整脉冲门限,采用二维最大相关准则确定PCNN网络的循环迭代次数,并引用中值滤波的思想对PCNN的接收部分进行了改良,以克服噪声对分割过程的影响.实验结果表明该方法能获得视觉效果较好的分割结果并具有较强的普适性.     

动态加权的一致性多传感器数据融合算法

研究现有多传感器的加权融合算法,针对时变非线性系统状态估计的有效融合问题,提出了一种基于动态加权的一致性多传感器数据融合算法.对于多传感器量测,首先利用Unscented 卡尔曼滤波器得到局部状态估计值,然后基于层次分析法思想,构建反映局部状态估计结果相互支持程度的一致性矩阵,充分提取数据中蕴含的冗余和互补信息,最后通过对一致性矩阵的求解实现对权重的合理选择.经过蒙特卡罗仿真验证了该算法的有效性.     

装甲车辆磁流变座椅振动控制方法研究

对磁流变阻尼器进行力学性能试验,通过遗传算法进行参数辨识得到了磁流变阻尼器的Bouc-Wen模型;通过分析剪式座椅悬架受力,建立了磁流变座椅单自由度非线性动力学模型;根据座椅悬架动力学模型分析了刚度和阻尼对其振动特性的影响;制定了模糊控制策略,分别对刚度和阻尼进行控制并进行仿真和试验.结果 表明:基于模糊控制的变刚度变...