基于自适应Kalman滤波算法的航空发动机可测参数及其偏离量估计

针对采用估计可测参数偏离量建立航空发动机机载自适应模型的方案中,可测参数偏离量估计的问题,引入了CA(Constant Acceleration)模型,建立了简化的可测参数状态方程和测量方程,采用自适应Kalman滤波算法直接估计可测参数,由估计出的可测参数与发动机非线性模型计算的额定值之差,获得可测参数偏离量.为解决因简化的状态模型系统误差较大,采用标准Kalman滤波会出现估计严重偏离真值的问题,分析了标准Kalman滤波准则和状态模型误差对滤波结果的影响,采用动态调整状态预报在滤波估计结果中权重的策略,给出了单因子自适应Kalman滤波算法准则及递推公式,使滤波估计准确.对不同的可测参数分别采取序列滤波的方法,减少了运算量.以仿真产生的发动机测量数据为例,对系统模型和所设计的算法进行验证,计算结果表明,所设计的滤波算法具有很快的收敛速度和计算速度,结果优于标准Kalman滤波算法,具有更好的估计精度和一定的工程应用价值.     

二维浅海波导中声场边界处理的谱无限元方法

针对传统无限元法在截断声场边界上计算精度低的问题,提出了一种基于GR (Gauss-Radau)插值的谱无限元法,以高精度处理无限远边界对声场计算的影响。首先,采用映射函数构建从自然坐标系到笛卡尔坐标系的节点转换函数,获得两种坐标系之间的映射雅克比矩阵;然后,利用基于GR插值的形函数,模拟单元节点的声压,结合映射雅克比矩阵,对二维声场波动方程进行变分处理,推导了无限单元对应的积分表达式,用于模拟实际浅海波导环境下无限远处的声传播。与基于镜像法的解析解和传统无限元法结果的对比表明：所提方法结果与解析解一致性高,相对误差约为1%,验证了该方法的有效性和准确性。     

船舶摇摆运动对船载炮射击的影响

从船舶在海浪中运动模型出发,结合炮兵射击学原理,研究船舶摇摆导致火炮基座运动以及杆臂效应导致子惯导初始对准误差等因素对火炮射击的影响,主要针对船载炮射击在距离与方向的影响进行分析。并提出了采用初始装定误差补偿的方法消除船舶运动与杆臂效应对射击的影响。     

基于探索性分析法仿真的建模方法研究

针对探索性分析法的主要特点,探讨建立适合探索性分析法仿真的模型问题.提出了通过分解和校准建立多分辨率模型的方法,该方法包括对低分辨率模型的校准、对高分辨率模型的分解以及输入参数的取值方法,很好地解决了模型的实用以及模型的有效性问题,为探索性分析法仿真的应用提供了具体的方法指导.     

改进近似动态规划法的攻击占位决策

瞬息万变的空战环境和日益复杂的空战任务导致应用动态规划法解决机动决策问题容易造成"维数灾难"。基于函数拟合思想优化逼近近似值函数,解决了空战状态的连续性问题。同时,针对近似动态规划在解决机动决策问题时未考虑"过冲"机动和碰撞的问题,提出惩罚因子对近似动态规划法的攻击占位决策方法进行改进。这种方法能够有效应对快速变化的战场态势,而且不需要对空战战术构建专有的战术库。为了验证模型的有效性,将改进的近似动态规划法进行了实验仿真,仿真结果表明改进的攻击决策方法能够有效避免"过冲"机动和碰撞问题,具有较强的鲁棒性。     

一种双站交叉定位无偏估计滤波算法

针对将非线性观测方程转化为伪线性方程会产生有偏估计的缺点,基于两站纯角度信息,提出了一种对三维空间目标进行跟踪的近似无偏估计算法.该算法只需要对一对矩阵束进行广义特征分解,即可获得目标坐标和速度的估计值.计算机仿真结果表明该算法相比有偏估计算法(如伪线性卡尔曼滤波(PLKF)算法)具有更高的滤波精度,尤其当测向均方误差较大时,其优势更加明显.     

介电谱快速测定汽油研究法辛烷值

根据汽油的介电性质与其组成、结构之间存在的相关关系,研制了用介电谱快速测定汽油研究法辛烷值的专用检测装置,采用偏最小二乘法建立数学模型,用全交互验证法对68个不同汽油样品的研究法辛烷值进行了分析。研究结果表明,汽油研究法辛烷值分析结果能够满足国家标准的再现性和重复性误差要求。该方法具有快速、简便的特点,适用于现场快速检测。     

润滑油介电谱数据库识别

介电谱技术是一种鉴别油品种类的新技术,润滑油是一类典型的介电材料,在不同激励频率、激励电压和激励波形下,润滑油中的不同化合物组分会产生不同的弛豫运动,表现出不同的介电谱特征信息。利用石油产品介电谱分析仪采集了49个润滑油的介电谱数据,利用数据库识别方法对这49个油品进行种类识别,正确率达到93．88％。表明介电谱信息与润滑油的整体特性密切相关,可以通过介电谱技术对不同种类的润滑油进行识别。     

一种基于Lorentzian函数的变步长LMS自适应滤波算法

为了改善传统的LMS类算法存在的缺点,提高算法的收敛速度和跟踪性能,提出了一种基于Lorentzian函数的变步长LMS自适应滤波算法.该算法采用Lorentzian函数来建立估计误差e(n)和步长因子μ(n)之间的非线性关系,以达到提高收敛速度和改善跟踪性能的目的.计算机仿真表明,算法与其他LMS类自适应滤波算法相比,在收敛速度和跟踪性能上都有较大的提升.     

鲁棒滤波在机动目标跟踪中的应用

在交互多模型中通常使用的卡尔曼滤波器中,引入广义H∞(鲁棒滤波器,以一定的精度为代价,换取满意的鲁棒性能.H(鲁棒滤波算法可以分解为卡尔曼滤波和鲁棒化两个环节,从而形成一种基于增益失调因子的结构化分解算法.为验证算法的有效性,进行了Monte Carlo仿真.仿真结果表明,本文算法跟踪复杂机动目标时跟踪性能有较大提高,有很好的可实现性.