基于自适应Kalman滤波算法的联邦滤波器

为弥补传统联邦滤波器实用性不好,缺乏对对象模型和传感器噪声的自适应估计能力的缺陷,利用自适应Kalman滤波算法的思想,结合联邦滤波器本身的算法结构,对联邦滤波器进行改进,使之具有很强的自适应性,能够自适应地计算出模型噪声和传感器噪声的协方差阵.给出了基于自适应Kalman滤波算法的联邦滤波器的计算架构,其他优秀的自适应算法均可按相同的方式加入该架构中.最后通过仿真计算验证了该算法的有效性.     

交互多模自适应容积Kalman滤波算法设计及履带车辆跟踪应用

为满足履带车辆作为机动目标的实时跟踪和对目标速度、航向角的准确估计,针对测量值含有相关乘性噪声,采用新息分析法依据噪声相关系数已知和未知改进容积Kalman滤波算法。考虑到单模型滤波器难以准确地实现机动目标的跟踪,采用交互式多模型算法对履带车辆运动轨迹进行描述,提出一种交互式多模自适应容积Kalman滤波算法。仿真表明交互式多模型自适应容积Kalman滤波算法对车辆机动具有稳定的跟踪效果且乘性噪声得到有效处理。     

高精度交流位置伺服系统模糊自适应控制研究

针对该实时稳定控制系统中某一大功率、大变负载的某高精度位置伺服系统设计了模糊自适应P ID控制器,介绍了大量的静态、动态试验,并给出了在不同状态下的实际实验结果。试验表明:该控制器有良好的控制效果及鲁棒性,较好地解决了该武器系统中火控系统的动态响应。     

基于单神经元PID的方位保持仪温控系统的仿真

由于方位保持仪的核心元件陀螺易受温度的影响,常采用温控系统控制其工作的环境温度来保证它的精度与性能.通常采用的传统PID控制方法虽然简单,但由于系统存在非线性因素,控制效果不是很理想.提出一种基于单神经元自适应PID的控制算法,利用单神经元的自学习,自适应能力,实现对方位保持仪温控系统的快速实时在线控制.仿真结果表明该方法优于传统的PID控制算法,是行之有效的.     

基于神经网络的模型参考自修复飞行控制

提出了一种基于模糊神经网络的模型参考自修复飞行控制结构,并对所使用的BP网络学习算法进行了分析改进.对比非故障和故障状态下的飞行仿真结果表明,改进后的自修复飞行控制方法可以有效地抑制神经网络的"过学习"现象,减小了对神经网络辨识器精度的依赖程度,在故障条件下的补偿作用非常明显,达到了自修复飞行控制的目的.     

适应任务的模块化卫星快速构建优化决策方法

如何根据应急航天任务,在满足各种约束的前提下,从型号众多、能力各异的卫星平台及有效载荷中快速决策效费比最佳的卫星构造方案引起了越来越多的关注,这就是适应任务的模块化卫星快速构建优化决策问题.在深入分析该问题特点的基础上,建立优化决策数学模型,提出基于遗传算法的优化决策方法,为处理遗传算法迭代过程中产生的不可行解引入基于...     

克服多路径效应的自适应偏轴跟踪方法

在已有的偏轴跟踪方法的基础上,利用海情、目标距离、正交分量的误差电压及其变化,自适应地进行偏轴跟踪,以达到用普通单脉冲雷达精确地跟踪超低空飞行海上目标的目的.     

梯格形自适应控制

本文讨论并解决了具有d步时延的多变量系统的梯格形自适应控制问题。为此,把自适应控制下的闭环系统嵌入到ARMA模型中,采用梯格算法进行预报。为了考虑d步时延控制系统,采用简捷方法推导了d步梯格预报公式,并给出了控制量的确定方法。采用梯格形自适应控制可方便地调节模型的阶次,从而可以克服对象阶次不准引起的自适应控制失效的问题。     

变结构MM估计器的模型集合序列条件估计

变结构多模型(VSMM)估计最重要、自然和实用的方法是递归自适应模型集合(RAMS)方法。它由两个功能部分组成:模型集合自适应和模型集合序列条件估计。本文是针对第二部分。具体一点,就是通过推广著名的交互多模型(IMM)算法得到基于任意时变模型集合序列的一般的最优单步高效的递归模型集合序列条件估计。这种递归提供了一种在RAMS中是最优的为新激活的模型分配概率并且对基于这些模型的滤波器进行初始化的自然和系统的方法。此外,还给出了基于任意两个模型集合(未必是不相交)获得整体估计的最优和高效的融合方法。最优递归和融合为模型集合序列条件估计问题提供了对于大多数实际问题都相当令人满意的解决方案。这里给出的结果已经应用在最近建立起来的两个变结构MM估计器,似然模型集合和模型群切换算法中。这些算法是普遍适用和容易实现,并且明显优于可用的最好的固定结构的MM估计器。     

大型空间结构姿态动力学和控制

本文提出了一个带大型太阳帆板的飞船和一个带液体贮箱的飞船对接而成的大型空间结构,采用有限元法和模态综合法建立系统的姿态动力学方程,并进一步设计了一个鲁棒的模型参考自适应控制系统,且对此系统进行了数字仿真。