H∞滤波算法及其在GPS/SINS组合导航系统中的应用

在对 H∞ 估计问题进行数学描述的基础上 ,建立了一种 H∞ 次优滤波算法的迭代方程。定性讨论了H∞滤波算法与传统 Kalman滤波器的关系 ,通过在 GPS/SINS组合系统中的实际应用进一步从精度、鲁棒性等性能指标方面对 H∞ 滤波和 Kalman滤波算法进行了比较。仿真结果表明 ,在理想条件下 ,Kalman滤波方法具有较高的精度 ;但是 ,当系统模型和外部干扰统计特性发生变化时 ,H∞ 滤波算法明显具有良好的鲁棒性能 ,同时 ,估计精度也较高 ,有效地克服了 Kalman滤波器存在的局限性     

用于低成本组合导航系统的H∞滤波算法

基于GPS和低成本惯性组件的组合导航系统是近年来导航系统的主要发展方向。以H∞滤波器为基础 ,研究了GPS与一种低成本微机械惯性测量单元的组合算法。在给出H∞ 滤波问题的数学描述基础上 ,研究了H∞ 滤波算法与传统Kalman滤波算法的关系。以位置 /速度组合模式为例 ,通过仿真分析研究了一种应用于低成本组合导航系统的H∞ 滤波算法 ,对系统的精度、鲁棒性以及系统稳定性进行了分析。     

飞机结冰在线辨识方法研究

开展飞机结冰气动特性在线辨识研究,不仅可以用于分析结冰对飞机气动特性的影响,而且对于飞机结冰在线识别具有重要的意义。近年来卡尔曼滤波和 H ∞算法在飞机结冰在线辨识中应用较多,二者均具有可靠性高、收敛快等特点,但对于噪声环境下算法的可靠性和精度评估还不够充分。本文针对飞机结冰在线辨识需求,探讨了扩展卡尔曼滤波和 H ∞算法作为结冰在线辨识算法的应用。首先通过 NASA 双水獭结冰研究飞机算例,利用扩展卡尔曼滤波和 H ∞算法,辨识双水獭飞机结冰后的俯仰方向导数,通过考虑阵风扰动和测量噪声后的仿真数据快速估计该飞机俯仰方向上的三个稳定和控制导数,并将辨识结果与参考值对比,发现两种算法均能在2s 之内快速收敛到参考值附近,且滤波得到的状态量与仿真数据吻合较好,说明算法可靠性高且收敛快,具备飞机结冰在线探测的能力。在此基础上利用不同测量噪声统计特性的仿真数据,评估测量噪声对两种算法辨识精度的影响,经分析发现随着测量噪声标准差取值增大,扩展卡尔曼滤波辨识结果精度明显降低,而 H ∞算法的辨识精度变化较小,说明扩展卡尔曼滤波辨识精度依赖于噪声先验信息的准确性,而 H ∞算法不依赖于噪声先验信息,即使数据质量较差,H ∞算法也能得到精度相当的辨识结果。     

带BP神经网络的卡尔曼滤波算法在GPS/SINS组合导航系统中的应用

针对带权值调整的Kalman滤波器,运用L-M的BP算法,将BP神经网络嵌入该滤波器中,与BP神经网络滤波器相比,减小了层数,提高了网络训练速度及精度。以GPS/SINS组合导航系统为例进行了仿真,结果既能抑制滤波发散,又能提高滤波精度。     

SINS／GPS／CNS组合导航中的鲁棒滤波算法研究

组合导航系统难以精确建模、噪声统计特性难以获得等问题逐渐突出,严重影响了组合导航系统滤波器的稳定性。为提高SINS／GPS／CNS组合导航系统的鲁棒性,设计了基于H∞滤波理论的鲁棒滤波算法,提高了导航系统对系统模型参数变化的适应能力。通过仿真与线性卡尔曼滤波器进行对比,验证了在系统模型参数变化的情况下,H∞滤波器精度几乎不发生改变,有更好的鲁棒性;提高了组合导航系统在噪声统计特性和模型参数不易确定情况下的导航性能。     

一类连续线性切换系统的H∞滤波

研究一类连续线性切换系统的H∞滤波问题.首先,利用共同Lyapunov函数方法,给出了切换系统H∞滤波器的存在条件;其次,利用线性矩阵不等式技术,将H∞滤波器的存在性问题转变成一组线性矩阵不等式(LMIs)的可行性问题,根据LMIs的可行解,给出H∞滤波器的设计方法,由该方法得到的滤波器保证滤波误差动态系统满足给定的H...     

基于BP人工神经网络的GPS／SINS组合导航算法

基于扩展Kalman滤波的GPS／SINS组合导航算法，需要对原始的非线性连续系统模型进行线性化和离散化处理，要求系统噪声和测量噪声为零均值的高斯白噪声，且易于出现滤波器发散。BP人工神经网络毋需对所求解的问题建模，能够很好地逼近系统非线性特性，获得较高精度的导航定位信息；还具有计算过程稳定，不涉及矩阵求逆，不需要迭代逼近，以及容易实现并行处理等优点。本文设计适用于GPS／SINS组合导航系统的BP网络模型，并在标准的BP算法基础上，采用共轭梯度法改进网络训练速度及精度。最后，通过仿真算例说明BP网络方法用于GPS／SINS组合导航计算的可行性。     

基于LMI的组合导航多目标控制

针对模型不确定性和噪声非高斯容易导致Kalman滤波精度下降的问题,研究了一类组合导航系统的鲁棒H2/H∞多目标控制问题。将组合导航误差状态方程转化为不确定系统多胞型描述,基于线性矩阵不等式(LMI)将控制器存在条件转化为凸优化问题进行求解。系统的稳定性通过Lyapunov稳定性理论得到保证,通过H2和H∞控制达到抑制干扰的目的,通过保性能控制提高系统的快速性,而对于非零初始条件通过极点配置加速初始阶段的收敛。由仿真结果可以看出,该方法收敛快、鲁棒性强、精度较高。     

神经网络在经济预测中的应用

阐述了针对BP神经网络在经济预测应用中存在的网络学习速度缓慢、计算量大、网络容易陷入局部极小、学习步长需要通过实验由人工来设置和调整等问题,提出将自组织理论、扩展Kalman滤波、模糊算法、小波理论等与神经网络相结合,构成新的网络结构或改进学习算法,以克服BP神经网络自身不足的思路。     

基于自适应深度网络的无人机目标跟踪算法

针对无人机（UAV）视频中目标易受到遮挡、形变、复杂背景干扰等问题，提出一种基于自适应深度网络的无人机目标跟踪算法。首先，基于主成分分析（PCA）和卷积神经网络（CNN）算法，设计3阶的自适应深度网络进行目标特征提取，该网络对图像的H、S、I通道分别进行主成分分析学习，将得到的特征向量输入网络进行分层卷积，优化了网络结构，提高了网络的收敛速度和精度。其次，将目标深度特征输入核相关滤波算法进行目标跟踪，通过分析相邻2帧图像的变化率，采用分段自适应调整学习率的算法进行目标模板更新，有效地改善目标遮挡问题。仿真实验结果表明，该算法有效地避免了复杂因素干扰导致的跟踪精度下降，具有较好的鲁棒性，相较于全卷积跟踪（FCNT）算法平均跟踪精度提高了9.62%，平均跟踪成功率提高了11.9%。     

一种改进的高超声速滑翔目标跟踪方法

针对临近空间高超声速滑翔目标跟踪问题，提出一种基于反向传播神经网络修正改进迭代扩展卡尔曼滤波(Back Propagation Neural Network-aided Improved Iterative Extended Kalman Filter, BP-IIEKF)的目标轨迹跟踪方法。在雷达站坐标系下建立目标运动模型和量测模型。引入阻尼因子修正IEKF算法中的协方差预测矩阵，并定义算法的代价函数，给出迭代终止条件，保证了算法收敛精度，减小状态的观测更新误差，提高了目标状态估计精度。利用BP神经网络修正滤波结果，补偿系统滤波误差，进一步提高了跟踪精度。仿真结果表明所提算法对高超声速滑翔目标具有更高的跟踪精度。     

组合BP神经网络在数据挖掘中的应用

在吸收了人工神经网络解决非线性问题优点的基础上,针对数据挖掘的特点,提出了一种组合BP神经网络的数据挖掘方法。该方法是按照一定方式将n个BP网络组合成一个复杂的BP网络模型,并运用改进的启发式BP算法以实现有用模式的挖掘,能够大大缩短训练时间和提高挖掘精度。     

UKF-WNN及其在准定常失速气动力建模中的应用

提出一种利用无轨迹卡尔曼滤波估计小波网络参数的算法,该算法可克服算法存在的收敛速度慢、计算量大、局部极小等缺点。以飞机的准定常失速现象的气动力建模为应用背景,分别运用BP算法,扩展卡尔曼滤波算法和无轨迹卡尔曼滤波算法训练小波网络。仿真结果表明,无轨迹卡尔曼滤波算法较之BP算法和扩展卡尔曼滤波算法具有更快的训练速度和更高的预测精度,可以胜任复杂的非线性气动现象的建模任务。     

军用装备采购费用评估中的神经网络模型

在BP神经网络理论指导的基础上,从影响装备采购费用的因素出发,根据BP神经网络的多层结构,运用反向传播算法(BP算法)构建战斗机采购费用BP网络模型;同时,运用BP网络模型对已知采购价格的5种类型军事装备进行了采购费用估算和MATLAB仿真,取得了比较满意的结果,达到了提高装备采购费用的预测速度和精度的目的,显现了BP神经网络方法的优点,为军用装备采购价格的预测提供了一种新的有效的方法。     

基于Homotopy算法发动机固定阶鲁棒控制

针对某型涡扇发动机，分析了H∞，H∞／H2和u控制存在的不足，提出了一种基于Homotopy算法发动机固定阶控制设计方法。采用规范形式控制器结构进行固定阶H∞／H2控制器设计，推导出了固定阶H∞／H2控制器存在的必要条件，使用Homotopy算法获得最优固定阶H∞／H2控制器的解。提出了将固定阶H∞／H2控制器与混合u综合相结合获得固定阶混合u控制器的策略。与全阶混合u控制器不同，固定阶混合u控制器具有结构简单，易于实现，而其鲁棒性能和鲁棒稳定性与全阶u控制器相近。使用该方法对某型涡扇发动机控制系统进行固定阶混合u控制器设计，仿真验证表明，该控制系统其性能鲁棒性满足要求。     

抑制舰尾流扰动的飞机着舰导引控制策略

紧密关注自动着舰导引术,基于线性矩阵不等式(LMI)的H∞优化设计理论,分别构建了独特的H∞飞行/推力系统及H∞导引系统增广模型.不同于传统单输入单输出的设计,赋予飞行/推力系统内回路本身就具有抑风扰动的性能,而且所构建的H∞导引系统外回路满足轨迹动态跟踪精度,并进行了抑风扰动的处理,从而明显地强化了抑风效果.文中的设计机理及所提出的H∞控制律实现途径均得到有效的实时仿真验证.     

基于改进NSGAⅡ的航空发动机LQ/H∞控制器设计

对第2代非支配排序遗传算法(NSGAⅡ)进行改进,提出以非支配序为进化方向的微分进化(DE)算法代替传统的遗传操作,提高了算法的收敛速度.针对目前航空发动机多变量控制领域广泛关注的线性二次型调节器(LQR)控制与H2/H∞控制存在的保守性问题,提出了将时域性能指标、二次型性能指标与H∞性能指标相结合,通过改进NSGAⅡ优化权矩阵Q,R,最终获得航空发动机LQ/H∞控制器的设计方法.与其他控制器设计方法相比,基于多目标优化的LQ/H∞控制器目标明确、鲁棒性强且保守性更低.仿真验证结果表明:相比于基于线性矩阵不等式(LMI)的H2/H∞控制器,基于多目标优化的LQ/H∞控制器时域性能提高了4倍,调节时间减少了50%,抗干扰能力提高了15%.     

BP网络的算法及在MATLAB上的程序仿真

在介绍了BP网络基本原理的基础上,阐述了现有的有关BP网络的3种算法,并对这些算法进行了比较,指出在实际应用中BP网络的缺陷.另外利用Matlab神经网络工具箱,采用自适应学习率BP算法对模式识别问题进行了程序设计、训练和仿真.     

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%.     

存在外部干扰的网络控制系统故障检测和优化

针对存在时延和丢包的网络控制系统,研究了系统的故障检测滤波器设计和优化设计问题.通过泰勒展开将未知时延处理成外界干扰,采用伯努利随机过程来描述丢包现象.设计观测器产生残差信号,将故障检测问题转化为H∞滤波问题.通过Lyapunov函数方法分析了系统的稳定性.以线性矩阵不等式的形式给出了滤波器存在的充分条件和求解方法.为进一步提高系统对故障信号的灵敏度,采用了一种优化设计方法对故障检测系统进行了优化.最后通过仿真验证了算法的有效性.