一种导弹导引律及参数的非线性MMAE辨识方法

针对现代空战中来袭导弹导引律参数辨识问题,提出了一种非线性的多模型自适应(MMAE)辨识方法。采用无色卡尔曼滤波(UKF)方法对非线性多模型集进行状态估计。利用多模型自适应估计方法,设计了导弹的导引律及参数辨识器,在三维坐标内实现了对导弹IPN,APN,OGL和PP导引律及对应导引参数的辨识,并通过算例仿真验证了该方法的快速性和准确性。     

基于改进容积卡尔曼滤波的奇异避免姿态估计

 利用矢量进行卫星姿态估计可以归结为非线性滤波问题。为了提高卫星姿态估计的精度,利用龙贝格-马尔塔(LM)迭代算法改进了容积卡尔曼滤波(CKF)。继而,提出改进容积卡尔曼滤波与四元数结合的容积四元数估计器(CQE),有效地避免了卫星大角度机动出现的奇异现象。进一步,给出了一种与影子修正罗德里格参数切换的容积修正罗德里格参数估计器(CME)。仿真对比表明,初始误差较大时容积修正罗德里格参数估计器具有更好的收敛速度和鲁棒性。     

一种基于数据跳变检测的高动态环境GPS信号参数估计方法

鉴于高动态环境中 Ｇ Ｐ Ｓ信号参数估计和调制数据跳变检测所遇到的问题,采用扩展卡尔曼滤波方法（ Ｅ Ｋ Ｆ）对信号参数进行了估计,分析了通过载波辅助技术实现伪码延时估计的原理,重点研究了一种简单的数据跳变检测和估计参数修正方法。模拟结果表明这种方法在信号参数估计精度和动态跟踪性能等方面都能够满足高动态环境的要求。     

航空发动机健康参数的卡尔曼滤波估计方法分析

针对航空发动机气路部件健康参数估计问题,研究了基于线性和非线性模型的卡尔曼滤波估计方法.通过对气路部件渐变故障的仿真,比较了卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)、无味卡尔曼滤波(UKF)三种方法对健康参数的估计效果,对EKF在常增益条件下的仿真用时与估计结果进行了研究.结果表明,EKF可根据需要求取卡尔曼增益,能在较少计算量下得到较好的估计结果,是一种实用的非线性参数估计方法.     

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。     

利用跟踪-微分器构造机动目标估计模型

在分析目标运动特点的基础上,提出了一种新的基于跟踪-微分器的机动目标估计模型。该估计模型与卡尔曼滤波算法相结合,能够在动态过程完全未知的情况下估计出目标运动参数,且估计模型简单,物理意义明确,能够适应于目标的各种机动行为模式。仿真结果表明,具有跟踪-微分器结构的估计模型不但具有很强的适应性,而且能够获得满意的估计精度。     

基于自适应容积卡尔曼滤波方法的涡扇发动机气路部件故障诊断

针对涡扇发动机气路部件故障诊断中参数存在不同的噪声统计特性,提出了一种自适应平方根容积卡尔曼滤波(ASRCKF)器的自适应滤波方法.该方法直接利用基于3阶容积积分方法近似发动机的非线性统计特性,用于替代非线性无迹卡尔曼滤波方法的系统模型,避免了滤波过程参数选取的问题;采用移动窗口法对噪声协方差矩阵进行自适应估计,提高了算法对不同统计特性噪声的自适应能力和滤波精度.通过对发动机气路部件健康参数蜕化过程仿真结果表明:ASRCKF方法相比平方根容积卡尔曼滤波(SRCKF)方法,精度提高40%~50%,对不同噪声信号具有更好的适应能力.      

基于背景补偿技术的运动目标检测研究

基于运动补偿技术,研究了动态背景视频中运动目标的检测。首先,介绍了几种视频成像模型;然后,选取六参数投影模型,结合基于图像灰度的参数估计方法和基于图像特征的参数估计方法,运用Levenberg-Marquardt算法进行图像运动参数的估计;最后,对补偿后的当前帧和参考帧作差分检测出运动目标。通过Matlab仿真试验验证了本文算法的有效性。     

自适应卡尔曼滤波在航空发动机参数估计中的应用

介绍根据实际飞行数据并用卡尔曼滤波方法对某型发动机的参数估计及其结果。重点研究了卡尔曼滤波在航空发动机参数估计中的滤波发散问题和解决这一问题的自适应卡尔曼滤波、飞行条件补偿及模型修正的综合方法。      

基于IMMKF算法的ADS-B监视应用目标跟踪

目标跟踪是机载广播式自动相关监视（ADS-B）应用的基础功能,对提升航空器周边的弱机动民航飞机目标跟踪性能具有重要意义。提出一种基于交互式多模型卡尔曼滤波（IMMKF）算法的ADS-B 监视应用目标跟踪方法。首先,针对弱机动背景下的民航飞机的飞行特点,建立包含匀速模型和标准协同转弯模型的运动模型集,并对模型进行线性化近似;然后,将模型预测和ADS-B 状态矢量量测数据作为IMMKF 算法中多个并行卡尔曼滤波器的输入,进行并行滤波;最后,计算得到目标状态矢量的估计和模型近似概率,并作为下一次迭代的输入。结果表明：相比于基于匀速模型的卡尔曼滤波目标跟踪方法,IMMKF 方法的位置跟踪误差降低了59%,速度跟踪误差降低了77%,显著提升了状态估计性能,具备较高的跟踪精度、稳健性与计算效率,在ADS-B 监视应用中具有实际应用价值与借鉴意义。     

星载红外探测阵列对导弹跟踪定位的研究

通过分析研究建立了前视红外探测阵列 (FL IR)对导弹进行精确跟踪、定位的数学模型 ,其中包括导弹的运动模型、大气干扰模型和探测阵列的观测模型。根据探测阵列的原始观测数据 ,利用扩展卡尔曼滤波器 (EKF)精确跟踪导弹目标。由于导弹与探测器的距离较远 ,故可视为点目标。导弹在探测阵列上投影的位置由两部分组成 :导弹真实运动位置和由于大气干扰造成的偏移。滤波器分别估计了这两种位移在探测阵列上的变化。最后用蒙特卡罗方法分析了滤波器的性能。     

基于最优样条节点的导弹主动段弹道估计方法

拟合导弹主动段弹道并估计其弹道参数是天基红外系统(SBIRS)的重要任务之一。首先采用三次样条函数对导弹主动段弹道进行描述,并建立主动段弹道的运动模型和测量模型;其次采用最大似然估计方法将导弹弹道估计问题转化为非线性最小二乘准则下的样条系数和样条节点分布最优估计问题;最后利用投影定理将样条系数估计和样条节点分布估计分离开来,并通过迭代逼近给出了最优样条节点数的确定方法。仿真实验结果表明,所提方法不仅对主动段弹道的拟合精度高,而且还减少了待估参数的数目,简化了求解过程,可在无先验信息条件下较好地解决导弹主动段弹道的估计问题。     

航空发动机约束卡尔曼滤波方法

<正>卡尔曼滤波器通常用于动态系统的状态估计,但在应用过程中,有些已知的信息在运算过程中被忽略,例如转速、温度与压力的范围限制。约束卡尔曼滤波器将已知的信息作为约束,可以提高估计的精度。文献首次提出了将约束线性卡尔曼滤波应用于发动机健康估计;文献介绍了约束线性卡尔曼滤波数学实现的矩阵变换,与传统的无约束线性卡尔曼滤波对比,该方法对发动机健康状况参数估计更加准确。     

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。     

基于改进平方根无迹卡尔曼滤波方法的涡扇发动机气路状态监控

针对涡扇发动机气路状态监控存在模型未知或不准确导致滤波效果下降甚至发散的问题,研究了一种融入高斯过程回归（GPR）的改进平方根无迹卡尔曼滤波（UKF）方法.该方法利用GPR对训练数据进行学习,建立发动机气路部件状态监控的GPR模型,替代UKF方法中的非线性系统模型;采用超球体单形采样和平方根滤波方法来提高滤波的计算效率和数值稳定性.仿真结果表明:训练的GPR模型解决了UKF方法对发动机原系统模型和噪声协方差矩阵依赖性的问题;与扩展卡尔曼滤波（EKF）和平方根UKF方法相比较,改进平方根UKF方法精度更高,对健康参数的估计精度达到99.9%,实现了对涡扇发动机单个和多个气路部件健系参数的有效跟踪.      

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。     

基于模型预测静态规划的自适应轨迹跟踪算法

轨迹跟踪是飞机自主运动控制的关键问题之一。跟踪模型预测静态规划（T-MPSP）是一种新近发展的基于非线性模型的轨迹跟踪算法,但对于飞行器受损等情况下,模型参数相较于标称模型具有较大的偏差时,则可能导致轨迹跟踪效果不理想。提出了基于参数估计的自适应轨迹跟踪算法,在模型预测静态规划（MPSP）的框架下得出解析解,实现了对参数的实时估计,据此更新跟踪模型预测静态规划算法中所使用的模型后,可以有效扩大对参数偏离的适应性,并保留模型预测静态规划计算效率高的特点。通过仿真对比得出,相较于已有的跟踪模型预测静态规划,改进后的算法对模型参数偏离的容忍性明显提高,且算法迭代效率高,适于在线应用。     

有色观测噪声下的目标跟踪问题

本文讨论了有色观测噪声下的目标跟踪问题,把观测色噪声的成形滤波器假设为AR模型,给出了估计AR模型参数的方法。本文又提出将AR模型参数估计和交互式多模型(IMM)滤波相结合,可以很好地跟踪目标。     

强跟踪滤波在高超声速滑翔目标跟踪中的应用

高超声速滑翔目标(HGT)机动模式复杂多样、轨迹形态灵活多变,增加了跟踪模型建模的不确定性,导致目标跟踪的精度低。为了提高跟踪精度,提出了一种基于强跟踪滤波的高超声速滑翔目标跟踪方法。首先,在地基雷达坐标系下建立目标运动模型和量测模型,利用维纳随机过程来表征运动模型中未知项的变化特性。其次,采用强跟踪无迹卡尔曼滤波(UKF)算法对目标运动状态进行估计,提高模型不确定性存在时滤波器的状态跟踪能力。最后,利用目标常用的基于标准轨迹的制导方法生成了一条可行飞行轨迹。仿真结果表明,该方法的跟踪精度高,强跟踪滤波能够有效降低模型不确定性存在时的状态估计误差。     

基于simulink参数寻优的静不稳定导弹三回路过载控制系统设计

针对某静不稳定导弹,建立了导弹纵向运动模型,运用最优控制理论设计了俯仰通道三回路过载控制系统,然后采用了simulink参数寻优的方法对回路参数进行优化,对设计出的控制器进行了特征点仿真。结果表明,三回路过载控制方法能较好的控制静不稳定导弹,优化后的控制系统能使导弹具有更快的跟踪性能、更好的机动能力,并且舵机没有产生严重的饱和现象。