增广误差模型算法在目标跟踪中的应用

针对目标机动运行过程中,滤波模型与机动状态模型失配的问题,提出了一种新的增广状态误差滤波模型。不同于现有增广方案,该模型从模型失配所致状态滤波误差的角度出发,将状态估计误差增广为一状态量,通过滤波估计后用其校正原状态量。算法分析表明,该增广滤波模型具有自适应调节多重渐消因子的等效特性,增强了对目标的跟踪能力。基于该增广状态误差滤波模型,给出了滤波算法设计并进行了仿真实验。实验结果表明,基于该模型的滤波算法在对机动目标进行跟踪时具有更强的鲁棒性。     

抗差自适应分步滤波算法在PPP/INS组合导航中的应用

针对常规抗差自适应滤波算法在PPP/INS组合导航应用中存在难以准确识别和分离观测粗差及运动异常对定位结果影响的问题，基于分类因子自适应滤波原理,提出了一种抗差自适应分步滤波算法。该算法首先执行第一步滤波,对状态模型异常信息进行隔离，仅对观测粗差进行诊断和抗差处理；然后在第一步滤波的基础上，执行第二步滤波，对状态模型异常进行诊断和自适应处理。算法分析表明，抗差自适应分步滤波算法可以准确地识别和分离观测粗差和运动异常扰动。实验结果表明，抗差自适应分步滤波算法能够进一步增强滤波算法抵抗观测粗差和运动异常扰动对滤波结果的影响，提高PPP/INS组合导航系统定位结果的稳定性和可靠性。     

基于MLR的机动平台传感器误差配准算法

 基于固定平台传感器误差极大似然配准(MLR)算法,针对机动平台存在姿态角系统误差的问题,提出了对机动平台传感器系统误差和目标状态进行批处理离线估计的机动极大似然配准(MLRM)算法.该算法利用所有传感器对目标的量测值,通过把传感器量测向目标状态进行投影、对传感器系统误差和目标状态进行期望最大化迭代以及对目标的状态进行融合估计,最终实现量测、姿态角系统误差和目标状态的有效估计.仿真结果表明,该算法迭代收敛速度快,对系统误差估计精度高,对系统误差可观测性较低的配准环境的适应性强并且对传感器姿态角的相关性不敏感,具有很强的工程实用性.     

基于EKF的天线罩误差斜率多模型估计方法

 提出一种新的滤波器结构,利用基于扩展卡尔曼滤波(EKF)的多模型(MM)算法,对天线罩误差斜率进行估计,降低天线罩误差对雷达自寻的导弹的影响,提高系统性能。在三维坐标下,创建包含导弹运动方程、目标运动方程、弹目相对运动方程的滤波模型。采用EKF算法,对包含天线罩误差的非线性观测方程进行线性化处理;依照多模滤波的思想,对天线罩误差进行离散建模,构建伪观测方程,更新模型概率,得到天线罩误差斜率的估计值;将斜率估计结果代入EKF,得到滤除天线罩误差影响的系统状态量估计结果并形成制导指令。仿真结果表明,所提方法可以有效地估计天线罩斜率,提高系统制导精度。     

基于PSO的船体动态变形模型参数在线辨识

在船体变形测量领域，惯性量匹配法凭借其高精度、易实现的优点成为了时下的研究热点。详细介绍了角速度匹配法进行船体变形角估计的原理，针对算法中动态变形模型（二阶Markov）参数难以确定的问题，推导了两套INS的角增量输出差值与动态变形角之间的关系，建立了利用角增量差值的自相关函数进行求参的理论依据。在求参工具上选择了粒子群算法，借助指数衰减正弦信号的形式建立算法模型，并且合理设置算法参数，最终形成一套完整的在线辨识方案。仿真实验证实，该方案能够实现动态变形模型参数的精确辨识，辨识精度较高，且SNR门限低。最终的变形角估计结果表明，结合该参数辨识算法，船体变形角估计误差可控制在10″左右，证明了该方法的可行性。     

航天器自主导航状态估计方法研究综述

自主导航是航天器自主运行的核心关键技术。状态估计是实现航天器自主导航的核心手段,是指实时确定航天器在轨位置、速度和姿态等导航参数,是航天器自主导航技术的重点发展方向之一。首先,针对航天器自主导航的实际需求,阐述了研究航天器自主导航状态估计方法的必要性,具体从导航系统可观测性分析、导航滤波算法、导航系统误差补偿3个方面介绍了航天器自主导航状态估计方法的研究现状;然后,分析并总结状态估计方法在航天器自主导航系统中的实际应用;最后,结合理论研究和实际应用,给出了状态估计方法目前存在的主要问题并对其后续发展进行了展望。     

基于Rodrigues参数的姿态估计算法

 以Rodrigues参数作为姿态描述参数提出一种快速的全姿态估计算法。Rodrigues参数具有简洁高效的特点,但它具有奇异性,不适用于大角度情况。首先将序贯旋转方法和Rodrigues参数相结合,提出了一种简洁、无奇异的姿态描述方法。然后应用该姿态描述方法,针对“矢量观测+陀螺”这种典型的姿态测量方案,讨论飞行器的姿态估计问题。在姿态估计算法设计中,给出了陀螺模型和观测矢量模型,推导了状态和状态误差协方差阵的预测方程和量测更新方程,并提出了预测方程的一种高效积分方法。仿真结果表明在估计精度等同的条件下,该姿态估计算法比四元数算法效率大约提高10%。     

基于信度规则库的惯性平台健康状态参数在线估计

 实时准确的健康状态预测是规划惯性平台系统及时、经济的维修策略的关键技术。由于平台系统的健康状态是不能够直接观测的,假设平台系统的特征参数监测数据是可以获取到的,而且平台系统的健康状态与特征量是相关的。基于信度规则库(BRB),以平台系统的状态监测特征参数作为BRB系统的输入,以平台的健康状态作为输出结果,组建了惯性平台健康状态预测系统。为了克服现有BRB参数优化方法的不足,实现实时状态预测,基于期望最大化(EM)算法,研究了健康状态预测系统的参数在线估计算法。该算法在获取系统新的输入输出信息后,就对参数进行更新。利用本文提出的方法对惯性平台系统的健康状态实时预测问题进行了实验分析,实验结果表明：该方法可以有效地实现惯性平台系统健康状态预测模型参数实时估计;与参数离线优化方法相比,该方法不仅在预测精度上,而且在运行时间上都具有明显的优势;在工程实际中有良好的应用潜力。     

交会接近轨迹的闭环斜滑控制算法研究

为了矫正追踪航天器相对接近轨迹的偏离,实现交会轨迹的主动安全控制,在开环斜滑算法的基础上提出了闭环斜滑主动控制方法,包括轨迹控制的闭环斜滑算法和终端控制的闭环斜滑算法。利用某近距离交会接近问题,采用MonteCarlo（蒙特卡洛）打靶仿真,分析比较了开环斜滑算法和2种闭环斜滑算法。结果表明,闭环控制终端偏离明显小于开环情况,同时在较短时间内以较小的速度增量实现了终端状态控制,并且轨迹控制的闭环斜滑算法控制精度小于终端控制算法。     

空中交通管制中轨迹预测的相互作用多模型算法的设计

研究了相互作用多模型算法，并就这种算法设计了几种方案，同时选取适当的参数对其进行了仿真设计和计算，给出了水平面内不同方案下的仿真结果，验证了这种算法的有效性，说明了通过模型概率实现模型之间的软转换的可行性。研究得出以下结论：该算法能在平稳飞行时使误差尽量减少，在机动时，对机动进行快速的探测和反应，同时，保证状态估计误差不超过原始的观测数据误差。     

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。     

优化抗差自适应滤波器在深组合导航中的应用

为了提高惯性/卫星深组合导航系统的滤波性能,在抗差自适应滤波算法的 基础上,研究了一种优化抗差自适应滤波算法。该算法通过比较实际预测残差协方差矩 阵和理论协方差阵的差值来生成自适应因子,从而优化抗差自适应滤波。将所研究的算 法应用于惯性/卫星深组合导航系统, 在高动态环境下进行仿真验证, 并与常规卡尔曼 滤波、抗差自适应滤波进行比较。结果表明,优化算法能有效地控制观测异常和动态模 型异常对状态参数估值的影响,所得组合导航位置误差和速度误差明显减小,提高了组 合导航系统的滤波精度。     

基于任务聚类的多星观测调度方法

星上传感器侧摆次数有限,在卫星观测调度时进行任务聚类可以节省资源,提高观测效率.提出了动态聚类调度算法(DCSA)来解决多星多轨道圈次的观测调度问题,DCSA把聚类和调度动态结合起来,并使用模拟退火算法搜索全局最优解;分析了在满足分辨率需求前提下多任务聚类的约束条件,并对聚类任务的侧摆角度和时间窗口进行合理优化;根据任...     

永磁同步电机无位置估计误差的滑模观测器无速度传感器控制方法

传统滑模观测器(SMO)无速度传感器控制方法在电机的运行速度出现较大变化时,对位置的估计会出现稳态误差。为了消除位置的估计误差,提出了一种带有反动电势修正的SMO无速度传感器控制方法。反电动势的修正律基于永磁同步电机(PMSM)的dq轴电流模型。即使电机运行在速度大幅波动的情况下,也能保持位置估计误差为零,且该方法计算增量较小,易于实现。将所提出的方法在1台1.5 kW的PMSM上进行了仿真和试验,结果验证了位置估计误差能有效地收敛至零。     

电动汽车用永磁同步电机模型预测MRAS无速度传感器控制

针对电动汽车机械式传感器在复杂工作环境下易失效的问题,将基于模型参考自适应(MRAS)的无速度传感器技术应用于电动汽车中。针对传统MRAS无速度传感器控制存在的转子位置估计相位延迟较大、转速估计误差较大等问题,将模型预测控制算法应用到MRAS中。参考模型选用永磁同步电机(PMSM)电流磁链方程,可调模型选取电压磁链方程,代价函数是磁链的差值,待估计参数选择转子位置。与传统MRAS无速度传感器控制算法相比,转速、转子位置估计结果更加精确,估计误差较小,动态性能和稳态性能优良。通过仿真和试验验证了算法的可行性和有效性。     

Topology tracking of dynamic UAV wireless networks

Wireless network is the communication foundation that supports the intelligentization of Unmanned Aerial Vehicle (UAV) swarm. The topology of UAV communication network is the key to understanding and analyzing the behavior of UAV swarm, thus supporting the further prediction of UAV operations. However, the UAV swarm network topology varies over time due to the high mobility and diversified mission requirements of UAVs. Therefore, it is important but challenging to research dynamic topology inference for tracking the topology changes of the UAV network, especially in non-cooperative manner. In this paper, we study the problem of inferring UAV swarm network topology based on external observations, and propose a dynamic topology inference method. First, we establish a sensing framework for acquiring the communication behavior of the target network over time. Then, we expand the multi-dimensional dynamic Hawkes process to model the communication event sequence in a dynamic wireless network. Finally, combining the sliding time window mechanism, the maximum weighted likelihood estimation is applied to inferring the network topology. Extensive simulation results demonstrate the effectiveness of the proposed method.     

具有效率优化计算的异步电动机自抗扰与滑模直接转矩控制

为了克服异步电动机直接转矩控制中转矩和电流脉动大等缺点,设计改进的自抗扰速度控制器取代传统的比例积分(PI)控制器。根据异步电动机的数学模型以及滑模变结构控制理论设计了一种基于转矩误差和磁链平方误差的新型滑模控制器。考虑电机运行过程中负载转矩未知问题,设计了一种基于Supertwisting算法的负载转矩观测器。Supertwisting定子磁链观测器的应用提高了观测精确度。通过效率优化计算得出稳态时最优定子磁链,并将其引入调速系统。仿真试验结果表明,该控制策略有效地减小了转矩和电流脉动,并且对外部扰动具有较强抑制作用,同时能够降低电机运行损耗,具有良好的动态和稳态性能。     

Dynamics modeling and pressure control of composites tape winding system based on LQSMC

Pressure fluctuations during the composite fiber winding process seriously affect the product's compactness strength, fatigue resistance, stress uniformity, and resin content. The accuracy of pressure control systems is affected by nonlinear disturbances, such as friction, parameter perturbation, and measurement noise. A robust control algorithm based on linear quadratic optimal control and sliding mode control (LQSMC) is proposed to overcome these problems. The method is based on the system state space expression and linear quadratic optimal control. The state space model of the system is improved by using a Kalman filter and control input for state estimation, and a new sliding surface equation is defined. The ameliorated control algorithm exhibits good performance and can effectively suppress sliding mode control (SMC) chattering. Simulation and experimental results show that LQSMC offers high control precision, much stronger anti-interference, and robustness, which can effectively improve the positioning and tracking accuracy of a pressure control system compared with linear quadratic optimal control (LQC). The winding pressure control precision is improved by 45% to 50%. The results show that the porosity of composite fiber tape winding products decreased thanks to our method.     

基于改进滑动时间窗口的国产民用飞机APM参数筛选研究

合适的飞行性能监测（APM）参数筛选方法可实现国产民用巡航飞机性能监控参数的高效筛选,为飞机性能分析计算提供可靠的数据基础。在无迹卡尔曼滤波（UKF）中引入 Sage-Husa 噪声估计器,构造自适应无迹卡尔曼滤波（AUKF）,利用 AUKF 对快速存取记录器（QAR）数据进行降噪;给出稳定巡航参数筛选的标准,采用改进滑动时间窗口算法对稳定巡航参数进行筛选,并通过国产 ARJ21 飞机的样本数据进行验证。结果表明：自适应无迹卡尔曼滤波算法能够提高数据的可靠性,改进滑动时间窗口算法使筛选效率提高约 50%。