采用BP神经网络的惯导初始对准系统

针对随机系统，提出了基于多层神经网络的滤波器，并将其用于惯导初始对准中。采用ＢＰ网络替代初始对准系统中的闭环卡尔曼滤波器，可以确保系统的误差状态始终为小量，实现了惯导初始对准中的滤波与校正功能。仿真结果表明，这种方法简化了系统运算的代数结构，提高了系统状态估值运算的实时性，而对准系统的精度又与原来采用滤波器的精度相当。     

A FAST KALMAN FILTER FOR INTEGRATED GPS/INS BASED ON U D FACTORIZATION

研究了基于Ｕ－Ｄ分解的快速Ｋａｌｍａｎ滤波算法,并将它应用到一个２１状态的ＧＰＳ／ＩＮＳ组合导航系统工程实现中。常规的Ｋａｌｍａｎ滤波器已广泛应用于ＧＰＳ／ＩＮＳ组合系统,但由于系统建模误差和计算舍入误差,Ｋａｌｍａｎ滤波器在工程应用中会出现发散现象。为了解决这个问题,本文推导了一个基于Ｕ－Ｄ的扩展Ｋａｌｍａｎ滤波器。此外,由于高阶组合系统计算量大,导致基于Ｕ－Ｄ分解的滤波器在实时应用中有困难,为此,本文提出了一种快速的滤波算法来节省计算时间。文中设计了一条近于实际的飞机航迹来仿真。结果表明,本文所提的滤波算法能有效地克服组合系统滤波器发散问题,并减少计算时间近６９％。     

基于粒子滤波和似然比的接收机自主完好性监测算法

由于粒子滤波算法在处理非线性系统非高斯噪声问题具有较大的优势,提出将粒子滤波算法与对数似然比方法有机结合应用于接收机自主完好性监测(Receiver autonomous integrity monitoring,RAIM)中。通过粒子滤波算法对状态进行精确估计,利用对数似然比建立一致性检验统计量进行故障检测。在建立全量累加对数似然比和部分累加对数似然比检验统计值的基础上,通过比较系统各状态累加对数似然比和检测阈值之间的关系,进而对卫星故障进行检测。对算法进行了数学建模,描述了RAIM算法流程。通过实测数据对提出的RAIM算法进行验证,结果表明:粒子滤波在非高斯测量噪声情况下可以对GPS接收机状态进行精确的估计,利用对数似然比建立的一致性检验统计量能有效地检测并隔离故障卫星,验证了该算法应用于接收机自主完好性监测的可行性和有效性。     

发射系下SINS/GPS/CNS组合导航系统联邦粒子滤波算法

传统的扩展卡尔曼滤波(Extended Kalman filter, EKF)算法应用于未来高超、空天飞行器的组合导航系统时,因其模型线性化展开会导致模型不准确,从而引起导航精度下降;采用蒙特卡洛方法来实现递推贝叶斯估计问题的粒子滤波(Particle filter,PF)算法能有效避免引入线性化误差,具有一定的优势。据此,针对高超、空天飞行器在发射过程中通常需要直接获得发射惯性系下的高精度导航参数的需求,提高发射惯性系下弹载组合导航系统滤波算法的精确性就尤为重要,PF滤波算法无需对非线性系统进行线性化展开即可直接实现对非线性系统的状态误差估计。为此,本文将PF滤波算法引入空天飞行器SINS/GPS/CNS多信息融合组合导航系统,设计了发射系下基于联邦滤波器的PF滤波算法,实现了对组合导航系统状态参数的直接建模估计。算法仿真结果表明,相较于发射系下SINS/GPS/CNS组合导航系统联邦EKF滤波算法,PF滤波算法有效提高了组合导航系统滤波精度。     

组合导航信息融合滤波的研究(英文)

提出一种组合导航信息融合新方法,该方法能提高容错性能,更好地进行故障检测、隔离和重构.同时,当故障发生时,由于融合了系统信息,它能使重构的系统以更高的精度工作.采用这种滤波器设计了捷联惯导系统、GPS、多普勒雷达三传感器信息容错系统.仿真结果表明, 这种设计方法对陀螺、加速度计、GPS、多普勒雷达的软故障是有效的.     

余度MEMS-IMU/GPS组合导航系统

对采用余度配置的MEMS-IMU/GPS组合导航系统进行了研究。分析了微小型组合导航系统的特点和误差模型,针对惯性/GPS伪距组合导航模式下,卡尔曼滤波器需要对量测方程线性化的缺点,提出了基于改进平淡粒子滤波的滤波算法。该算法采用权值控制参数决定粒子是否进入平淡卡尔曼滤波器,有效降低了滤波计算量,并和UPF算法精度相当。研究表明,改进平淡粒子滤波算法对系统性能有明显提高,在GPS信号受到遮挡、暂时不可用的情况下,具有较好的抑制误差作用,适合余度微惯性/GPS组合导航系统的应用。     

传感器饱和约束下网络化系统的故障检测

针对通信带宽受限和传感器饱和约束的网络环境,通过引入一种基于事件触发机制的传输策略,研究一类网络化动态系统的故障检测问题。首先,以全阶滤波器作为残差发生器并利用状态增广的方法将原系统故障检测问题转化为H∞滤波问题;然后,利用Lyapunov稳定性理论和时滞系统自由权阵分析方法建立了故障检测滤波器的存在条件,并基于此条件求解凸优化问题得到最优滤波器参数;最后,通过数值仿真验证所提出事件触发机制故障检测方法的有效性。     

简化的混合估计算法及其在GPS／SINS深组合中的应用

为解决GPS/SINS深组合导航系统滤波的非线性和噪声的不确定性的问题,针对深组合模型特点,设计了一种简化的基于U滤波的多模型混合估计滤波器。根据系统模型中状态方程是线性方程、观测方程是非线性方程的特点,提出了一种简化的U滤波算法(Ultra tight coupling unscented Kalman filter,UTCUKF),然后针对噪声变化建立了非线性模型,多模型混合估计滤波器的输出为各滤波器的概率加权融合,因此模型概率是根据噪声变化而调整的,从而也使系统输出对噪声变化具有一定自适应能力。最后进行了仿真,并与基于普通U滤波的多模型混合估计算法进行了比较。结果表明,本文算法的解算时间短,模型切换速度更快,而估计的精确度与同条件下的基于普通U滤波的多模型混合估计算法相当,更符合深组合系统高动态的要求。     

基于SINS/GPS/CNS的机载综合导航系统故障诊断方法研究

传感器是导航系统中的重要部件,传感器故障容错性的分散化滤波,对提高系统的可靠性具有重要意义.以SINS/GPS/CNS组成的组合导航系统为研究对象,采用联邦滤波和方差交叉滤波相结合的方法,实现了对传感器故障具有容错性的分散化滤波,对导航系统的精度和容错性进行分析.仿真结果表明,将分散化滤波方法用于多个传感器组成的组合导航系统,不但具有精度高的特点,而且由于具有信息的冗余,整个系统具有较好的容错能力,可以提供更加完善、精确地反映运载体运动的导航信息.     

基于改进帝国竞争算法的微型燃气轮机容错控制

针对微型燃气轮执行机构故障,提出了一种基于改进帝国竞争算法的自适应容错控制方法,实现了对故障的有效抑制。本文建立了微型燃气轮发电系统部件级一体化模型,实现了部件级模型与发电系统的联合仿真,提出了一种自适应改革概率的方法对帝国竞争算法进行改进。设计了基于改进帝国竞争算法的自适应模糊逻辑保护控制器。最后进行了改进算法性能测试以及微型燃气轮发电系统在孤岛模式下的仿真实验。结果表明:本文所提出的改进方法可以提高帝国竞争算法的寻优性能,设计的容错器可以明显改善故障发生时的动态性能,确保发电系统的稳定工作。     

快速传递对准的联邦滤波器设计

在机翼挠曲变形不可忽略的情况下,采用速度加姿态匹配的方法可进行快速传递对准.用于快速传递对准的卡尔曼滤波器的阶数将高达21维,故需要进行大处理量的滤波计算,这将导致快速传递对准所要求的快速滤波更新率得不到满足.针对这一问题,本文提出采用联邦滤波器进行快速传递对准,以解决采用集中滤波器进行快速传递对准时存在的计算量大且滤波更新率低的问题.文中设计了适用于快速传递对准的联邦滤波器结构和算法,建立了机翼挠曲变形模型,推导了速度匹配子滤波器的12阶系统模型及姿态角匹配子滤波器的15阶系统模型.仿真结果表明,在载机进行摇翼机动情况下,采用本文提出的联邦滤波器与采用集中滤波器进行快速传递对准的效果相当,计算量大大减小.     

Gradient Descent Algorithm for Small UAV Parameter Estimation System

A gradient descent algorithm with adjustable parameter for attitude estimation is developed,aiming at the attitude measurement for small unmanned aerial vehicle(UAV)in real-time flight conditions.The accelerometer and magnetometer are introduced to construct an error equation with the gyros,thus the drifting characteristics of gyroscope can be compensated by solving the error equation utilized by the gradient descent algorithm.Performance of the presented algorithm is evaluated using a self-proposed micro-electro-mechanical system(MEMS)based attitude heading reference system which is mounted on a tri-axis turntable.The on-ground,turntable and flight experiments indicate that the estimation attitude has a good accuracy.Also,the presented system is compared with an open-source flight control system which runs extended Kalman filter(EKF),and the results show that the attitude control system using the gradient descent method can estimate the attitudes for UAV effectively.     

Improved Algorithm of Variable Bandwidth Kernel Particle Filter

Aiming at the large cost of calculating variable bandwidth kernel particle filter and the high complexity of its algorithm, a self-adiusting kernel function particle filter is presented. Kernel density estimation is facilitated to iterate and obtain new particle set. And the standard deviation of particle is introduced in the kernel bandwidth. According to the characteristics of particle distribution, the bandwidth is dynamically adjusted, and the particle distribution can thus be more close to the posterior probability density model of the system. Meanwhile, the kernel density is used to estimate the weight of updating particle and the system state. The simulation results show the feasibility and effectiveness of the proposed algorithm.     

一维分布参数系统的数值传递函数方法

本文给出了一维复杂非均匀分布参数系统的数值传递函数方法，在这种方法中，一个复杂系统被分布若干非均匀分在数子系统，通过定义状态微量 ，可以把每个子系统的控制方程改写为状态空间的形式，利用数值方法可以得到了子系统的传递函数，从而得到系统的解，数值算例表明本文不在求解系统的静力、动力响应时有着明显的优势。     

GPS／捷联惯性组合导航的半物理仿真算法

讨论了ＧＰＳ／捷联惯性组合导航的原理和特点，针对其理论仿真和工程实现中的衔接问题，提出了一种半物理算法，该算法既继承了理论仿真方便，直接的优点，又充分利用的实测数据，可脱离实时环境对各种结构和参数进行设计和调试，一旦系统调试成功，就可以将全套核心软件直接转移到导航计算机中，因此本算法具有简便，经济，省时，可操作性和可比较性强等优点。本文给出了半物理算法的原理和方案，讨论了组合卡尔曼滤波器的设计和Ｇ     

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。     

基于序列图像的非合作目标自主导航及验证

针对空间自旋或章动运动的非合作目标运动感知与估计问题,给出了一种基于序列图像的运动测量与状态估计方法。所给出的方法由两部分组成:(1)采用立体视觉测量目标三个非共线的特征点,建立目标参考系并实现相对姿态的测量;(2)采用目标运动学和动力学方程,推导了扩展卡尔曼滤波器,实现目标角速度和惯量比的估计。最后,分别给出了数学仿真和物理试验:(1)利用数学仿真验证了所给出的卡尔曼滤波估计算法在不同目标运动情况下的收敛性;(2)利用机械臂模拟目标的自旋运动,利用双目相机采集目标运动图像,试验结果验证了所给出的运动测量与状态估计方法可以连续的给出目标角速度的精确估计。