命中概率估计

本文首先建立由制导误差引起的脱靶量的分布规律，然后给出命中靶而上圆城的概率表示。对于命中概率的估计，讨论了一致、最小方差、无偏估计（UMVU估计）。对于样本容量较小的场合，给出了自助估计方法。     

基于RBF神经网络的非线性观察器设计

提出了一种新的非线性观察器设计方法。与一般方法采用神经网络逼近整个非线性系统不同，该方法用RBF神经网络逼近系统的非线性项，故提高了状态估计的精度。基于李亚普诺夫方法，证明了状态估计误差渐近稳定且渐近收敛到零。仿真结果表明，所提出的非线性观察器设计方法具有良好的性能。在故障检测、状态估计等领域具有广泛的应用前景。     

一类二维样条插值函数的最佳误差估计

本文主要结果为下述定理。 定理:设x(uw)是矩形域上关于该矩形上均匀分割的二维双三次样条插值函数,且x(uw)满足条件(5),则x(uw)在矩形域R边界上的节点处的四阶混合偏导数有估计式: |S_(i,0)|≦|A[i,n—1]||ε_(n,0)| |B[i,n—2]||ε_(0,0)|=[0,-4,(-1)~2 4,…(-1)~i 4]/[0,-4,(-1)~2…(-1)~n 4]|ε_(n,0)| sum from h=i to n-2 (-1)~(k(k-2)-(i 1)(i-2))[0,-4,(-j)~2 4…(-1)~i 4]/[0,-4,(-1)~2 4,…(-1)~(k 1) 4][0,-4,(-1)~2 4,…,(-1)~(k 2)4] (-1)~(i(i 1)/2)/[0,-4,(-1)~2 4,…(-1)~n 4]|ε_(0,0)|其中等号成立的条件分别为: A[i,n—1] B[i,n—2] ε_(n0),ε_(00)>0 A[i,n—1] B[i,n—2] ε_(nm),ε_(0m)>0 其中 i=1,2,…,n—1. j=1,2 …,m—1.     

有色噪声补偿下降阶系统状态的最优估计

在大型空间结构的控制系统设计中,降阶系统的状态估计是非常重要的环节,它直接关系到控制器的性能。针对B.Friedland的工作,本文提出了有色噪声补偿模型,在恒等变换下显式地消去了有色噪声项,利用正交投影定理仅对感兴趣的状态分量导出了无偏、最小方差估计。这组递推估计式与采用增广状态方法相比,不仅在处理容量、计算效率上有很大改进,而且是标准Kalman滤波方程的推广。注意到原系统与降阶系统之间的内在联系,本文采用随机系统分析方法,给出了在高斯、马尔可夫假设下,有色噪声模型特征参数的在线识别技术。数字仿真表明,对偏差补偿起主要作用的是有色噪声补偿模型中的驱动白噪声项,这是对B.Friedland工作的发展。     

基于形态学梯度矢量的图像边缘提取算法

图像的边缘在很大程度上可以用梯度的概念来解释和描述,而现有的形态学梯度边缘检测算子抹煞了梯度的矢量性。文章提出了一种新的图像边缘提取算法:在边缘检测部分提出了具有方向估计的形态学梯度算子,且从理论和实际应用两个方面给予证明。并将模糊处理加入该系列算子,使这些算子在噪声抑制和提高边缘清晰度两方面均有较好的表现。同时在图像分割部分改进了最佳阈值化分割,利用小范围的边缘梯度各方向上的最佳阈值化进行调整,使图像的边缘更加完整、清晰。     

两个母体均值之差的区间估计

介绍了对已知母体方差和未知母体方差的两个正态母体及不服从正态分布的两个母体等三种情况的均值之差 μ1- μ2 进行区间估计的原理、方法并给出应用实例     

三浮陀螺伺服测试误差系数估计方法

为了更好地解决工程实际中三浮陀螺极轴伺服测试时误差系数估计问题,采用了Kalman滤波和递推最小二乘的方法.试验结果证明,Kalman滤波方法能够有效地估计出极轴伺服测试时的陀螺误差系数.用统计检验的方法分析了该模型以及各系数的显著性,结果显示对Dvz和Dzz的估计是显著的.     

无虚拟控制律的高超声速飞行器新型模糊控制

针对弹性体模型的吸气式高超声速飞行器(Air-breathing Hypersonic Vehicle; AHV)飞行过程中存在的外部未知扰动和不确定性,提出了一种无需虚拟控制律的新型模糊控制方法。首先,基于飞行器的纵向模型,将控制系统分解为速度子系统和高度子系统;然后对于每个子系统,仅采用一个模糊逼近器对系统的总不确定项进行逼近,摆脱了传统鲁棒控制对于精确模型的依赖,并保证系统的鲁棒性能。与含有虚拟控制律的传统反演控制相比,本文的虚拟控制律仅应用于系统稳定性分析,无需繁琐解算,仅按实际控制律需要执行。采用范数估计策略为模糊系统权系数参数向量的范数设计自适应律,保证了实时性的同时大大减少了逼近过程的学习量。最后通过仿真分析,在引入参数摄动的条件下,对系统输入的参考速度和参考高度进行跟踪控制,验证了控制器的鲁棒性和稳定性。     

一种TASIMM-UKF导弹状态估计方法

为了提高对机动导弹状态估计的精度和速度,提出了一种三轴分离IMM-UKF(TASIMM-UKF)滤波算法。将导弹运动状态按坐标轴方向进行三轴分离,并基于CV,CA和CJ模型集,采用无迹卡尔曼滤波器并行估计导弹三轴状态信息,有效地解决了导弹不同运动轴间的模型竞争问题。仿真结果表明,该方法能有效提高状态估计精度,缩短了估计时间,对复杂大机动目标状态估计具有良好的性能。