一类三角结构非线性系统状态参考反演变结构控制

针对一类三角结构非匹配不确定性非线性系统,结合参考状态、反演设计和变结构控制方法,研究了其在非匹配不确定性和未知干扰下的跟踪控制问题,提出了状态参考反演变结构控制策略,设计的状态参考反演变结构控制器实现鲁棒输出跟踪,闭环系统在有限时间进入滑动模态.仿真算例证实了理论研究成果的正确性和可行性.     

变结构多模型估计第Ⅲ部分——模型群切换算法

本文提出了一种称为模型群切换算法(MGS)的通用的变结构多模型(VSMM)估计器.它假设整个模型集合可以用一定数目的模型群来覆盖,每个模型群代表相互间紧密联系的一族系统行为方式或结构,在任何给定时刻,由一个硬决策来决定具体运行的模型群.它是第一种可普遍应用于一大类具有混合(连续或离散)不确定性问题的VSMM估计器.同时,它很容易实现.通过一个简单的失效检测和识别的例子显示当具有与固定结构的交互多模型(FSIMM)估计器相同的性能时,MGS算法可以从本质上减少计算量.     

变结构多模型估计第Ⅳ部分——模型群切换算法的设计和评估

在第Ⅲ部分提出了一种称为模型群切换算法(MGS)的变结构多模型(VSMM)估计器它是第一种通用的、可应于一大类具有混合(连续或离散)不确定性问题的VSMM估计器.在这种算法中,模型集合通过在一定数目预先确定的模型群之间的切换来实现自适应.它比固定结构MM(FSMM)估计器,包括交互多模型估计器(IMM)具有更大的潜力获得更高的费效比.本文研究了算法应用中的一些比较重要的问题,包括模型群自适应逻辑和模型群的设计.研究的结果通过一个机动目标跟踪问题的详细设计例子进行了演示.这个跟踪问题使用一个时变模型集合,每个模型由目标的加速度期望值表征.仿真结果用来证实在仔细设计和非常随机和确定的情况下,MGS算法同使用所有模型的固定结构IMM(FSIMM)估计的性能(基于更合理和完全的度量,而不是仅使用通常的rms误差)和计算复杂程度的比较.     

变结构多模型估计第Ⅱ部分——模型集合自适应

变结构多模型(VSMM)估计的一个重要、自然和实用的方法是递归自适应模型集(RAMS)方法。此方法的关键是在理论上和实践上都具有挑战性的模型集自适应(MSA)。本文在理论上对MSA进行了研究。根据假设检验,阐明了MSA的各种典型问题,而这些假设一般是复合的,N元的,多变量的,更糟糕的是,不一定不相交。给出了一定数量的序列方案,这些方案在计算上都是高效的,容易实现的,并具有一些令人满意的最优特性。这些结果构成了建立性能良好,通用和实用的MSA算法的理论基础。在这里给出的理论结果已经应用于这系列后续部分的几种RAMS算法,这些算法都是应用广泛,容易实现并且明显优于当前的最佳固定结构多模型估计器。同时,它们对于变结构和固定结构多模型估计器的模型集对比、选择和设计都很重要。     

变结构控制器的仿真模型研究

变结构控制器集中了非线性控制与线性控制的优点,既保证了系统的快速性,又具有良好的跟踪精度。运用控制理论及牛顿运动规律,阐述了变结构控制器的建模机理,重点研究在MATLAB/SIMULINK动态系统仿真环境下,利用已有模块搭建变结构控制器的仿真模型。该仿真模型已被成功地应用于某型自行高炮随动系统的仿真研究中。     

一种新的近似优化方法——变复杂度优化

随着仿真技术的发展,基于仿真的优化在工程、军事等领域越来越占据突出的地位。随着高逼真度仿真模型的大量使用,仿真优化计算的时间复杂度成倍增长,使得采用传统的优化技术无法取得令人满意的效率。提出了一种基于近似模型的变复杂度优化方法,它通过标度函数保证优化的收敛性,通过信赖域方法保证优化在有效的范围内进行。数值算例表明这种算法能有效降低对于高复杂度模型的调用次数,达到降低仿真优化计算复杂度的目的。     

一种新的模糊多层自组织神经网络图像目标检测方法

神经网络方法和模糊集理论用于图像处理和目标检测时各有优势,文中提出了一种将神经网络和模糊集理论集成的混合方法,即模糊多层自组织神经网络法。该方法将模糊测度作为神经网络的目标函数,网络包括多层结构,任一层中的一个神经元对应图像中的一个像素,该神经元只与前一层的对应元素及其邻域元素连接。针对遥感图像的实验处理过程证明该方法能够有效地进行目标检测和提取,并且具有良好的噪声免疫力。     

低截获概率雷达信号的循环谱相关函数检测方法分析

给出了一些噪声、干扰及低截获概率雷达信号的循环谱相关函数 ,分析了其在噪声与干扰中检测的优越性 ;对循环谱相关函数与Wigner Ville分布、解线调、模糊函数进行了比较 ,分析了它们的一致性 ,并比较了循环谱相关函数的几种主要估计算法。从这些分析中可知 ,循环谱相关函数是检测低截获概率雷达信号的有效方法 ,抗干扰能力强 ,并具有实时处理的潜力和可能性     

一类不确定大系统的分散变结构模型跟随控制

针对一类具有不确定参数和外界扰动的非线性大系统 ,在子系统互连项上界具有多项式形式的条件下 ,提出了一种分散变结构模型跟随控制器设计方案。该控制器不需要未知参数变化、外界扰动以及子系统互连上界的先验信息 ,能够通过自适应率对上述信息进行在线估计。在保证闭环大系统渐近稳定的条件下 ,同时实现了各个子系统滑动模态的存在性和可达性。理论分析和仿真结果验证了本文所提方案的有效性     

改进型自适应推广卡尔曼滤波器的应用

针对在被动方式下进行水下目标跟踪容易导致滤波发散和收敛精度不高的问题,介绍了一种改进的自适应推广卡尔曼滤波算法。它能够在线估计虚拟观测噪声的统计特性,从而克服了观测模型线性化误差带来的不良影响。同时,通过引入修正增益函数,克服了由于观测噪声的统计特性不能精确已知而导致的滤波不稳定问题。仿真结果表明,不管是滤波精度还是收敛速度,都优于原来的自适应推广卡尔曼滤波算法