基于特征模型的高超声速飞行器姿态控制器与自适应滤波算法的设计

提出一种基于特征模型的强跟踪无迹卡尔曼滤波（CSUKF）算法对状态和参数进行联合估计,利用特征模型参数构造时变的二阶状态转移阵,使滤波和辨识模型简化;结合强跟踪滤波（STF）的强跟踪能力和无迹卡尔曼滤波的（UKF）的非线性高逼近性对含测量噪声的高超声速飞行器系统进行参数辨识和滤波,并将其与非线性黄金分割自适应控制律相结合,对高超声速飞行器进行姿态控制.最后,将提出的CSUKF与基于特征模型的无迹卡尔曼滤波（CUKF）和基于特征模型的普通扩展卡尔曼滤波算法（CEKF）进行比较,仿真结果说明CSUKF与非线性黄金分割自适应控制律相结合可以有效改善控制的平稳性,且具有更好的滤波精度和系统输出,从而能更好地处理含测量噪声情况下的高超声速飞行器的辨识与控制问题.     

基于Jerk输入估计的MCS模型及非线性跟踪算法

针对强机动目标跟踪问题,基于当前统计(CS,Current Statistical)模型、改进输入估计 (MIE,Modified Input Estimation)和无迹强跟踪滤波器,提出了一种新的自适应目标跟踪算法.该算法引入Jerk输入估计改进了当前统计模型的状态方程和机动加速度方差调整方法,利用改进的无迹强跟踪滤波器实现了状态协方差、状态噪声协方差和机动频率的联合自适应.在没有加速度先验知识的情况下,能够实时准确跟踪目标连续强机动、匀加速机动和匀速运动状态.仿真实验表明:相比CS模型无迹滤波算法、CS模型无迹强跟踪算法和交互多模型算法,该算法在对目标强机动的适应性、跟踪精度和对突变状态跟踪的收敛性方面都有更好的性能.     

多变量模型参考自适应控制及在飞行控制中的应用

讨论了多变量模型参考自适应控制及其在飞行控制中的应用问题.针对相对阶任意的多输入多输出线性时不变系统,提出了一种模型参考自适应控制方案.基于SDU分解,仅要求高频增益矩阵的顺序主子式的符号已知,从而放宽了对高频增益矩阵的限制.通过构造合适的Lyapunov函数,证明了闭环系统的全局稳定性和跟踪误差的渐进收敛性.将所提方案应用到了飞行控制系统,仿真结果验证了所提方案的有效性.     

自适应混合信息滤波算法及其在 相对导航中的应用

为解决相对导航模型中线性、非线性并存,及多传感器信息融合时基于Kalman滤波的导航算法计算复杂度较大的问题,提出一种混合信息滤波算法;考虑测量噪声统计特性不准确等工程因素,提出一种自适应混合信息滤波相对导航算法.理论分析及仿真验证表明,与基于Kalman滤波的传统导航算法相比,给出的混合信息滤波算法具有多传感器数据融合时计算复杂度低、便于工程实现的优点,且可以完成线性、非线性并存时的导航滤波任务;除上述特点外,在传感器测量噪声统计特性不准确的情况下,给出的自适应混合信息滤波相对导航算法可以通过自适应调整量测协方差阵的方式,使导航系统仍保持较高的精度.     

基于并行模型自适应滤波的空间目标相对位姿估计

摘要： 扩展卡尔曼滤波(EKF)的估计精度受限于测量噪声统计特性的准确程度,如果敏感器测量噪声方差偏离其标称值,将会对滤波性能产生不利影响.尽管自适应扩展卡尔曼滤波(AEKF)能够对测量噪声方差进行估计,但是,噪声特性准确的情况下,AEKF的性能往往不及传统EKF.针对上述问题,本文提出一种并行模型自适应滤波(PMAF),基于特定的自适应率将EKF和AEKF结合起来,使得在先验信息准确的情况下,EKF在状态估计中起主导作用;相反,在实际噪声方差偏离标称值时,令AEKF起主导作用.这样,即能有效削弱测量噪声统计特性不确定性对滤波性能的影响,又能确保正常情况下的估计精度.以空间目标相对位姿估计为例,通过数学仿真对EKF、AEKF和PMAF进行了对比研究,表明所提算法的综合性能优于传统方法.     

一种航天器姿态快速机动及稳定控制方法

针对具有挠性太阳翼板和包括测量噪声、力矩噪声等系统噪声在内的复杂卫星对象,基于特征模型的自适应控制方法,结合多变量跟踪维持控制、逻辑积分控制、逻辑微分控制,设计卫星快速机动快速稳定控制器;进行了实例仿真,仿真结果表明提出的控制方法能够保证卫星高精度的快速机动和稳定控制能力。     

基于抗差自适应滤波的轨道在线检测

针对测量机器人在大型导轨检测中的应用设计了一套动态跟踪检测系统。由于受各种干扰的影响,系统测量得到的测量值与目标真实状态往往不尽相同,因此提出了一种基于Singer模型的抗差自适应滤波算法。首先,采用Singer模型建立目标的运动模型;在此基础上,发展了抗差自适应滤波技术来进行在线测量数据处理;最后,进行了轨道检测的跟踪测量应用。结果证明,该系统未经滤波处理时的测量误差能够达到mm级,通过滤波能够对测量数据进行平滑处理,准确定位误差点,降低了检测误差,能够满足长轨道在线检测的准确度要求。     

基于双谱的eLORAN接收机干扰抑制方法研究

针对eLORAN导航定时接收机传统自适应滤波干扰抑制算法性能易受高斯噪声影响的问题,提出了一种基于双谱检测的干扰抑制方法。该方法采用双谱估计,在高斯噪声中检测出干扰信号,再用检测信号调节自适应滤波器的系数,完成系数更新,最终达到去除干扰的目的。理论分析与实验结果表明：双谱检测方法能够有效的抑制高斯白噪声,提取信号。基于双谱检测的干扰抑制方法,可有效去除和减轻干扰,特别是在强高斯噪声干扰的情况下,抑制干扰效果明显,解决了eLORAN接收机在强噪声下的干扰抑制问题,具有一定的推广和应用价值。     

基于双谱的eLORAN接收机干扰抑制方法研究

针对eLORAN导航定时接收机传统自适应滤波干扰抑制算法性能易受高斯噪声影响的问题，提出了一种基于双谱检测的干扰抑制方法。该方法采用双谱估计，在高斯噪声中检测出干扰信号，再用检测信号调节自适应滤波器的系数，完成系数更新，最终达到去除干扰的目的。理论分析与实验结果表明：双谱检测方法能够有效的抑制高斯白噪声，提取信号。基于双谱检测的干扰抑制方法，可有效去除和减轻干扰，特别是在强高斯噪声干扰的情况下，抑制干扰效果明显，解决了eLORAN接收机在强噪声下的干扰抑制问题，具有一定的推广和应用价值。     

一类结构随机跳变系统的自适应滤波方法

提出了含有相关和非相关两类特征参数的结构随机跳变系统自适应滤波方法,并采用改进了的一种基于随机采样技术的自举滤波算法,其对于非线性非高斯问题具有很强的适应性,很好地克服了传统滤波算法在解决此类问题时所存在的"基础结构失真"的缺陷,从而提高了滤波算法的整体估计性能.在"闪烁"噪声环境里,测量信息存在随机中断的导弹制导问题的仿真结果,验证了本方法的有效性.     

基于扩张状态观测器的无拖曳系统参数辨识

分析了卫星无拖曳控制系统的在轨参数辨识问题,由于无拖曳系统的不稳定性质,需要设计控制器使其稳定,在此基础上进行闭环辨识.根据自抗扰控制原理,设计了扩张状态观测器以估计系统不同控制回路的扰动和状态,基于状态和扰动估计值设计控制器使系统稳定.提出了基于扩张状态观测器（ESO）的多输入多输出系统闭环参数辨识方法.为提高实际应用中的辨识效果,引入积分型滤波器对观测状态中的噪声进行抑制.将这种方法应用于类似LISA Pathfinder的单轴无拖曳模型,对系统动力学参数进行估计,通过数值仿真实验验证了该辨识方法的有效性和实用性.      

Neural [correction of Neutral] networks for control, identification and diagnosis.

Advances in the theory and technology of artificial neural networks provide the potential for new approaches to the problems of control, identification, and diagnosis for large, complex systems. However, these approaches must be validated for specific applications before they can be exploited effectively. Because of the unique capabilities they offer, neural networks should play an important role in space exploration systems operations. After a brief introduction to neural networks is presented, some applications of neural networks to identification and control of space systems are described and discussed. They span the spectrum of relatively straightforward to rather complex applications. An explanation of how neural networks can be applied to such important tasks as fault diagnosis and accommodation is presented. Neural networks are shown to be part of the hierarchy of intelligent control where a higher order decision element monitors and supervises lower order elements for sensing and actuation.     

基于Smith预测控制的空间机器人遥操作研究

基于无源性理论分析机器人时延双向遥操作不稳定的原因.为保证系统稳定,提出一个结合Smith预测控制与在线修正环境参数的控制策略.针对机器人接触性操作任务中环境模型参数的辨识,通过拉弹簧试验给出了在线辨识方法,并对提出控制策略的稳定性和透明性进行仿真分析.完成了机器人在时延条件下拉弹簧遥操作试验,结果表明在结构化环境中所提出的方法可以提供操作者较好的透明性.     

航天器热备份控制计算机软故障前向恢复方法

针对航天器热备份控制计算机单机软故障,提出一种前向恢复方法.该方法依据航天器热备份控制计算机系统的先验知识,通过对内存分块管理和重分配,进行数据比对和数据同步,使得软故障情况下系统中各单机自主、稳定地恢复至独立输出完全一致.与传统的恢复方法相比,新方法针对航天器热备份控制计算机系统设置合适的故障识别与定位的方法,且不用增加任何硬件开销.利用返回飞行器GNCC控制计算机对该方法进行了实现,试验结果证明该方法正确可行,为航天器热备份控制计算机的自主恢复技术奠定良好的基础     

功率电传机载作动系统方案分析

综述了目前正在验证中的各种功率电传机载作动系统的发展状况,并详尽描述其工作原理,在分析其各自的优缺点之后,针对当今技术发展现状以及新型作战飞机对作动系统的要求,提出了两种新型的功率电传作动系统——电机-泵复合控制功率电传作动系统和电机-泵-阀复合控制功率电传作动系统,初步实验分析证明了该两种方案作为向全电作动系统的过渡是可行的,将对未来机载作动系统的研制具有实际指导意义.      

随机系统的变结构控制

本文提出了随机系统的变结构控制问题,初步研究了随机变结构控制系统的行为,引出了滑动运动带的概念,给出了变结构控制策略,最后,指出了有待于进一步研究的问题。     

CPS在航天器控制系统中的应用分析

航天器控制系统是一种典型的信息-物理融合系统(CPS),应用CPS技术将是提高航天器控制系统设计正确性和效率的一个重要途径.在探讨CPS系统特征和CPS技术研究的进展以及分析航天器控制系统的技术特点的基础上,分析了在航天器控制系统中应用CPS技术的可行性,提出了基于CPS技术的系统设计的新思路和技术途径,并研究了在航天器控制系统中应用CPS技术需解决的问题和面临的挑战.     

一类不确定非完整运动学系统的鲁棒镇定

确定非完整运动学系统的镇定问题已有许多研究,然而当实际系统几何参数未知,特别是控制系统考虑不校准视觉测量时,运动学系统是不确定的.研究针对一类典型的不确定非完整运动学系统,即非完整移动机器人的鲁棒镇定问题.通过对质心和几何中心不重合情况下两轮独立驱动移动机器人镇定问题的研究,得到了以两独立驱动轮速度为控制输入的机器人运动学模型.对于车轮半径和两驱动轮之间距离参数已知情况下提出了光滑的时变镇定律,并针对这两个参数未知时,给出了鲁棒控制律设计方法.对这两类控制律下的闭环系统分别给出了严格的渐近稳定性证明.这类设计方法对于研究一般的不确定非完整运动学系统的镇定问题具有一定的启发意义.仿真试验验证了提出方法的有效性.      

一类复杂通信条件下高阶线性群系统编队控制

针对时变时延、拓扑不确定和外部扰动等复杂通信条件下的高阶线性群系统编队控制问题进行研究。首先，建立了群系统编队控制问题的数学描述，并基于一致性最近邻原则给出了编队控制协议框架。其次，提出了群系统实现编队的充要条件。通过状态分解和变量代换，给出了约束条件下，编队控制协议的设计方法。同时，为得到群系统所允许最大时延边界，引入自由权矩阵，得到了保守性较小的线性矩阵不等式（LMI）判据条件。仿真实验验证了编队控制方法对于有界时变时延、拓扑不确定以及外部扰动具有一定的鲁棒性。      

基于多分辨率特征自选择的遮挡物识别算法

光伏组件的遮挡物识别是光伏运维系统中不可或缺的环节，传统识别算法多依赖人工巡检，成本高昂且效率低下。基于卷积神经网络，提出了一种面向光伏组件的遮挡物识别算法PORNet。通过引入特征金字塔，构建多个分辨率下具有丰富语义信息的图像特征，提升对遮挡物尺度和密度的敏感性。通过特征自选择，筛选出语义最具代表性的特征图，以加强物体环境的语义信息表达。用筛选出的特征图完成遮挡物识别，从而提升识别准确率。在自建光伏组件落叶遮挡数据集上进行了实验比较和分析，并对识别性能进行了评估，通过与现有物体识别算法相比，所提算法的准确率和召回率分别提升了9.21%和15.79%。