LQG／LTR方法在涡扇发动机控制中的应用

采用LQG／LTR多变量鲁棒控制器设计方法设计了某型航空涡扇发动机控制器；利用神经网络拟合发动机飞行条件、状态与控制器参数之间的关系,验证了控制器在全飞行包线内的性能。仿真结果表明,发动机控制系统的指令跟踪、噪声抑制、抗干扰和鲁棒性等性能良好,能满足发动机稳态控制的要求。     

航空发动机非完全恢复的LQG/LTR控制系统设计

为解决常规LQG/LTR控制器中存在的参数值过大问题, 提出了非完全恢复的LQG/LTR设计方法, 并从控制系统中零极点关系的角度, 阐述了该设计方法降低控制器参数数值的机理.将该方法应用于航空发动机控制系统设计中.仿真表明, 该方法不但有效地抑制了控制器的参数值过大, 且相对于常规LQG/LTR设计方法具有更理想的控制效果.      

增广LQL方法及其在航空发动机控制中的应用

将LQL(Linear quadratic L2bounded uncertainties)控制方法应用于航空发动机控制系统设计.并提出了增广LQL控制方法, 应用其设计了航空发动机控制系统.在飞行包线内对控制系统进行了仿真, 结果表明增广LQL控制方法控制精度高、鲁棒性强.      

基于ST-SRCKF的超高速强机动目标跟踪算法

针对超高速强机动目标运动模型难以准确建立且观测数据易出现不良量测而导致滤波发散的问题,提出一种适用于超高速强机动目标的跟踪算法。该算法根据正交性原理推导了一种新的强跟踪平方根容积卡尔曼滤波（ST-SRCKF）结构,并引入多重渐消因子,渐消因子求解方法和作用位置均不同于已有的ST-SRCKF。根据新息的统计学特性,即新息协方差矩阵的迹服从卡方分布,建立了一种改进的CS-Jerk模型,该模型对目标机动的描述更准确,它与改进ST-SRCKF算法的结合实现了对超高速强机动目标的高精度跟踪。仿真结果表明,改进算法对超高速强机动目标的跟踪性能更佳。