自组织模糊CMAC神经网络及其非线性系统辨识

 针对CMAC的特点,提出了联想度的概念,并由此设计了一种自组织模糊 CMAC神经网络( SOFC-MAC)及其学习算法,证明了SOFCMAC能以任意精度对非线性特性一致逼近。该网络具有学习速度快,逼近精度高及局部泛化能力等特点。歼击机系统特征模型辨识仿真验证表明了该方法的有效性。     

非线性系统的BP神经网络在线建模及故障检测

回顾了非线性系统建模、故障检测与诊断（ＦＤＤ）及ＢＰ神经网络应用中存在的问题。提出了一种ＢＰ网络在线阶段自学习方式及应用该方式对非线性系统进行在线建模和故障检测的方法。仿真结果表明,本文提出的方式和方法是可行的     

一类非线性系统的D型在线学习控制

结合对初始状态的学习,给出了一类输出方程不含控制变量的时变非线性系统的D型在线学习控制算法及其收敛条件。其特点是将学习误差在线反馈,且迭代初始状态只需通过理想信号及系统的部分信息即可确定。最后,将所得结论应用于机器人系统,表明本文方法是有效的。     

进行非线性系统部件故障诊断的一种方法

为了辨识诊断非线性系统的部件故障,提出了Volterra核拟合线辨识模型。将各阶的Volterra核按照一定算法拟合为各阶曲线,基于多个阶跃响应对拟合线进行辨识并进行各阶分离,然后根据故障对各阶拟合线的影响特征进行故障辨识。将它仿真应用于一种液压放大器的故障诊断,结果较准确,计算量较少。适用于对非线性系统的部件偏差及故障的诊断。     

基于模糊奇偶方程的非线性系统传感器故障诊断

 给出了一种非线性系统传感器的故障诊断方法。该方法将T-S 模糊模型、全解耦奇偶方程和参数估计相结合,同时对非线性系统的多个传感器的故障进行检测、隔离与识别。设计出用于产生残差的线性系统全解耦奇偶方程,并给出了全解耦奇偶向量的存在条件,全解耦奇偶方程产生的残差仅对一个传感器故障敏感,而对系统状态、扰动输入和其它传感器输出解耦。引入T-S 模型将全解耦奇偶方程推广到非线性系统中得到了模糊奇偶方程。传感器的故障模型表示为刻度因子和偏差的形式,根据残差信息应用卡尔曼估计方法可识别出故障模型的参数。最后给出了某型号飞机控制系统传感器的故障诊断仿真实例。     

非线性系统中多传感器目标跟踪融合算法研究

主要阐述了在非线性系统中多传感器目标跟踪的融合算法,提出了基于变换测量卡尔曼滤波器（CMKF）的分布式融合算法,从该理论出发,导出了分布式变换测量卡尔曼滤波算法（DCMKFA）几乎能够重视集中式融合估计,仿真结果证明了这一结论,因此,DCMKFA对于非线性系统中的目标跟踪是一个有效的分布式融合算法。     

在线学习测试系统

充分利用B／S结构特点，实现网上学习，实现纸张答题式考试向基于Intemet的无纸化测试系统的转变。本文概要介绍了在线学习测试系统设计的系统目标、系统设计思想、系统功能、系统后台数据库的配置。     

非线性系统的建模技术及其在智能化数控加工中的应用

基于人工神经网络与模糊控制理论 ,对非线性系统提出了一种自组织模糊神经网络模型 ,并推导出一类新型学习算法。针对智能化数控加工中测力平台并不实用的问题 ,应用该模型和交流伺服电机电流进行切削力的间接测量。加工现场表明本文所建模型是有效的     

基于ARMA模型在线辨识器的线性系统建模方法

线性系统的在线辨识是系统辨识领域中最感兴趣的问题之一。本文给出变阶式递推增广的最小二乘法及阶估计准则。在此基础上 ,给出一类ARMA模型在线辨识器。这种辨识器可用于在线或离线辨识。实例表明 ,建模计算量大大减小 ,并具有较高的精度     

具有不等式约束的非线性离散动态系统DISOPE算法

提出了具有状态和控制不等式约束的非线性离散动态系统DISOPE算法 ,该算法能在存在模型 -实际差异的情况下 ,从模型出发 ,通过迭代运算获得实际系统的真实最优解。仿真表明了算法的有效性和可行性。     

INS/SAR组合定位技术研究

主要研究了INS/SAR组合对运动目标的定位算法。首先,建立了INS/SAR组合定位系统数学模型;其次,基于卡尔曼滤波方法和alpha-beta滤波方法完成了INS/SAR组合定位算法设计;最后,考虑组合导航系统误差及导引头测量误差,对定位算法进行了数字仿真及性能分析。仿真结果表明,所设计的INS/SAR组合定位算法在远距对运动目标具有较高的定位精度。     

FUZZY IDENTIFICATION METHOD BASED ON A NEW OBJECTIVE FUNCTION

Many fuzzy models on modeling and controlmethods have been developed since Takagi-Sugeno model was proposed[1] .The main prob-lems of the fuzzy identifying method based on T-S model appear in the following two aspects:　　 1 It is important what heuristic knowledgeis chosen to acquire the premise structure of theT- S model.This problem is related to the opti-mal partition of input space of premise part andmodeling accuracy.　　 2 Itis crucial whatidentifying method is u-tilized to estimate …     

异常值和未知观测噪声鲁棒的非线性滤波器

针对含异常观测值的非线性系统滤波问题,以Huber损失函数替代推导滤波器最大后验准则中观测误差的l₂范数,构造出了一种新的优化准则函数,从而给出了一种对异常值鲁棒的非线性后验线性化滤波器。分析表明：由于Huber损失函数兼具l₁和l₂范数的性质,从而使得由这个新准则推导出的滤波器,不仅具有l₂范数的低误差拟合性,也具备l₁范数对异常值的鲁棒性。而当观测噪声的分布未知时,通过引入箱线图法检测异常值,并对噪声统计分布的参数进行估计,进一步提出了对异常值和未知观测噪声分布鲁棒的非线性后验线性化滤波器。仿真实验验证了分析结果的有效性,并表明本文算法的性能优于现有文献报道的非线性滤波算法。     

Fast alignment and calibration algorithms for inertial navigation system

Algorithms for fast estimating the azimuth misalignment angle and calibrating gyro drift rates are approached from the point of view of control theory. By introducing the Lyapunov transformation, the equivalence of Strapdown Inertial Navigation System (SINS) and Gimbaled Inertial Navigation System (GINS) is discussed, and it shows that the analysis results of GINS can be applied to SINS directly by using such kind of equivalence. A similar transformation that based on physical essence is introduced, so that the true states can be replaced by the so-called pseudo-states, and then the observable states of INS can be dynamically decoupled with the unobservable states. Consequently, the best completely observable subsystem model of INS can be obtained. Based on the simplified subsystem model of INS, the algorithms for fast estimating the azimuth misalignment angle and calibrating gyro drift rates are proposed. The proposed algorithms show that the azimuth misalignment angle and gyro drift rates can be estimated from the rates of leveling misalignment angles without using the gyro output signals.     

基于星敏感器的卫星姿态估计方法研究

以星敏感器姿态信息作为测量数据,结合卫星姿态动力学方程组,采用增广卡尔曼滤波方法对无陀螺卫星姿态进行估计。研究发现,干扰力矩的变化会降低卫星姿态估计结果的精度,为此提出两种改进的姿态估计算法:增广自适应卡尔曼滤波方法和增广强跟踪卡尔曼滤波方法;仿真表明,两种算法都能很好地克服干扰力矩变化导致的精度下降现象。     

基于卡尔曼滤波器和遗传算法的航空发动机性能诊断

以某型涡扇发动机为研究对象,构建了基于卡尔曼滤波器和遗传算法的航空发动机性能诊断方法。卡尔曼滤波器根据发动机可测参数偏离额定特性时的变化量,对发动机性能参数进行了估计。当传感器存在测量偏差时,会使滤波器估计结果偏离真实情况。遗传算法以机载模型输出与发动机测量参数之间的误差最小为目标,通过优化计算,找出存在测量偏差的传感器,确定其偏差,并最终消除测量偏差对性能诊断的影响。     

自适应高阶容积卡尔曼滤波在目标跟踪中的应用

针对传统容积卡尔曼滤波(CKF)在系统状态发生突变时估计精度下降的问题,将强跟踪滤波(STF)算法与高阶容积卡尔曼滤波(HCKF)算法相结合,提出了一种自适应高阶容积卡尔曼滤波(AHCKF)方法。该算法采用高阶球面-相径容积规则,可获得高于传统CKF的估计精度,同时在HCKF算法中引入STF,通过渐消因子在线修正预测误差协方差阵,强迫残差序列正交,提高了算法的鲁棒性,增强了算法应对系统状态突变等不确定因素的能力。将提出的AHCKF算法应用于具有状态突变的机动目标跟踪问题并进行数值仿真,仿真结果表明,AHCKF算法在系统状态发生突变的情况下表现出良好的滤波性能,有效地避免了状态突变造成的滤波精度下降,较传统的CKF、HCKF、交互式多模型-容积滤波(IMM-CKF)和自适应容积卡尔曼滤波(ACKF)算法有更强的鲁棒性和系统自适应能力。     

一种自适应控制增稳方案的实时仿真研究

本文介绍一种侧向自适应控制增稳方案的实时数模混合仿真研究工作。内容包括软件设计编制和系统试验分析。研究结果表明:系统软件设计合理,运算精度高,稳定可靠;自适应控制增稳方案具有良好的自适应功能;带有该系统的飞机飞行品质满足MIL-F-8785C和MIL-F-9490C的要求。文章在最后指出了今后研究工作的方向和应解决的问题。