基于EKF的天线罩误差斜率多模型估计方法

 提出一种新的滤波器结构,利用基于扩展卡尔曼滤波(EKF)的多模型(MM)算法,对天线罩误差斜率进行估计,降低天线罩误差对雷达自寻的导弹的影响,提高系统性能。在三维坐标下,创建包含导弹运动方程、目标运动方程、弹目相对运动方程的滤波模型。采用EKF算法,对包含天线罩误差的非线性观测方程进行线性化处理;依照多模滤波的思想,对天线罩误差进行离散建模,构建伪观测方程,更新模型概率,得到天线罩误差斜率的估计值;将斜率估计结果代入EKF,得到滤除天线罩误差影响的系统状态量估计结果并形成制导指令。仿真结果表明,所提方法可以有效地估计天线罩斜率,提高系统制导精度。     

一种非线性滤波器的误差分析及应用

针对一类具有未建模误差和扰动的非线性系统的状态估计问题,提出一种在线估计并补偿模型误差的非线性滤波算法,该算法利用非线性预测滤波(NPF)基于预测输出残差的方差最小的基本原则估计模型误差,冉利用扩展卡尔曼滤波(EKF)的思想对补偿后的模型进行状态估计;详细推导了状态估计误差及其方差阵的传播模型.以卫星姿态确定系统为例,...     

飞行器纵向非线性动力学建模对稳定性的影响

飞行器的稳定性分析与建立的动力学分析模型密切相关.传统的稳定性分析方法是基于小扰动假设建立线性化模型,当飞行状态中非线性特征明显时,其结果误差会带来多大的影响是人们关心的问题.通过建立飞行动力学非线性模型和气动力非线性模型,采用时间推进方法对两类非线性问题进行了比较系统的研究.数值计算结果表明,飞行动力学非线性模型与线性模型相比,周期增大、幅值减小、衰减率增大;而菲线性气动力模型对周期几乎没有影响,但对幅值有一定的影响.     

基于非线性模型的大气层内拦截弹微分对策制导律

针对新型战术弹道导弹(TBM)和智能巡航导弹等具有高机动性的拦截目标,应用控制受限的非线性对策模型,提出非线性微分对策制导律,并分析了零脱靶量拦截所容许的初始航向误差.目标和拦截弹间的相对运动是非线性的,采用传统线性化模型建立的拦截制导律会因为线性化而带来误差.提出的制导律是在保持拦截弹和目标的非线性运动学关系的基础上...     

飞行数据处理的非线性鲁棒滤波技术

研究了飞机飞行试验数据处理中的非线性鲁棒滤波技术,分析给出了实际飞行条件了一种飞机运动的新模型,它是含不确定参数项的非线性模型,同时给出了该不确定参数项的解析的表达形式,然后研究了对应于此类非线不确定系统的鲁棒滤波算法,得到了该滤波问题的充分解,并对该解进行扩展线性化处理,得么了一个较易实现的扩展鲁棒滤波算法,最后利用该算法对实际的数据进行了处理,结果表明,所提出的算法是切实可行的。     

一种基于模型误差预测的UKF方法

UnscentedKalman滤波器（UKF）对本质非线性系统具有估计精度高、收敛速度快和容易实现等优点,但是对系统的模型误差比较敏感。针对这一问题,提出了一种基于模型误差预测的UKF方法,称为PUKF（PredictiveUnscentedKalmanFilter）。它利用非线性预测滤波器（NPF）的模型误差预测过程,能够对不准确的系统模型进行实时修正,弥补了UKF方法的不足。仿真结果表明,相对于原始的UKF方法,新方法从滤波精度、收敛速度和收敛的稳定性等几个方面,显著提高了非线性滤波的性能。PUKF可适用于模型不确定、非线性较强系统的滤波。     

自校准扩展Kalman滤波方法

提出一种自校准扩展Kalman滤波(SEKF)方法,针对3种含有未知输入(如未知系统误差、突风、故障等)的不同的非线性系统模型,分别给出了滤波递推算法.在导航、信号处理、故障诊断等领域的许多非线性工程中,传统的扩展Kalman滤波(EKF)方法无法消除未知输入的影响,在滤波过程中往往产生较大误差甚至发散.提出的SEKF方法能够对这种未知输入进行补偿和修正,从而提高滤波精度.数值仿真算例表明:SEKF的滤波误差均值和标准差分别减少到传统EKF的1/12和1/4,有效地改善了滤波精度.并且该方法计算简单,便于工程应用.      

欠观测条件下的扩展增量 Kalman 滤波方法

建立欠观测条件下的非线性增量量测方程,并给出其线性化方法,在此基础上提出一种欠观测条件下的扩展增量Kalman滤波(EIKF)模型及其递推算法.工程实际中,由于环境因素的影响、测量设备的不稳定性等原因往往带来未知的系统误差,传统的扩展Kalman滤波(EKF)无法对这种未知的系统误差进行补偿和校正,结果产生较大的滤波误差,甚至导致发散.提出的扩展增量Kalman滤波方法能够成功地消除测量的系统误差,从而有效地提高非线性滤波的精度.该方法计算简单,便于工程应用.      

基于误差反馈补偿的攻击无人机角度和时间控制

在攻击无人机群协同攻击中,为了提高机群的整体突防能力,达到最佳的攻击和作战效能,有必要同时控制无人机的攻击角度和攻击时间。首先利用最优控制理论,在对飞行运动学模型进行线性化的前提下,通过加速度微分来实现对角度和时间的同时控制。但是,当终端入射角较大时,由于线性化假设不再成立,使得控制精度比较差。针对这一问题,利用具有高反馈效率的非线性误差反馈,把由于线性化引起的误差通过补偿反馈到系统回路中去,从而大幅度提高了控制精度。数值仿真结果验证了方法的有效性。     

基于四元数误差模型的捷联惯导系统对准方法

传统的小干扰方程并不能描述捷联惯导系统在大失准角下的误差传播特性 ,推导了姿态误差为大角度时的四元数误差方程 ,并指出当姿态误差为小量时 ,所推导的误差模型与小干扰方程是等价的。仿真结果表明在大失准角下的空中对准过程中 ,采用四元数误差方程以及非线性滤波技术能有效地提高对准精度     

Linearization errorʼs measure and its influence on the accuracy of MEKF based attitude determination method

Multiplicative Extended Kalman Filter (MEKF) is one of the most widely used satellite attitude estimation methods. However, the linearization error?s influence is an inherent limitation of this method. In this paper, we aim to analyze this linearization error in the typical satellite attitude determination system with star sensors and gyros. The formulation of linearization error is first derived and the curvature metric is then employed to measure the linearization error. Additionally, we show the reason why linearization error has influence on the performance of MEKF. Based on these analyses, we point out that star sensors? sampling frequency, initial estimated error and accuracy of gyro?s measurement model are the factors that could enlarge the system model?s linearization error. They all affect the linearization error and attitude determination accuracy by decreasing the predicted accuracy. More concretely, the influence of star sensor?s sampling frequency is large, while initial estimated error and gyro?s measurement error within a certain range have little influence on MEKF. Finally, combined with plenty of experiments, validity of the above analyses is verified.     

航空发动机气路故障诊断的平方根UKF方法研究

设计了适用于双轴涡扇发动机健康参数估计的平方根UKF滤波算法,解决了线性卡尔曼滤波器估计结果准确性依赖于线性模型精度;常规UKF算法中由于计算误差及噪声信号影响引起误差协方差矩阵负定而导致滤波结果发散等问题.提出了根据测量残差变化改进滤波收敛速度与稳定性的方法.发动机渐变与突变故障模式下仿真结果表明,平方根UKF估计算法收敛速度快,稳定性强,精度高,是一种有效的发动机气路部件健康参数估计与故障诊断方法.      

基于PnP和自适应线性卡尔曼滤波的实时位姿估计

针对实时位姿估计中扩展卡尔曼滤波(EKF)线性化引入非线性误差和依赖已知噪声分布的缺点,提出一种基于PnP的自适应线性卡尔曼滤波位姿估计求解方法。将PnP位姿估计求解策略引入卡尔曼滤波观测方程,通过对动态方程误差统计参数实时估计,自适应调节卡尔曼滤波递推参数。所提算法求解精度高,固定了观测方程的观测向量维度,提高了算法实用性。通过仿真试验,比较了该算法与EKF的位姿估计精度,通过量化误差分析,证明了该方法可以提高三维运动位姿估计精度,也验证了该方法的有效性。     

改进的量测一致性的联邦滤波器两级故障检测

当联邦滤波器故障为缓变故障或者故障幅值比较小时,传统的基于量测一致性的联邦滤波器故障检测算法由于相应的估计误差和方差同时增大,这使得算法需一定的时间后才能使这种增量大到使故障函数计算结果超出门限,因而会出现警告延迟甚至漏检现象.针对量测一致性算法的缺点,提出了改进的基于量测一致性的联邦滤波器两级故障检测算法.相比传统的基于量测一致性的故障检测算法,该方法增加了故障检测的冗余性,不仅可以区分硬故障和软故障,而且提高了故障检测的可靠性和灵敏度,使得联邦滤波器的故障检测方法更加成熟完善,这对提高整个系统的可靠性具有重要意义.仿真和实验结果表明,该方法准确度高,计算量小,便于工程实现.     

基于双模型滤波算法的环控系统换热器故障诊断

 在建立飞机环控系统数学模型的基础上,提出采用双模型滤波方法进行参数估计、状态预测和故障诊断,提高飞机环控系统故障诊断的快速性和准确性。如果采用最小二乘算法,参数估计是静态的,故障诊断延迟一般较大;采用单模型扩展Kalman滤波算法,虽然能够实现动态估计,但不能同时兼顾稳态过程和过渡过程（突发故障）的参数估计,导致误差较大。为了解决上述难题,针对飞机环控系统换热器故障诊断,提出两模型滤波算法。该算法由两个滤波器组成,分别用于跟踪系统的稳态和过渡过程。由于采用了两滤波器模型分别匹配不同的系统特征,能够改善飞机环控系统不同状态下的参数估计和状态预测性能,从而提高系统故障诊断的精度和速度。仿真结果证实了该算法的有效性。     

基于自适应粒子滤波的涡扇发动机故障诊断

针对涡扇发动机非线性、非高斯的特点,提出了一种自适应的粒子滤波算法用于涡扇发动机气路部件突变故障的诊断.为了减小算法的计算量并且保证滤波精度,分析了滤波精度和样本数目的关系,提出根据滤波过程中状态的方差自适应地调整粒子数,在保证一定的滤波精度下可以有效地减少滤波过程中使用的粒子数,提高了算法的实时性.同时,引入扩展卡尔曼滤波(EKF)用于更新粒子,产生重要概率密度函数,在一定程度上避免了粒子的退化.通过某型涡扇发动机的仿真分析表明:改进的算法相比标准粒子滤波算法用于涡扇发动机气路部件故障诊断时,参数估计的方均根误差减小了50%左右,且算法的计算量减小了30%.     

检测滤波器在FADEC系统传感器FDI中的应用研究

研究将检测滤波器应用于全权限航空发动机控制系统(FADEC)的传感器故障检测和隔离(FDI).完整设计了针对于某型FADEC系统传感器的检测滤波器系统, 然后利用非线性发动机模型进行了仿真。数字仿真结果表明, 检测滤波器是十分有效的。      

一种针对结构损伤的非线性容错飞行控制方法

飞机结构损伤会引起气动参数变化,进而影响系统的静稳定性和控制精度。针对具有多输入的非线性飞机模型,利用带有二阶命令滤波器的自适应反步控制方法在线估计飞机气动参数,补偿结构损伤导致的气动参数变化对控制系统的影响,以实现容错飞行控制功能;引入的命令滤波器可以避免反步控制中复杂的求导运算。从理论上分析证明了带有二阶命令滤波器的自适应反步控制的闭环系统稳定性,并给出了控制跟踪误差的理论上界和二阶命令滤波器频率参数选取的下界。通过一个大型客机垂直尾翼脱落场景的仿真实验,验证了所提容错控制方法的有效性。