只有角度测量的机动目标非线性预测滤波器设计

提出了一种直接根据信息的机动目标跟踪非线性预测滤波算法,该算法不需要假定目标的机动加速度模型,而将系统的初始状态偏差和机动目标的未知加速度的综合作用结果作为系统的未知输入,利用角度的测量信息直接估计出来。通过对不同机动形式的机动目标进行仿真,结果表明文章所提出的预测滤波算法具有优良的估计性能。     

基于ESO的随动负载模拟器控制策略

由于随动负载模拟器中存在着位置扰动、摩擦以及间隙等非线性影响因素,常见的线性控制方法难以得到较好的控制效果,故提出了基于扩展状态观测器的CMAC前馈分数阶滑模控制策略。利用系统可测量参数,借助于扩展状态观测器观测出非线性扰动;借用双幂次趋近律分数阶滑模控制器,消除参数不确定性带来的干扰,同时又能够降低滑模“抖动”的影响;并采用非线性量化的小脑模型关节控制器作为前馈控制,提高输出的快速性。通过仿真实验验证了该方法的可行性,有助于提高随动负载模拟器的响应速度和稳定性。     

固定翼无人机航迹跟踪抗风性研究

无人机作为一种新型军事装备,具有广泛的作战应用场景。无人机的航迹跟踪性能和抗干扰能力是其安全完成飞行任务的保障,随着现代战争作战环境日益复杂,无人机飞行将面临更大的挑战。针对目前固定翼无人机在飞行过程中受风扰影响严重的问题,设计了一种具有抗风性的航迹跟踪方法。利用非线性导引原理实现对航迹的跟踪,并通过引入反馈消除了风扰条件下飞行轨迹与期望航迹之间存在的静差。最后通过仿真验证了该方法的可行性和有效性。     

具连续分布滞量的非线性抛物型偏微分方程的振动准则

考虑一类具连续分布滞量的非线性抛物型偏微分方程的振动性,借助Green定理将多维振动问题转化为关于某一类具连续分布滞量的非线性微分不等式的一维问题,给出了该类方程在Robin,Dirichlet边值条件下所有解振动的若干充分判据。所得结论充分地表明,振动是由时滞量引起的。     

武器装备系统效能评估的非线性模型

经典层次分析法(AHP)与幂指数法常用于武器装备效能或能力评估,经典AHP采用线性加权模型,对非线性体系易产生决策性错误;经典幂指数法中指数即为指标权重、且指标权重值为0～1,对于实际指数大于1的串联体系会产生较大误差。为解决以上问题,建立二阶AHP加权模型以及改进幂指数模型,并充分利用2种模型的优势,构建武器装备系统效能评估的非线性模型。该非线性模型可用于串联、并联和混联体系的效能评估,对线性体系可退化为经典模型。算例验证了该方法的可行性与准确性。     

线阵CCD在机械微变距离测量中的应用

介绍了一种应用线阵CCD测量柴油机曲轴臂距差的原理和方法 .讨论了光杠杆原理在此测量系统中的应用 ,并结合实际分析了系统产生非线性误差的原因 ,给出了此测量系统非线性的处理方法 .     

基于UKF的机动目标跟踪算法

基于EKF在处理非线性问题时采用系统预测状态的局部线性化方法来近似系统状态演化方程所产生的不良影响,提出了一种用UKF方法解决机动目标方位和速度的跟踪及估计问题的算法.按实际的非线性模型演化时,该算法能够很好地对非线性函数的后验均值与方差进行拟合,并充分利用了传感器每次量测带来的信息并进一步优化了测量方差.仿真试验表明,该算法能很好地对机动目标的速度和航迹进行估计和跟踪.     

一类非线性微分方程极限环的不存在性

利用Filippov变换,研究了方程组x*=φ(y)-F(x),y=h*(x,y)-g(x)在奇点唯一的情况下不存在极限环的充分条件.     

针对GPS/SINS深组合模型的U滤波及其运用

很多文献都证明了在解决非线性系统问题时,UKF(Unscented Kalman Filter)是比EKF(Extended Kalman Filter)更好的选择,但计算的复杂度限制了其运用。针对GPS/SINS深组合的模型提出了全新简化的U滤波算法UTCUKF(Ultra Tight Coupling Unscented Kalman Filter)。这是一种专门针对具有加性噪声、线性状态方程和非线性量测方程的系统设计的滤波器。首先介绍了GPS/SINS深组合系统在导航解算时的模型,然后针对模型具有加性噪声的特点运用AUKF(Additive Unscented Kalman Filter)对UKF进行了简化,为了实现UKF在GPS/SINS深组合系统中的实际运用,又由系统模型中状态方程是线性方程、观测方程是非线性方程的特征,进一步提出了UTCUKF,并做了分析和仿真。     

线性/非线性系统混合滤波

针对采用混合坐标系的跟踪系统,提出线性/非线性系统混合滤波方法(SRUKF-KF算法).该方法用SR-UKF估计系统状态空间模型中的非线性部分,用SR-KF估计其线性部分,提高了线性部分估计的精度和运算效率.仿真结果表明,该方法具有较强数值稳定性,较高估计精度和较好的实时性.