空中交通管制中轨迹预测的相互作用多模型算法的设计

研究了相互作用多模型算法，并就这种算法设计了几种方案，同时选取适当的参数对其进行了仿真设计和计算，给出了水平面内不同方案下的仿真结果，验证了这种算法的有效性，说明了通过模型概率实现模型之间的软转换的可行性。研究得出以下结论：该算法能在平稳飞行时使误差尽量减少，在机动时，对机动进行快速的探测和反应，同时，保证状态估计误差不超过原始的观测数据误差。     

FMS巡航阶段的垂直轨迹预测算法及应用

飞机的飞行过程涉及多个垂直飞行阶段,巡航阶段占了绝大部分的飞行时间、飞行距离及燃油消耗,研究飞行管理系统（FMS）巡航阶段的垂直轨迹预测算法,对于提升飞行的经济性、舒适性、安全性是非常重要和必要的。为了满足不同类型飞机之间巡航阶段垂直轨迹预测算法的通用性,提高垂直轨迹预测的精确度和可信度,提出一种适用于巡航阶段的垂直轨迹预测算法。首先,通过计算巡航阶段的速度剖面,构建预测过程中更加符合实际的大气模型;然后基于第一性原理（第一法则）的飞机模型计算所需的巡航燃油流量数据,通过设计的巡航阶段垂直轨迹预测算法逻辑,给出巡航阶段预测的垂直轨迹;最后通过地面仿真试验和空中试飞验证算法的有效性与准确性。结果表明：本文提出的基于第一性原理飞机模型的FMS 巡航阶段垂直轨迹预测算法能够预测飞机的巡航轨迹,且预测精度误差低于1%。     

固定翼无人机编队的启发分布式模型预测控制

针对无人机编队飞行控制中队形保持、路径规划、重构、防撞等多重功能需求,采用启发型分布式模型预测控制框架,将需求转化为多目标优化问题中的代价函数与相容性约束求解,实现了对无人机编队飞行的一体化控制.同时,采用分阶段式的轨迹规划算法,融合模型预测轨迹规划与多项式轨迹规划,利用多项式轨迹系数实现高效的邻居轨迹信息交互,从而增大了模型预测控制的预测范围,并降低了规划控制过程中的计算量与通信量.最后,通过9架无人机的协同避障编队仿真,证明了该方法的有效性.     

基于改进粒子群算法辨识Volterra级数的目标机动轨迹预测

目标机动轨迹预测是空战态势感知和目标威胁评估的重要前提。针对传统目标机动轨迹预测模型复杂度大、预测精度低等问题，结合目标机动轨迹时间序列的混沌特性，提出一种基于相空间重构理论和Volterra泛函级数的目标机动轨迹预测模型。该模型首先采用0-1检测法验证了目标机动轨迹时间序列具有混沌特性；其次，利用C-C法确定嵌入维数和时间延迟，对目标机动轨迹时间序列进行了相空间重构；然后，引入Volterra泛函级数预测模型，为了克服高阶Volterra核函数求解复杂的难题，提出一种混沌变异自适应粒子群算法，构建一种基于改进粒子群算法辨识的Volterra级数预测模型，并将其应用于目标机动轨迹预测；最后，将所提算法与卡尔曼滤波算法以及机器学习算法进行单步和多步预测对比，同时将改进粒子群算法与其他智能算法进行性能比较。仿真结果表明：所提预测模型具有良好的单步和多步预测性能，改进的粒子群算法具有参数辨识精度高、收敛速度快的优点。     

基于交互式多模型滤波算法的航迹预测

航空器航迹预测是空中交通冲突探测与解脱,以及进离场管理等空中交通管制自动化系统的重要组成部分。基于混杂系统理论,描述航空器在水平面的运动模型,并针对航空器运动的多样性和不确定性提出了利用交互式多模型的航空器航迹预测算法。将算法应用于航空器的航迹预测,并与单一模型的卡尔曼滤波、α-β滤波和α-β-γ滤波的仿真预测结果对比,结果表明算法的有效性。     

民用飞机舱门飞行锁机构接触力计算分析

研究飞机飞行锁机构中的接触力对于民用飞机飞行锁机构的设计具有重要意义。首先介绍飞行锁机构的功能和主要设计依据,阐明某民用飞机飞行锁机构的工作原理,并对其传力路径进行分析;然后采用工程算法、多刚体模型和多柔体模型三种计算方法计算飞行锁工作时曲柄与飞行锁摇臂之间的接触力;最后对三种计算方法进行对比,分析不同方法计算得到的接触力力值产生差异的原因。结果表明:多刚体模型计算值与工程算法计算值产生差异的主要原因是机构空行程导致的力臂变化,多柔体模型计算值与多刚体模型计算值产生差异的原因主要是受力过程中的结构变形。     

直升机贴地飞行地形跟踪控制器的广义预测控制方法

本文采用广义预测控制(GPC)方法设计了直升机贴地飞行地形跟踪器.该方法通过最小化预测跟踪误差与预测控制增量的加权二次型性能指标来产生最优控制输入.本文在多输入/多输出飞行轨迹控制系统中采用单输入/单输出(SISO)广义预测算法即可精确跟踪其中一个输出变量.通过简化的直升机动力学模型的计算结果表明广义预测控制可在纵向平面内精确跟踪预定飞行轨迹.     

无人机蜂群轨迹预测研究

传统防空火控算法中的轨迹预测模型无法对复杂的无人机蜂群进行有效地轨迹预测，而现有针对无人机机动轨迹的预测研究通常只考虑单个无人机，且模型量级过大。为了准确且快速地预测无人机蜂群轨迹，本文提出一种面向蜂群的轨迹预测方法。在获得蜂群轨迹后，首先基于DBSCAN 对其进行聚类，判断出蜂群中各个无人机的类别；然后基于分形算法，判断无人机轨迹是简单轨迹还是复杂轨迹；最后，采用卡尔曼滤波进行简单轨迹的预测，用基于LSTM 网络的方法进行复杂轨迹的预测。结果表明：本文提出的无人机蜂群轨迹预测方法的预测误差远远小于纯采用卡尔曼滤波方法预测的误差，且预测时间小于仅采用LSTM 网络方法预测的时间，可以较为准确地预测蜂群中不同集群无人机的轨迹，为反无人机蜂群火控解算提供基础。     

高超声速飞行器再入轨迹多目标优化

针对飞行器再入轨迹多目标优化问题,提出了一种基于粒子群算法与层次分析法的综合求解策略。首先,根据飞行器的动力学模型以及再入约束条件,建立了飞行器多目标优化模型;然后,考虑到粒子群算法只能求解无约束单目标问题,采用罚函数处理飞行过程中的约束条件和优化目标;最后,针对不同约束及目标的权重对再入轨迹的影响,利用层次分析法建立包含主观评估信息的优化模型,采用粒子群算法优化求解满足相应约束条件的再入轨迹问题。仿真结果表明,该方法所生成的优化轨迹具有较高的精度和计算效率,并对设计者的主观需求有良好的体现。     

“天行者”小型无人直升机自主飞行控制系统设计

介绍了上海交通大学"天行者"小型无人直升机自主飞行控制系统的设计及实现技术。首先引入了德国柏林工业大学基于牛顿力学建立的小型无人直升机动力学模型,然后基于此模型设计了直升机飞行姿态控制器。之后引入一种针对二次积分模型基于期望响应轨迹设计控制器的控制算法,文中简称为MTC,设计实现了直升机飞行位置的不超调控制和飞行速度控制。实际飞行控制试验结果验证了飞行控制算法的有效性。仿真试验表明,基于MTC算法所设计的飞行导引点方法,可用于实现多航点路径的不减速连续曲线轨迹的飞行控制。     

引入UPF的交互式多模型的算法

融合交互式多模型和UPF（the unscented particle filter）,提出了一种新的多模型滤波算法。多模型结构能适应目标高度机动,粒子滤波能处理非线性、非高斯问题,而UKF（the unscented Kalman filte,）可以提高估计精度。与其它交互式多模型算法进行了比较,试验仿真结果证实了新滤波算法的有效性。     

惯性/里程计组合导航技术在管道定位中的应用

石油天然气管道担负着油气传输的重任, 定期对传输管道检测能使其安 全、高效地运行。为此设计了管道导航定位系统,用于对管道探伤位置的精确定位。管 道导航定位系统主要由激光捷联惯性导航系统与里程计组成,搭载在管道检测设备中。 通过测量、存储检测过程中的传感器信息,在检测结束后离线处理数据,得到管道导航 定位信息。通过对惯性/里程计分别进行误差分析与建模, 搭建了组合导航系统卡尔曼 滤波器模型, 进行了跑车试验与实际管道定位试验。试验结果表明该惯性/里程计组合 导航管道定位精度满足管道高精度定位要求。     

Efficient L-D factorization algorithms for PDA, IMM, and IMMPDAfilters

Efficient algorithms exist for the square-root probabilistic data association filter (PDAF). The same approach is extended to develop square-root versions of the interacting multiple model (IMM) Kalman filter and the IMMPDAF algorithms. The computational efficiency of the method stems from the fact that the terms needed in the overall covariance updates of PDAF, IMM, and IMMPDAF can be obtained as part of the square-root covariance update of an ordinary Kalman filter. In addition, a new square-root covariance prediction algorithm that is substantially faster than the usual modified weighted Gram-Schmidt (MWG-S) algorithm, whenever the process noise covariance matrix is time invariant, is proposed     

混合高斯测量噪声下的多模型滤波

就带有混合高斯测量噪声的离散时间系统 ,提出了一种简化的多模型滤波。理论分析证明该滤波方法用较少的计算量得到了与交互多模型滤波相同的估计性能。为满足应用要求 ,给出了该滤波器的数值鲁棒实现方法。一个关于仅有方位测量的制导例子验证了该滤波算法的有效性。     

基于均值漂移无味粒子滤波的地面运动目标变结构交互多模型跟踪(英文)

为了跟踪地面运动目标,本文提出在变结构交互多模型基础上使用均值漂移无味粒子滤波的算法。模型滤波中,通过均值漂移将无味粒子滤波产生的采样粒子向目标状态最大后验密度估计方向移动。"停止"模型基础上,提出了"遮蔽"模型:出现地形遮蔽时,使用上一时刻的预测代替下一时刻的测量,且保持道路模型与遮蔽前一致。仿真实验采用地面运动目标指示雷达,考虑地面运动目标的三种常见场景:进入或离开道路、经过道路交叉点以及无测量值。使用了RMSE和ANEES两种评价指标,实验结果表明本文算法有效地提高了目标改变行驶道路时的跟踪精度;且目标速度过低或被遮蔽时,可以避免轨迹中断。     

Application of the Kalman-Levy Filter for Tracking Maneuvering Targets

Among target tracking algorithms using Kalman filtering-like approaches, the standard assumptions are Gaussian process and measurement noise models. Based on these assumptions, the Kalman filter is widely used in single or multiple filter versions (e.g., in an interacting multiple model (IMM) estimator). The oversimplification resulting from the above assumptions can cause degradation in tracking performance. In this paper we explore the application of Kalman-Levy filter to handle maneuvering targets. This filter assumes a heavy-tailed noise distribution known as the Levy distribution. Due to the heavy-tailed nature of the assumed distribution, the Kalman-Levy filter is more effective in the presence of large errors that can occur, for example, due to the onset of acceleration or deceleration. However, for the same reason, the performance of the Kalman-Levy filter in the nonmaneuvering portion of track is worse than that of a Kalman filter. For this reason, an IMM with one Kalman and one Kalman-Levy module is developed here. Also, the superiority of the IMM with Kalman-Levy module over only Kalman-filter-based IMM for realistic maneuvers is shown by simulation results.     

交互多模型PHD滤波跟踪多目标方法

在机动多目标跟踪问题中,目标数未知或随时间而变化,概率假设密度（PHD）滤波可以在每一时间步估计多目标状态和目标数,但单模型方法不能给出精确的估计。提出了一种交互多模型PHD滤波方法,建立多模型描述多目标运动方式,利用PHD滤波结合多模型跟踪目标运动轨迹。同时,给出了多传感器交互多模型PHD滤波方法,以提高目标跟踪精度。     

机动目标的广义卡尔曼滤波信号模型的理论推导

卡尔曼滤波方法是一种应用广泛的估值方法,但其要求系统数学模型已知,而广义卡尔曼滤波与卡尔曼滤波相比并不需要系统数学模型已知,具有更强的现实意义。从泛函分析的角度讨论了连续函数的最佳逼近问题,并以此为基础提出了广义卡尔曼滤波的信号模型和递推公式。最后通过广义卡尔曼滤波与经典卡尔曼滤波仿真曲线的比较,验证了广义卡尔曼滤波的有效性。     

An improved multiple model GM-PHD filter for maneuvering target tracking

In this paper, an improved implementation of multiple model Gaussian mixture probability hypothesis density (MM-GM-PHD) filter is proposed. For maneuvering target tracking, based on joint distribution, the existing MM-GM-PHD filter is relatively complex. To simplify the filter, model conditioned distribution and model probability are used in the improved MM-GM-PHD filter. In the algorithm, every Gaussian components describing existing, birth and spawned targets are estimated by multiple model method. The final results of the Gaussian components are the fusion of multiple model estimations. The algorithm does not need to compute the joint PHD distribution and has a simpler computation procedure. Compared with single model GM-PHD, the algorithm gives more accurate estimation on the number and state of the targets. Compared with the existing MM-GM-PHD algorithm, it saves computation time by more than 30%. Moreover, it also outperforms the interacting multiple model joint probabilistic data association (IMMJPDA) filter in a relatively dense clutter environment.     

广义卡尔曼滤波均方误差最小性的研究

卡尔曼滤波方法是一种应用广泛的估值方法，但其在应用时，要求系统数学模型已知。而广义卡尔曼滤波在应用时不需要系统数学模型是已知的，具有广泛的适用性。在广义卡尔曼滤波方法的消息模型和测量模型的基础上，讨论了其滤波模型的均方误差最小性问题，即最优滤波器的选取问题。最后通过广义卡尔曼滤波与经典卡尔曼滤波仿真曲线的比较，验证了广义卡尔曼滤波的有效性。