航空发动机ZP/LTR方法稳定性分析及改进

分析了零点配置/回路传函恢复(ZP/LTR)方法稳定性, 给出并证明了其稳定性条件.但该条件较为苛刻, 限制了ZP/LTR方法的应用.为了对ZP/LTR方法改进, 在设计过程中引入了Kal man滤波器, 通过选取特殊的参数, 使Kal man滤波器回路逼近并取代原目标回路, 从而在保留ZP/LTR方法性能的同时, 通过保证Kal man滤波器回路的稳定性保证了最后闭环系统的稳定性.给出并证明了改进后的ZP/LTR方法的稳定性条件, 指出改进后的ZP/LTR方法的稳定性条件较为宽松, 拓宽了原ZP/LTR方法的应用范围.      

基于闭环准则的LQG/LTR飞行控制律优化设计

针对LQG/LTR飞行控制律设计中加权矩阵的选取问题,提出了一种基于闭环准则的LQG/LTR飞行控制律优化设计方法。以俯仰姿态控制律优化设计为例,首先基于闭环准则选取了满足一级飞行品质要求的参考模型,并基于该参考模型使用粒子群优化算法优化得到了两个加权矩阵,从而得到了卡尔曼滤波器和相应的目标反馈回路。进而借鉴飞机等效系统拟配的方法,优化得到了另两个加权矩阵,从而得到了LQG最优控制器,完成了回路传递恢复的优化设计。仿真结果表明,通过该方法能够快速自动地选取合适的加权矩阵,使得优化设计的LQG/LTR飞行控制律较好地满足了俯仰姿态控制的要求。     

一种新的控制系统H∞/LTR设计方法

 提出了目标回路传递函数恢复的一种新的控制系统H∞/LTR设计方法,通过引入对控制量的加权,不仅可以保持LQR回路的特性,而且可以使控制器具有较低的增益和较小的带宽。此方法克服了LQG/LTR方法增益过高和LQR无穷带宽而引起的控制器对噪声特别敏感的缺点,从而达到抑制噪声的目的。与此同时,通过合理选择权函数,方法在回路中引入了积分环节,消除了静差,但却避免了增广,从而降低了系统的阶数。最后的实例验证了方法的可行性。     

直升机发动机控制系统与旋翼/动力传动扭振系统耦合稳定性分析

直升机的发动机通过传动系统驱动旋翼及尾浆,形成了一个机械扭振系统,这个系统又与发动机控制系统相互耦合构成一个闭环的动力学系统。本文针对某型直升机建立了相应闭环系统的数学模型,分析、判断闭环系统的稳定性及稳定裕度;研究了使用下陷滤波器来改善耦合系统稳定性的设计思路和参数调整的试验方法。     

一种针对结构损伤的非线性容错飞行控制方法

飞机结构损伤会引起气动参数变化,进而影响系统的静稳定性和控制精度。针对具有多输入的非线性飞机模型,利用带有二阶命令滤波器的自适应反步控制方法在线估计飞机气动参数,补偿结构损伤导致的气动参数变化对控制系统的影响,以实现容错飞行控制功能;引入的命令滤波器可以避免反步控制中复杂的求导运算。从理论上分析证明了带有二阶命令滤波器的自适应反步控制的闭环系统稳定性,并给出了控制跟踪误差的理论上界和二阶命令滤波器频率参数选取的下界。通过一个大型客机垂直尾翼脱落场景的仿真实验,验证了所提容错控制方法的有效性。     

电传系统设计研究

研究了纵向电传系统前向指令回路非线性校正、过载指令的设计和综合、C*反馈回路的设计、调参规律的选取、校正网络特征、闭环系统稳定性、闭环系统相位补偿以及放宽静安定度补偿方法等,并对伺服弹性回路和人-机耦合回路的综合设计进行了研讨。     

BTT自动驾驶仪GLQG／LTR综合设计方法

本文介绍了一种基于GLQG／LTR的BTT自动驾驶仪综合设计方法。首先在目标回路函数成形过程中,使最小相位系统和非最小相位系统的卡尔曼滤波器的设计得到统一;然后,通过采用带有前馈和状态反馈控制器的最优控制律得到最小相位系统和非最小相位系统的广义线性二次型性能指标的极小值。以上的控制器均具有指定稳定度,针对非最小相位系统也是如此。最后,BTT导弹的协调式自动驾驶仪的数字仿真结果表明,采用该法设计的控制系统在时域和频域上均具有较好的性能和较强的鲁棒性。     

航空发动机的LTR控制

研究了航空发动机的传递函数回路法（LTR）控制。提出了一种简单而有效的适用于最小相位对象的目标回路设计方法，它根据控制系统的频带宽度要求得出目标回路，所设计目标回路不仅稳定而且传递函数为对角阵。由于目标回路的传递函数可以通过LTR步骤加以恢复，因而此目标回路的LTRE控制系统具有良好的性能（包括解耦性能），将此设计方法应用于某型涡扇发动机的LTR控制，取得了良好的控制效果。     

一种新的航空发动机自适应模型设计与仿真

提出了一种基于机载非线性发动机模型,且具有输入端积分补偿的卡尔曼滤波器估计器的发动机自适应模型设计方法。其主旨是经过相似变换,在非线性相对弱化的另一坐标区域内设计常规卡尔曼滤波估计器,利用所得卡尔曼估计器对各估计回路的初步解耦,进一步在各观测回路中引入输入误差积分激励,对滤波器的输入进行实时积分修正,充分实现各估计参数回路的静态解耦。同时,将该卡尔曼滤波器与机载非线性实时模型综合,从而使发动机自适应模型具有大范围无静差参数跟踪能力。最后,对所提出建立的自适应模型的参数估计能力和鲁棒性进行了数字仿真验证。     

基于改进联邦Kalman滤波的组合校准方法研究

联邦滤波器广泛应用于多传感器信息融合领域,联邦滤波中的信息分配原则影响滤波精度.针对联邦Kalman滤波器进行改进,采用基于估计协方差阵奇异值动态确定信息分配系数.对子滤波器进行重置时,采用新的重置方法,保证了子滤波器误差协方差阵的对称性,确保Kalman滤波器的一致收敛稳定性.新的联邦滤波算法允许每个状态分量拥有不同的动态信息分配因子,从而改进了联邦滤波信息融合的精度.设计了SINS/GPS/电子罗盘组合导航系统,仿真结果说明,与传统联邦滤波算法相比,改进的联邦滤波器估计精度得到了提高,可以更好地对SINS误差进行校准,提高系统的精度.     

Multiobjective Target Feedback Loop / Loop Transfer Recovery (TFL/LTR) design with application to aircraft lateral control in high incidence regime

Target Feedback Loop / Loop Transfer Recovery (TFL/LTR) synthesis and multiobjective optimization are combined to design robust and well performing controllers in a most general sense. A TFL/LTR synthesis based on quadratic stabilization is used to efficiently synthesize robustly stabilizing controllers. Multiobjective optimization is used to tune synthesis parameters for which the TFL/LTR controller yields good performance in addition to robust stability. The technique is demonstrated in the design of a lateral controller for a high performance aircraft in high incidence regime.     

基于自适应Kalman滤波的改进PSO算法

针对基于Kalman滤波的PSO算法在设计与应用过程中存在的不足,提出了基于自适应Kalman滤波的改进PSO算法。利用粒子群状态空间Markov链模型,建立粒子群系统状态方程;采用粒子的速度和位置作为观测量,构建观测方程;引入记忆衰减因子动态调整Kalman滤波模型参数及噪声方差阵,降低模型误差,提高粒子的位置估计精度。仿真实验表明:改进的PSO算法无论在优化精度、收敛速度,还是在稳定性方面都有很大的改进和提高,这就有效避免了粒子的"早熟"收敛问题;尤其在处理复杂多峰问题上,改进算法表现出很明显的优越性。     

包含乘性噪声自适应修正的非合作目标相对导航算法

无人机（UAV）态势感知的任务是利用机载传感器对未知环境进行目标识别和引导，针对无人机与非合作目标间中远距离的相对导航问题，提出了一种基于角度和距离量测的相对状态估计算法。在现有滤波算法的基础上，为了提高精度和稳定性，本文利用了列文伯格-马夸尔特（LM）优化的思想对迭代卡尔曼滤波（IEKF）算法进行改进，提出了一种LM-IEKF算法，并推导该算法在迭代过程中的状态更新方程及协方差阵的递推公式。在此基础上，考虑到距离传感器由于信号相关特性而引入的乘性噪声，现有的加性噪声模型难以适应，因此，进一步提出了基于量测噪声自适应修正的Modified LM-IEKF方法，通过在线实时更新噪声阵提高滤波的精度，并设置渐消记忆指数平滑估计结果。算法验证结果表明，与现有的EKF、IEKF算法相比，在仅含加性噪声的情况下，LM-IEKF算法具有更好的性能；在包含乘性噪声的情况下，Modified LM-IEKF可以有效地估计量测噪声，与目前广泛使用的EKF算法相比，在综合相对位置和相对速度精度上分别提高了10%和23%。     

改进的GPS/INS组合导航选星算法

在已有的 GPS定位的选星算法的基础上,从组合系统量测矩阵出发提出了一种适用于 GPS/INS组合导航的选星算法。此算法在原有算法的基础上,考虑了卫星仰角、方位角对卡尔曼滤波器可观性的影响,避免因观测量与系统状态间关联项的减少而导致的滤波器可观性下降,从而保证滤波器性能的稳定。     

一种基于模型误差预测的UKF方法

UnscentedKalman滤波器（UKF）对本质非线性系统具有估计精度高、收敛速度快和容易实现等优点,但是对系统的模型误差比较敏感。针对这一问题,提出了一种基于模型误差预测的UKF方法,称为PUKF（PredictiveUnscentedKalmanFilter）。它利用非线性预测滤波器（NPF）的模型误差预测过程,能够对不准确的系统模型进行实时修正,弥补了UKF方法的不足。仿真结果表明,相对于原始的UKF方法,新方法从滤波精度、收敛速度和收敛的稳定性等几个方面,显著提高了非线性滤波的性能。PUKF可适用于模型不确定、非线性较强系统的滤波。     

一种基于径向加速度的Singer-EKF机动目标跟踪算法

针对雷达均不能提供目标加速度信息,在目标机动时会出现跟踪精度差甚至跟踪发散的问题,提出一种基于径向加速度的Singer-EKF算法。该算法在信号处理阶段利用Radon-Ambiguity变换（RAT）估计出目标的径向加速度,并通过坐标转换将其引入量测向量中,然后采用基于Singer模型的扩展卡尔曼滤波（EKF）算法实现机动目标的跟踪。仿真验证了该方法的有效性,并与传统的不带径向加速度的扩展卡尔曼滤波（EKF）方法进行了比较,结果表明该方法在径向距离、位置、加速度和速度估计精度方面都有所提高。     

基于改进强跟踪ASCKF算法的SINS/GNSS组合对准方法

大方位失准角下的SINS/GNSS组合对准系统呈非线性,采用传统的卡尔曼滤波方法进行初始对准易导致对准精度下降甚至滤波发散。基于此,提出了一种基于改进强跟踪自适应平方根容积卡尔曼滤波算法的组合对准方法。该方法采用QR分解求取协方差的分解因子,并在状态预测方差阵的平方根更新中引入多重渐消因子调整滤波增益;同时,基于Sage-Husa自适应滤波,引入改进的时变噪声估计器实时估计噪声的统计特性。仿真结果表明,采用改进的滤波算法进行大方位失准角下的组合对准,对准精度明显提高。     

Design of on-board calibration methods for a digital sun sensor based on Levenberg–Marquardt algorithm and Kalman filters

Digital sun sensor is one of the most important sensors used in the Attitude Determination System (ADS) of the satellite. Due to the harsh environmental conditions that exist in the space, various distortions may occur in the sun sensor optical system that lead to the reduced accuracy of this equipment. So, it is necessary to recalibrate the optical parameters of the aforementioned sensors. For this purpose, first a novel attitude independent error model is proposed for the SS-411 sun sensor that includes the central point of the CCD array, installation error, filter thickness and sensor misalignment. So, the mutual interfaces between the sensor parameters are considered in the developed model. In order to extract the sensor parameters, a nonlinear optimization technique called the Levenberg–Marquardt is applied to the developed model as a batch algorithm. In addition, the Extended Kalman Filter (EKF) and the Unscented Kalman Filter (UKF) have been utilized as sequential strategies. It will be shown that by considering a worst case of variation amount for sensor parameters, an accuracy improvement of about 17° is achieved by the developed calibration algorithms. Comparison between the developed algorithms represents that UKF has higher accuracy, shorter time convergence but higher computational load.