基于遗传算法的自适应时延估计

基于四阶累积量的约束自适应时延估计(FOC-ETDE)算法具有良好的时延估计性能,但它需要良好的时延估计初值。为了克服此缺点,引入遗传算法进行时延估计的寻优,无需时延的先验信息,在低信噪比的情况下可以准确地直接估计非整数倍采样间隔的时延。计算机仿真试验验证了新算法的有效性。     

自适应模糊滑模在火箭炮位置伺服系统中的应用

针对多管火箭炮交流位置伺服系统转动惯量和负载力矩变化大的特性,设计了自适应模糊滑模位置控制器.用模糊控制逼近理想滑模控制,设计切换控制补偿逼近误差,自适应控制调节模糊参数和切换控制的不确定上界.为了保证系统渐进稳定和可控,根据李亚普函数导出自适应率.仿真结果表明该控制策略不仅保证了系统的静、动态特性,而且对负载扰动和系统参数摄动具有较强的鲁棒性.     

基于仿真弹群的目标毁伤预测模型

针对炮兵对集群有生力量目标射击,提出一种基于仿真弹群的毁伤评估模型.首先仿真得到严格符合射击误差表征的弹群,然后应用坐标毁伤律计算毁伤概率.合理确定描述弹群的毁伤因素之后,采用自适应模糊神经网络系统(ANFIS)从仿真数据中得出毁伤因素与毁伤效果之间的映射关系,进而对毁伤效果进行评估.实验结果表明,该模型精度高,泛化能力好,具有很强实用性,有效解决了根据炸点信息进行毁伤评估的难题.     

基于预测残差的自适应Unscented粒子滤波

针对经典粒子滤波的样本退化问题,提出了基于预测残差的自适应Unscented粒子滤波.该方法将自适应因子与无迹卡尔曼滤波相结合构造粒子滤波的建议分布,即通过UT变化构造建议分布函数,利用预测残差作为自适应因子,在线调整测量预测协方差、状态测量互协方差和状态更新协方差的实时变化,从而调整其在滤波中的作用.非线性状态估计仿真实验表明,该算法具有较强的自适应性和较高的滤波精度.     

基于误差修正模型的自适应递推滤波算法

提出自适应滤波算法是经典Kalman滤波与最小方差自适应控制结合的成果。通过引入一个可变因子,将线性系统的状态转移方程与观测方程合并,然后平滑估计未知白噪声,使原本不相关的估计量被映射在同一线性流型中,由此获得可变因子的最优值。可变因子的最优调节保证了滤波的自适应性。最后通过仿真将此算法与经典的Kalman滤波对同一目标状态进行比较,发现由于误差修正因子的引入,此算法在滤波精度上得到显著提高。     

基于自适应补充Kalman滤波的平滑伪距算法

为了得到较为精确的伪距值,现提出一种采用自适应补充卡尔曼滤波进行相位平滑伪距的算法,该算法既利用了载波相位平滑伪距的思想,又对观测噪声和载波相位差值方差进行了估计,并给出了相应的数学解算过程。仿真结果表明,利用该算法得到的伪距双差值相对于其他算法最小,利用其平滑后的伪距用于定位,得到的结果相对于其他算法也最稳定。     

基于改进遗传算法的结构损伤识别

结构损伤识别问题在数学上可以转化为一种带约束的目标函数优化求解。将基于混沌系统的优化理论和免疫系统的基本机制提出的自适应免疫遗传算法用于结构损伤识别,研究其有效性和可行性。通过平面框架单元损伤识别算例分析,表明该方法是实用可行的。     

基于Kalman预测的自适应线性化信号的生成方法

自旋弹体的姿态通常采用单通道控制方法进行控制。该方法中采用线性化信号对控制信号进行调制,而线性化信号采用固定频率随机相位的信号发生器产生,这就会对弹体控制产生不良的影响。提出了一种基于Kalman预测的自适应线性化信号的实现方法。该方法通过弹旋频率测定、频率的Kalman预测和信号发生器实现了线性化信号对弹旋信号的同步、自适应倍频、定步长、定幅度的信号发生功能。仿真实验证明了方的正确性,为更加合理的控制自旋导弹的姿态提供了一种有效的方法。     

基于分簇理论的信息流优化算法研究

将导弹防御指控网络看作变拓扑结构网络,引入小世界网络中"簇"的概念,以最短作战响应时间为优化指标,提出了一种基于平均连接度自适应分簇算法的信息流优化算法。仿真结果表明,该算法在保证信息优裕度的前提下,提高了信息可达度和信息交互质量,提高了指控网络遭受打击时的重构能力。     

基于K-矩阵残差的航天器姿态确定自适应算法

在航天器姿态确定时,针对由于模型误差而使滤波发散的情况,根据协方差匹配的方法,提出一种基于K-矩阵残差的自适应姿态确定算法.通过调整滤波器中的噪声协方差,得到一种在线最佳姿态四元数的最小二乘拟合递归算法.针对传统残差定义的不足,根据K-矩阵的几何性质,设计适应的残差和标准,来解决这一问题.针对高值的残差可由测量噪声或过程噪声的建模误差引起,或由两个共同引起,分别对测量噪声自适应滤波和过程噪声自适应滤波进行了研究.仿真表明,此种算法效果较好.