一种改进的INS／GPS组合导航鲁棒H∞多重渐消容错滤波算法

在对适用于INS/GPS组合导航的H∞滤波方法进行了深入研究基础上,提出了一种改进的H∞多重渐消容错滤波算法.首先给出了H∞滤波算法,然后对渐消记忆滤波方法进行了有效的改进,提出了多重渐消因子矩阵对称加权的滤波算法和残差归一化的多重渐消滤波方法,有效避免了残差量级差别所导致的残差检测失效和修正作用失配,最后提出了一种双重故障检测的容错策略,构造了改进的鲁棒H∞容错滤波器.仿真结果表明,改进的H∞容错滤波方法较常规Kalman滤波对系统模型和噪声的不确定干扰具有很强的鲁棒性,在有色噪声情况下具有高于常规Kalman滤波的精度,对于故障具有较强的检测能力和较好的组合效果,更加贴近于工程应用需求.     

基于ANFIS的智能导航自适应滤波算法研究

智能导弹等智能化飞行器在快速跨域、高速机动飞行时,由于传感器切换、外形改变等因素,会对组合导航信息融合系统引入随机非Gauss噪声等影响,离线优化的参数往往不能满足滤波器精度的需求。自适应网络模糊推理系统ANFIS是一种将人工神经网络和模糊推理技术相结合而成,符合人类认知特点的决策方法,它可以对导航数据进行学习,实现智能决策、实时修改滤波器内部参数,对滤波器进行优化。仿真结果表明,基于ANFIS优化的智能导航自适应滤波算法可以有效减少噪声和干扰带来的影响,提高导航精度。     

基于RBF神经网络的导弹智能控制系统设计

为智能化导弹所设计的导弹智能控制系统应能够充分利用战场信息,自主而准确地生成控制指令完成目标打击。首先建立导弹控制系统模型,并在特征点处设计符合性能要求的PID控制器。在深入分析径向基函数(RBF)网络的结构与训练方法的基础上,通过大量仿真数据对RBF网络进行离线训练,将其训练结果直接作为俯仰与偏航通道的控制器。而滚转通道为典型的2阶系统,可采用滑模控制律,并利用RBF网络实时逼近外界非线性干扰项以提高滑模控制器的性能。通过某型倾斜转弯导弹六自由度仿真说明了本文所设计的智能控制系统的有效性。     

基于RBF神经网络的非均匀阵列波达方向估计

通过构建RBF(径向基函数)神经网络测向模型对非均匀阵列的单信号源和多信号源进行来波方位估计。仿真实验表明,在非均匀阵列情况下基于RBF神经网络的DOA估计方法比常规的测向方法具有更高的估计精度和时效性。     

基于RBF神经网络和M距离的卫星故障诊断

在常规基于解析冗余故障诊断技术的基础上,采用具有最佳模拟特性的RBF神经网络对系统进行建模,分析了M距离应用于卫星姿态控制系统故障检测与定位的可行性,应用基于M距离的方法设计故障检测观测器,通过对残差的评估实现故障诊断。仿真结果显示,该方法计算过程简单、实时性好。     

UKF容错滤波方法在自主导航中的应用研究

地磁场向量可描述成卫星的位置函数，以地磁场强度向量为观测量，利用三轴磁强计的测量信息即可实现近地卫星的自主导航。但当测量值存在野值时，滤波会出现偏差、收敛变慢甚至发散。将UKF滤波容错方法用于磁测自主导航，构造出一种基于残差正交性判别的UKF（Unsend Kalman Fiher）容错滤波方法，来实现野值的实时修正和故障诊断，使滤波器具有较强的鲁棒性。仿真结果表明该方法有效。     

基于RBF神经网络的船载雷达速率陀螺动态性能检测方法

对航天测量船惯性导航系统船摇数据和伺服系统陀螺数据进行分析,提出基于RBF神经网络算法,利用同船装载的惯性导航系统船摇数据检测雷达伺服速率陀螺动态性能的方法,并通过计算机进行实际测量数据的仿真实验。实验结果验证了方法的可行性。     

基于神经网络的SINS/GPS/TAN 容错组合导航系统设计

在联邦滤波器结构的基础上 ,设计了一种基于神经网络的天文惯性导航系统 /全球卫星定位系统 /战术导航系统 (SINS/GPS/TAN)容错组合导航系统。该系统首先在各子滤波器中用神经网络滤波 (NNF)代替传统的卡尔曼滤波 ,然后用模糊神经网络 (FNN)对各子系统进行故障检测 ,最后由神经元进行全局融合。通过仿真 ,验证了该方法的有效性     

非线性飞行混沌运动的修正RBF神经网络控制

如何求神经网络控制使非线性空间飞行混沌运动不会发生。该法是在输出层用回归权代替常数权再用EM算法来估计回归权的参数 ,这样修正的RBF的神经网络控制就可使非线性空间飞行不会出现混沌现象。这种算法R Langari,L Wang&J Yen (1997) [1] 在研究径向基函数网络时提出过。其突出的优点是把复杂的多参数的最优化问题分离为N个小型最优化问题 ,这里N是隐藏层单元数。     

基于神经网络的无迹滤波改进算法

介绍了采用无迹变换(UT)描述随机变量通过非线性系统后的均值及方差的方法,提出可以将神经模糊推理系统(ANFIS)用于确定无迹变换中的参数,使其对随机变量均值的描述达到二次以上精度,并给出了改进的无迹滤波器(UKF)结构和神经网络训练方法;仿真结果表明,该算法适用于系统含有未知输入或系统噪声为非高斯的情况,并可解决一些典型的非线性估计问题,改进算法的性能优于传统无迹滤波器。     

基于BP神经网络组合导航融合算法

文章针对卡尔曼滤波算法的缺陷,建立了组合导航系统模型,提出了基于BP神经网络修正卡尔曼量噪权值的自适应卡尔曼滤波法,对量测噪声统计特性进行了自适应调整,并与传统卡尔曼算法进行计算机仿真比较。结果表明,基于BP神经网络的卡尔曼滤波器在一定程度上抑制了数据的发散,提高了导航精度。     

基于RBF网络辨识的挠性卫星姿态自适应控制

为满足挠性卫星姿态控制的更高要求,提出了一种基于径向基函数（RBF）网络辨识的模糊自适应控制方法。根据卫星姿态动力学方程,将RBF辨识网络引入模糊神经网络的T-S模型,以辨识卫星,在线修改模糊神经控制器（FNC）参数,使卫星的姿态角度达到设定值。仿真结果表明：该法能有效克服卫星的不确定性,提高卫星姿态的控制精度。     

基于再励模糊神经网络的三轴稳定卫星姿态智能控制

将再励学习引入模糊神经网络的T-S模型,建立了模糊神经网络控制器和控制评估网络的再励学习算法,并应用于三轴稳定卫星的姿态控制。这种再励模糊神经网络不需要精确的卫星数学模型和学习样本,通过再励学习实现控制网络/评估网络参数的在线调节,具有比较强的适应性和学习能力。仿真结果表明,这种智能控制方法可以有效解决卫星的模型不确定性问题,提高了卫星姿态控制的精度和鲁棒性。     

基于遗传算法和神经网络的梁板结构可靠性优化

基于结构系统静强度可靠性分析、神经网络和遗传算法,对空间梁板结构系统进行了可靠性分析和基于可靠性的优化设计。结构可靠性分析中,给出了安全余量以及安全余量对各变量敏度的显性表达式,便于各安全余量间相关性计算和可靠性计算精度提高。结构优化中,用神经网络和遗传算法,每代遗传操作中只需用传统方法计算1次结构系统可靠性指标,将该代最优解对应的数据加入神经网络的训练样本,从训练样本中删除最次样本,使训练样本不断处于更新状态。数值算例表明：该法收敛平稳、用时较少,具较好的收敛性和较高的计算效率。     

基于统计参数分析和RBF网络的动调陀螺故障诊断方法

针对动调陀螺故障振动信号的特点,提出了一种基于振动统计参数分析和神经网络的动调陀螺故障诊断方法.该方法通过计算原始振动信号的一组统计参数作为表征故障的特征信息,以此作为RBF神经网络的输入参数来学习并识别陀螺故障.实验结果表明,采用对统计参数的计算能够简单、有效地提取陀螺故障特征信息;运用神经网络进行故障诊断建模,使诊断具有自适应、自学习的能力,诊断结果更加可靠.     

基于神经网络的BTT导弹逆控制方案设计

对基于神经网络的倾斜转弯(BTT)导弹逆控制进行了研究。用径向基函数(RBF)神经网络结构和最近邻聚类算法,对导弹系统逆动力学系统进行动态模型辨识,以辨识模型为控制器与BTT导弹控制系统串联构成动态伪线性系统;用逆系统法设计了一种用于BTT导弹非线性控制的经典控制与神经网络在线自学习综合控制方案,实现了导弹三通道的线性化控制和输出的渐近无差跟踪。仿真结果表明:该方案可根据设计指标要求实现对BTT导弹的非线性控制,且有较强的鲁棒性。     

运载火箭推力故障下基于智能决策的在线轨迹重规划方法

为了提高运载火箭上升段飞行中推力故障下轨迹重规划的计算效率,提出了一种基于智能决策的在线轨迹重规划方法,将原问题转化为最优救援轨道的在线智能决策和成熟的燃料最优轨迹规划问题进行求解。通过离线求解不同故障状态对应的轨迹重规划问题,建立"故障状态-救援轨道"样本集,基于径向基神经网络建立最优救援轨道的决策模型,并将决策模型装订箭上。在实际飞行中以当前故障状态作为输入,利用决策模型可在线快速决策出最优救援轨道根数,进而求解以救援轨道为目标轨道的燃料最优轨迹规划问题,从而完成推力故障下的在线轨迹重规划。数值仿真表明,与直接求解轨迹重规划问题相比,该方法的计算效率提高了两个数量级以上,同时给出一致的最优救援轨迹。     

基于递归模糊神经网络的鲁棒BP算法研究

讨论了一种基于递归模糊神经网络的鲁棒BP算法的实现。该算法采用极大似然法修正传统BP算法的指标函数 ,利用M估计器和自举算法在线估计样本的误差分布 ,适合于动态非线性系统的辨识 ,逼近精度高 ,收敛速度快 ,在小噪声扰动时处于稳定 ,对过失误差有很强的鲁棒性。仿真结果证明了该算法的有效性