自适应高斯—厄米特滤波器

针对带有未知统计特性噪声的非线性系统，提出了一种新型的自适应滤波器——自适应高斯—厄米特滤波器(AGHF)，其过程是通过将Sage Husa噪声估计器推广到非线性系统，得到更为一般的噪声估计的递推形式，它与高斯—厄米特滤波器(GHF) 相融合，得到适用于带有未知统计特性噪声的非线性系统的高精度自适应滤波器.仿真结果表明，当非线性系统存在一类未知统计特性噪声(系统噪声或测量噪声)时，与扩展卡尔曼滤波器(EKF)、GHF和自适应扩展卡尔曼滤波器(AEKF)相比，AGHF滤波器可显著提高对噪声统计特性和系统状态的估计精度.     

基于特征模型的高超声速飞行器姿态控制器与自适应滤波算法的设计

提出一种基于特征模型的强跟踪无迹卡尔曼滤波（CSUKF）算法对状态和参数进行联合估计,利用特征模型参数构造时变的二阶状态转移阵,使滤波和辨识模型简化;结合强跟踪滤波（STF）的强跟踪能力和无迹卡尔曼滤波的（UKF）的非线性高逼近性对含测量噪声的高超声速飞行器系统进行参数辨识和滤波,并将其与非线性黄金分割自适应控制律相结合,对高超声速飞行器进行姿态控制.最后,将提出的CSUKF与基于特征模型的无迹卡尔曼滤波（CUKF）和基于特征模型的普通扩展卡尔曼滤波算法（CEKF）进行比较,仿真结果说明CSUKF与非线性黄金分割自适应控制律相结合可以有效改善控制的平稳性,且具有更好的滤波精度和系统输出,从而能更好地处理含测量噪声情况下的高超声速飞行器的辨识与控制问题.     

深空探测器接近段自适应滤波方法研究

天文导航是一种广泛应用于深空探测任务的全自主导航方法.基于状态模型和量测模型的非线性卡尔曼滤波方法在天文导航中被广泛使用.卡尔曼滤波要求状态和量测模型误差是高斯白噪声且先验协方差信息已知,但在深空探测器天文导航系统中,状态模型和量测模型噪声通常不能精确知道且是时变的.因此,自适应卡尔曼滤波器广泛用于解决状态和量测模型误差未知且时变的问题.本文首先结合火星探测器接近段的实际情况分析了火星探测器接近段模型噪声的时变特性,然后对三种常用的在线调节自适应滤波方法在火星探测接近段的滤波表现进行了仿真实验.      

基于多模型简化CDKF的故障诊断方法

针对使用传统卡尔曼滤波器对非线性系统进行故障诊断,估计精度低的问题,提出了一种新的故障诊断方法.该方法结合多模型自适应估计和简化中央差分卡尔曼滤波器的优点,能在线快速地检测出故障,利用中央差分代替了雅可比矩阵的求解,使系统状态估计准确收敛到真实值附近,而且避免了反复求解量测预测方差等一系列繁杂过程.在执行机构不同故障的情况下,通过与其他算法进行诊断对比,结果表明提出的算法在精度上和运行速度上具有明显的优势.     

旋翼/涡轴发动机的自适应模型

基于卡尔曼滤波器研究旋翼/涡轴发动机的机载自适应模型.采用拟合法建立了状态变量模型,并将发动机性能蜕化参数作为增广的状态变量,设计了卡尔曼滤波器,从而可以根据可测参数的偏离量估计出发动机部件性能蜕化值,最后将部件性能蜕化值用于对机载模型中不可测性能参数的修正,从而使机载模型能适应发动机的非额定工作状况.通过数字仿真表明,建立的机载自适应模型能真实反映发动机的工作状况,并且在全包线范围内该模型都具有比较好的鲁棒性和实时性.     

一种小天体旋转参数估计方法

小天体旋转参数是科学数据，也是小天体测绘，着陆导航的基础数据.研究一种在小天体探测接近段过程中使用的基于图像上特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法.该方法首先建立小天体旋转关系模型，表示小天体在相机坐标系中的姿态变化；然后定义小天体旋转的状态方程，推到了扩展卡尔曼滤波器的计算过程.通过对观测图像序列上的特征点跟踪，利用扩展卡尔曼滤波器方法得到小天体旋转轴指向和自转角速度估计.实验中，在仿真相机与小天体相机100 km距离上，分析了相机坐标系小天体坐标系之间的四元数初值，图像上特征点跟踪精度，相机的观测指向等因素对小天体旋转参数估计精度的影响.实验结果表明，提出的基于图像特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法能够得到具有较高精度的估计结果.     

基于扩张状态观测器的无拖曳系统参数辨识

分析了卫星无拖曳控制系统的在轨参数辨识问题,由于无拖曳系统的不稳定性质,需要设计控制器使其稳定,在此基础上进行闭环辨识.根据自抗扰控制原理,设计了扩张状态观测器以估计系统不同控制回路的扰动和状态,基于状态和扰动估计值设计控制器使系统稳定.提出了基于扩张状态观测器（ESO）的多输入多输出系统闭环参数辨识方法.为提高实际应用中的辨识效果,引入积分型滤波器对观测状态中的噪声进行抑制.将这种方法应用于类似LISA Pathfinder的单轴无拖曳模型,对系统动力学参数进行估计,通过数值仿真实验验证了该辨识方法的有效性和实用性.      

机载武器传递对准的可观测性分析

采用"速度+姿态"量测匹配法设计了机载武器传递对准系统,建立了系统的动态误差模型和量测模型,并在这些模型的基础上设计了卡尔曼滤波器.介绍了基于可观测性矩阵奇异值分解的分段定常系统(PWCS, Piece-Wise Constant System)可观测性分析法,并通过该方法分析了机载武器传递对准系统各个状态变量的可观测性.在可观测性分析的基础上忽略不可观测状态变量,实现系统滤波器降维.设计了摇摆机动,在该机动基础上对降维前后滤波器性能和传递对准精度进行了对比,证明了可观测性分析的必要性和正确性.     

空间非合作目标的相对导航粒子滤波算法

针对激光交会雷达作为在空间交会对接过程中的相对导航敏感器,研究了未来特殊背景下,非合作目标航天器对雷达信号发射干扰的情况下的相对导航滤波算法.针对高维模型计算量大的特点对传统粒子滤波算法进行了改进,并与扩展卡尔曼滤波器进行了仿真比较,仿真结果表明改进后的粒子滤波器的滤波效果远远优于扩展卡尔曼滤波器,且计算量优于传统粒子滤波.     

基于NUIO的无人机作动器故障检测

针对受未知气流干扰与随机噪声影响的无人机纵向系统进行作动器故障检测研究.在建立固定翼式无人机非线性系统纵向模型的基础上,设计了基于容积卡尔曼滤波(CKF)的非线性未知输入观测器(NUIO).通过构造未知输入观测器结构来解耦未知气流干扰对残差的影响,同时,CKF被算法用于求解观测器增益矩阵,实现了在未知气流干扰解耦情况下残差对随机噪声的鲁棒性.最后,利用残差χ2检验方法判断故障是否发生.仿真结果表明:此方法能有效解耦未知干扰对残差的影响,并快速、准确地检测出了无人机作动器故障.      

低复杂度自适应容积卡尔曼滤波算法

确定采样型滤波算法中的容积卡尔曼滤波（CKF）算法滤波性能优良,但是却难以克服目标模型不确定性或者目标状态突变带来的影响。构造强跟踪CKF能有效改善算法的自适应性,但是在求解渐消因子时大大增加了计算量。为此,提出一种低复杂度自适应CKF算法,通过设立基于新息的自适应修正判决准则和修正方式,直接对状态预测值进行修正,使滤波算法能及时跟上目标真实状态,以提高滤波精度。使用浮点操作数计算并分析了CKF算法、强跟踪CKF算法及所提算法的复杂度,同时将3种算法应用在建模不准确的目标跟踪中,并进行仿真验证。仿真结果表明:在目标建模不匹配的情况下,低复杂度自适应CKF算法和强跟踪CKF算法都能保持较好的滤波精度和数值稳定性,同时所提算法在算法复杂度上有明显改善。      

光纤陀螺随机漂移误差补偿适用性方法

针对传统方法在建立时间序列模型基础上应用卡尔曼滤波器去除陀螺随机噪声误差的缺陷,提出了一种适于在线补偿光纤陀螺FOG(Fiber Optic Gyrosope)随机误差的滤波方法.当建立的时间序列模型系数出现偏差时,通过引入虚拟噪声,来补偿滤波过程由于系统模型时变和未知噪声而引入的误差,实现了对陀螺随机漂移误差的高精度滤波处理.其次,利用Allan 方差分析法分离并确定了光纤陀螺的主要随机误差源,并对建立的光纤陀螺时间序列模型及滤波方法的适用性及精度进行了评估.通过对光纤陀螺实测数据的分析表明,速率斜坡、速率随机游走和零偏稳定性为FOG的主要随机噪声,所提出的自适应滤波算法能够适应陀螺漂移的时变特点,是一种有效的去除光纤陀螺随机漂移噪声方法.      

基于SINS/CNS组合导航系统的多模型自适应估计算法

针对单一模型滤波器在未知或不确定的系统参数下适应性较差的问题,提出了一种新的基于多模型自适应估计(multiple model adaptive estimation,MMAE)的滤波方法。该方法利用改进的卡尔曼滤波代替传统的卡尔曼滤波,比如扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)。EKF和UKF被用来作为多模型自适应估计的子滤波器,从而实现对非线性系统的状态估计。同时,还将该方法应用于基于弹道导弹模型的组合导航中实现了系统仿真。仿真结果表明,与传统的EKF和UKF算法比较,改进的滤波方法可以解决传统模型滤波器适应性差的问题,并提高系统的导航精度。     

基于事件驱动的容积卡尔曼滤波定位算法

以网络化非线性滤波系统为研究对象,为了平衡系统的通信率和滤波精度之间的矛盾,引入随机事件驱动（stochastic event-triggered）的思想,并在此基础上建立了基于残差检测的事件驱动（detected event-triggered）模型。针对系统的强非线性,将线性随机事件驱动滤波系统中的更新结论推广至非线性系统,推导了两种事件驱动机制在容积卡尔曼滤波（CKF）算法框架中的滤波更新过程,得到了检测事件驱动CKF（DECKF）和随机事件驱动CKF（SECKF）两种算法。最后,通过天基平台空间目标跟踪问题对算法性能进行检验。仿真结果表明,当通信率下降20.64%时,DECKF算法的位置跟踪精度和速度跟踪精度相比标准CKF仅下降了5.50%和7.74%。此外,在通信率相同的情形下,DECKF比SECKF的精度高40%以上,证明检测事件驱动模式优于随机事件驱动模式。     

自适应卡尔曼滤波器在陆地车辆导航中的应用

建立了车载GPS(Global Positioning System)/DR(Dead-Reckoning)组合导航系统自适应扩展卡尔曼滤波模型及其算法,从而大大提高了车辆导航系统的定位精度.首次提出依据PDOP(位置误差系数)等GPS定位系统的输出参数,自动调整观测噪声协方差阵[WTHX]R和系统噪声协方差阵Q[WT]的大小,从而自适应地调整组合导航系统模型性能的方法,使得模型具有较强的适应性.计算机仿真及实验结果表明应用该模型具有良好的效果.      

一种用于GPS/DR组合定位的非线性滤波算法

建立了适用于车辆导航系统的基于UKF(Unscented Kalman Filter)的GPS/DR(Global Positioning System/Dead Reckoning)组合定位滤波模型及算法.针对系统状态方程为线性、观测方程为非线性的特点,提出了一种将UKF和EKF(Extended Kalman Filter)相结合的非线性滤波算法.结合后的算法和原有UKF算法相比减少了在时间更新阶段的运算量,并且由于采用基于Unscented变换的思想来处理系统观测方程的非线性问题,避免了EKF引入的线性化误差,提高了滤波精度.仿真结果证明:算法在减少运算量的同时,仍具有较高的滤波精度,且明显优于EKF,因而能够满足车辆导航系统占用资源少、滤波精度高的要求.      

Estimation of flexible space tether state based on end measurement by finite element Kalman filter state estimator

This paper proposes a novel finite element Kalman filter to estimate the unmeasurable state of space tether systems based on the measured state at its ends only. The finite element method calculates the unmeasurable internal state as the virtual measurement based on the dynamic model of the system by imposing the input of measured state at the boundary to the model using the Lagrange multiplier method in the spatial space. Combining the real and virtual measurement into a hybrid measurement model of the system, the full state is reconstructed and propagated in the temporal space by the extended Kalman filter. Two state-space system models, the dynamics-based and kinematics-based state models, in the Kalman filter are explored. The observability and stability of the newly proposed finite element Kalman filter are examined and proved. The advantages of the proposed state estimator are (i) the singularity in the virtual measurement of state caused by the number of internal state greater than the number of state measured at the boundary is eliminated in the statistic meaning by the Kalman filter, and (ii) the effects of noises of the observation data and the uncertainties of model discretization are considered and minimized. The correctness and effectiveness of the proposed state estimator is demonstrated by the numerical analysis of a space tether system orbiting around the Earth. The results show the proposed state estimator with only measured state at the ends of the tether successfully provides an accurate time history estimation of geometric configuration and motion of the entire tether. Moreover, the results also show the difference caused by the dynamics-based and kinematics-based system models in the state estimator is negligible. The kinematics-based system model should be used in the state estimator due to its significantly low computational load. Finally, the proposed method can be easily applied for the state estimation process for other space tethered spacecraft systems.     

基于日地月信息的航天器全弧段自主容积卡尔曼滤波导航

高精度全弧段航天器自主导航是航天应用技术的发展方向,是实现航天器在轨任务执行的前提和基础。文章对仅利用日、地、月等天文信息进行航天器全弧段自主导航方法进行了研究。首先,以航天器轨道动力学方程和航天器与日地月之间的夹角信息及地心距作为自主导航系统的状态模型和观测模型,构建了非线性导航系统模型。其次,给出了全弧段自主导航算法,在日月可见弧段采用非线性容积卡尔曼滤波实现航天器自主导航,在星蚀时段利用航天器轨道动力学模型进行高精度轨道预报。最后,给出了数值仿真算例。结果表明,基于日地月天文信息的航天器全弧段自主导航精度保持在2km以内,能够满足其自主导航的要求。