Unscented Kalman滤波用于再入飞行器跟踪

本文引入Unscented Kalman滤波用于再入飞行器跟踪。Unscented Kalman滤波通过设计少量的σ点，并计算这些σ点经由非线性函数的传播，从而获得滤波值基于非线性状态方程的更新。在应用中，由于Un-scented Kalman滤波无需象广义Kalman滤波那样求动力学系统函数和观测系统函数关于状态向量的导数。给计算带来了极大的方便。     

基于自适应Kalman滤波的导引头随动系统设计

主要研究导引头随动系统中探测器信号处理延迟的影响及其补偿控制算法。提出了一种自适应Kalman滤波延迟补偿方案,利用Kalman滤波的预测能力得到当前时刻视线角的估计值,进而得到此时的跟踪误差的估计值,取代被延迟的探测器输出进行闭环控制。考虑到导引头探测器的低更新频率、非等间隔量测等工程特点,又对上述滤波算法进行了一系列改进。仿真表明方法可以明显提高导引头在弹体扰动情况下的跟踪精度。     

H∞滤波算法及其在GPS/SINS组合导航系统中的应用

在对 H∞ 估计问题进行数学描述的基础上 ,建立了一种 H∞ 次优滤波算法的迭代方程。定性讨论了H∞滤波算法与传统 Kalman滤波器的关系 ,通过在 GPS/SINS组合系统中的实际应用进一步从精度、鲁棒性等性能指标方面对 H∞ 滤波和 Kalman滤波算法进行了比较。仿真结果表明 ,在理想条件下 ,Kalman滤波方法具有较高的精度 ;但是 ,当系统模型和外部干扰统计特性发生变化时 ,H∞ 滤波算法明显具有良好的鲁棒性能 ,同时 ,估计精度也较高 ,有效地克服了 Kalman滤波器存在的局限性     

H_∞滤波算法及其在GPS/SINS组合导航系统中的应用

 在对 H∞ 估计问题进行数学描述的基础上,建立了一种 H∞ 次优滤波算法的迭代方程。定性讨论了H∞滤波算法与传统 Kalman滤波器的关系,通过在 GPS/SINS组合系统中的实际应用进一步从精度、鲁棒性等性能指标方面对 H∞ 滤波和 Kalman滤波算法进行了比较。仿真结果表明,在理想条件下,Kalman滤波方法具有较高的精度;但是,当系统模型和外部干扰统计特性发生变化时,H∞ 滤波算法明显具有良好的鲁棒性能,同时,估计精度也较高,有效地克服了 Kalman滤波器存在的局限性。     

导弹发射装置随动系统模糊神经PID控制器

在有些系统性能指标要求很高的导弹发射装置的随动系统中,传统的PID控制往往难以满足要求。文章以某型导弹发射装置的随动系统为模型,结合了模糊控制、神经网络及PID等控制算法,设计了模糊神经PID控制器。通过与传统的PID控制器仿真实验对比,可以看出应用模糊神经PID控制器能够有效地提高该随动系统的动态性能和鲁棒稳定性。     

基于积分分离+死区PID的逆变电路控制系统研究

为了提高逆变电路模块控制性能,在传统PID控制方法基础上提出了一种基于积分分离+死区PID控制的逆变电路控制方法,可有效解决传统PID控制引起的控制量超过被控对象而造成系统振荡的问题。积分分离+死区PID控制算法是在积分分离PID控制算法内引入死区PID控制算法,综合了两种控制算法的优点,既可延长控制系统使用寿命又可对系统偏差进行限制。最后通过MATLAB/Simulink建立具有逆变电路模块的高频电源仿真模型,将所提PID控制方法应用于其中,验证了所提方法的有效性和实用性。     

基于模糊PID的飞机机轮静态性能测试装置

机轮是飞机的重要组成部分,其安全性能直接影响飞机的安全起飞和着陆.机轮的性能指标包括动态性能指标和静态性能指标.静态性能指标主要包括机轮的静强度和刚度,一般采用传统PID控制算法实现飞机机轮静态性能指标的测试,但由于传统PID控制算法鲁棒性差,对非线形、时变等系统难以获得满意的控制效果,本文基于S7-300PLC,将先进智能控制方法与传统PID控制相结合,提出了模糊PID自整定算法在PLC上的实现方法,并完成对飞机机轮静态性能测试装置的有效控制,试验结果显示该控制系统在控制性能上明显优于传统PID控制算法.     

陀螺仪随机误差的渐进遗忘多新息Kalman滤波

MEMS陀螺仪由于小体积、低价格等优点在民用领域得到了广泛应用,但是由于工艺水平限制,MEMS陀螺仪测量数据中存在大量的随机误差。为了减小MEMS陀螺仪测量的随机误差、提高测量精度,提出了基于渐进遗忘多新息Kalman滤波的随机误差滤波方法。建立了MEMS陀螺仪随机误差的AR模型,在经典Kalman滤波中引入了多新息修正方法,并使用渐进遗忘因子削弱历史数据的积累干扰作用,从而给出了随机误差的渐进遗忘多新息Kalman滤波方法。同时,使用经典Kalman滤波和渐进遗忘多新息Kalman滤波对MEMS陀螺仪输出数据进行处理,并使用Allan方差分析各噪声含量,可知：渐进遗忘多新息Kalman滤波后的数据其QN噪声比经典Kalman滤波减小了2个数量级,ARW噪声减小了1个数量级,BI噪声减小了2个数量级,RRW噪声和RR噪声减小为原来的约1/5,实验结果验证了渐进遗忘多新息Kalman滤波在陀螺仪随机误差滤波中的先进性。     

非线性状态方程自校准滤波方法

针对工程实际中遇到的非线性系统状态方程中含未知输入（如环境因素的影响、模型和参数选取不当等）的情况,采用自校准技术,基于秩滤波与无迹Kalman滤波算法提出了一种非线性状态方程自校准滤波方法,并分别讨论了自校准秩滤波(SRF)与自校准无迹Kalman滤波(SUKF)两种情况。大量仿真结果和工程应用表明:与无迹Kalman滤波(UKF)相比,该方法通过对系统状态方程中的未知输入进行自动估计和补偿,改善了系统受未知输入影响下的滤波效果,从算例中可以看到,估计精度至少提高了80%,且计算简单,便于工程应用。      

FUZZY-PID在激光陀螺稳频控制中的应用研究

在分析环形激光陀螺光强控制系统原理的基础上 ,针对自行研制的激光陀螺 ( RLG)计算机稳频控制系统的情况 ,研究了 FUZZY- PID与常规 PID控制算法 ;介绍了一种应用模糊推理功能实现 PID参数自整定的控制器 ,它是在常规 PID调节器的基础上 ,采用模糊推理思想 ,根据不同的 E和 EC,对 PID参数 KP、KI、KD 进行在线自整定的模糊控制器。仿真结果表明 :系统的动、静态性能都符合指标 ,该算法是实现激光光强控制进而完成激光频率控制较理想的控制算法。     

自适应UKF在北斗定位算法中的应用

北斗导航系统发展日益成熟,介绍了北斗定位解算与GPS解算的差异,针对扩展Kalman滤波(Extended Kalman Filter,EKF）算法在北斗解算过程中容易引入非线性误差,无迹Kalman滤波(Unscented Kalman Filter,UKF）算法受初值和系统噪声影响较大问题,提出了一种自适应无迹Kalman滤波(Adaptive Unscented Kalman Filter,AUKF）北斗定位解算算法。该算法利用观测残差信息构建自适应渐消矩阵,消除量测噪声异常带来的影响,同时提高了滤波精度。实验表明,与EKF和UKF定位解算算法相比,AUKF算法在定位精度和对系统噪声鲁棒性方面都有所提高,是一种可靠稳定的北斗定位算法。     

基于Kalman滤波的变体飞行器T-S模糊控制

针对变体飞行器的跟踪控制问题,提出了一种基于Kalman滤波的T-S模糊控制方法。考虑飞行器系统状态不可测,引入惯导数据作为辅助信息,利用Kalman滤波算法融合飞控信息与惯导信息实现状态估计。由于变体飞行器在不同变形结构下气动特性变化较大,为便于控制器设计,采用小扰动线性化方法得到飞行器在不同平衡点处的局部线性模型,并通过状态反馈方法设计局部控制器,局部线性模型和局部控制器通过模糊集和模糊规则聚合成一个连续光滑的全局T-S模糊模型和T-S模糊控制器。通过综合Kalman滤波器与T-S模糊控制器得到一个基于Kalman滤波的T-S模糊控制器。仿真结果表明,该控制器在变形过程中能够实现状态估计,保证飞机的跟踪性能。     

自校准Kalman滤波方法

提出一种自校准Kalman滤波方法(SKF),建立SKF模型及其滤波递推算法.在深空探测、发动机故障诊断等许多工程实际中,由于未知输入(如突风、故障、未知的系统误差等)的影响,传统的Kalman滤波方法在滤波递推过程中会产生较大误差.文中提出的自校准Kalman滤波方法能够自动补偿这种未知输入的影响,提高滤波精度.从某飞行器仿真中可以看到,SKF的滤波误差均值和方差分别比传统的Kalman滤波方法降低了400%和300%以上,有效地改善了滤波效果.并且该方法计算简单,便于工程应用.     

基于小波神经网络PID的永磁同步电机转速控制

提出了基于小波神经网络PID的永磁同步电机(PMSM)转速控制策略。根据系统运行参数的变化,采用三层前馈式人工神经网络,基于梯度下降纠正误差法在线训练实时更新PID参数值。采用小波神经网络和增量式PID共同构成转速环控制器。建立PMSM数学模型,设计PMSM速度环控制器,构建S函数,对控制算法进行仿真试验,验证了该控制算法的先进性。试验结果表明,所提控制策略比传统PID转速控制具有更好的动态性能和抗干扰能力。     

专家-模糊自适应PID算法在伺服控制系统中的应用

为满足工程中伺服系统所用控制算法的要求,基于控制系统输出误差及误差变化率的大小,在专家PID和模糊自适应PID之间进行模式转换,提出一种基于专家控制的模糊自适应PID控制算法。将该算法用于飞机燃油全模试验伺服控制系统中,并使用Matlab进行仿真。结果表明,该算法既具有模糊PID控制精度高、稳态性好、鲁棒性强的优点,又继承了专家PID控制器响应快速的特点,具有很好的控制效果。     

舵机加载试验系统设计与实现

为验证飞机舵机装机前的性能指标,设计了一套基于模糊PID控制理论的电动舵机加载试验系统。依据舵机加载系统连接构成,建立了加载系统数学模型,并利用Simulink仿真工具对系统进行了仿真分析。结果表明,控制算法采用模糊PID能够更精确于舵机的性能检测。     

Unscented Kalman滤波在空间飞行器被动测距中的应用

介绍了Unscented Kalman滤波及其空间飞行器被动测距中的应用。Unscented Kalman滤波通过设计少量的sigma(抽样)点,计算这些点经过非线性函数的传播,获得滤波值基于非线性方程的更新。Unscented Kalman滤波避免了广义Kalman滤波等线性化方法的缺点,并提高了滤波精度。     

GPS/INS组合导航系统自适应滤波算法与仿真研究

随着组合导航系统应用环境的日趋复杂，给噪声统计特性的准确描述带来困难，这将造成Kalman滤波器不稳定甚至发散。首先对目前解决此问题常用的自适应滤波方法进行了总结和分析，在此基础上，给出了基于滤波收敛性判据，结合Sage-Husa自适应滤波和强跟踪Kalman滤波的改进自适应滤波算法。最后以GPS／INS组合导航系统为例进行了计算机仿真，结果表明：该算法可有效抑制滤波发散，具有较大范围的自适应能力。     

自适应增量 Kalman 滤波方法

提出自适应增量Kalman滤波(AIKF)的概念和定义,建立自适应增量Kalman滤波模型及其分析方法,给出主要的计算步骤.传统自适应Kalman滤波(AKF)方法能够对事先未知的系统噪声和量测噪声的统计量进行有效的估计.但是,传统自适应Kalman滤波方法也无法对由于环境因素(如深空探测)的影响、测量设备的不稳定性等原因产生的未知时变测量系统误差进行补偿和校正,从而产生较大的滤波误差,甚至导致发散.提出的自适应增量Kalman滤波方法不但能够对系统噪声和量测噪声的统计量进行估计,而且还能成功消除这种测量系统误差,有效地提高滤波精度.该方法计算简单,便于工程应用.      

R-T-S平滑算法与抗差Kalman在数据后处理中的应用

为了提高组合导航系统后处理精度和数据稳定性,将R-T-S最优固定区间平滑算法引入数据后处理中,在前向Kalman滤波的基础上,进行了后向R-T-S最优固定区间平滑处理,并针对GPS观测值中存在异常的问题,将抗差Kalman滤波算法引入数据后处理中,并对该算法进行实物仿真。结果表明,与传统Kalman滤波相比,R-T-S平滑算法不仅可以提高位置、姿态精度,而且在卫星信号失锁的情况下精度也得到显著改善,并且在不丢星的时刻,抗差Kalman滤波可以有效处理GPS信号中的异常观测值,遏制滤波发散,是一种有效的数据处理方法。