基于卡尔曼滤波器的容错控制和硬件在环验证

为了有效地开展微型燃气轮机传感器的故障诊断和容错控制,在采用基于模型的设计方法建立微型燃气轮机部件级模型的基础上,使用了一种基于扩展卡尔曼滤波器的故障诊断和容错控制方法,能够有效地诊断出传感器故障,并重构正确信号继续进行闭环控制。使用MATLAB/Simulink的自动代码生成技术,将微型燃气轮机模型及故障诊断和容错控制方法在全数字仿真平台和硬件在环仿真平台进行集成和验证,结果表明：基于模型的设计方法的数字仿真结果与硬件在环仿真结果具有很高的一致性。     

变循环发动机自适应无迹卡尔曼滤波器设计

针对变循环发动机健康参数估计问题,设计了一种自适应无迹卡尔曼滤波器。该算法通过最大化后验密度函数来建立过程噪声协方差和测量噪声协方差的自适应更新方程,以改善传统无迹卡尔曼滤波器设计中先验参数需要根据经验来设置,进而导致滤波器性能受人为因素影响较大的问题。以带核心机驱动风扇级的变循环发动机为对象,进行了不可测参数估计仿真试验,对所设计的自适应无迹卡尔曼滤波器算法进行了仿真对比验证。结果表明：在单参数退化条件下,健康参数平均估计误差不大于2%;多参数退化条件下,健康参数平均估计误差不大于1.8%;该算法性能优于增广卡尔曼滤波器、传统无迹卡尔曼滤波器,相较于传统无迹卡尔曼滤波器性能提升9.5%。     

基于改进混合卡尔曼滤波器的航空发动机机载自适应模型

提出了基于改进混合卡尔曼滤波器的航空发动机机载自适应模型方法,即以机载非线性模型的输出作为分段线性卡尔曼滤波器的稳态基准值,将性能蜕化因子作为该滤波器的增广状态量进行在线估计,并反馈给机载非线性模型使其完成在线更新.同时,根据工作模式切换机制使该模型获得有效输出.通过将该方法应用于某型涡扇发动机进行一系列仿真表明,在全飞行包线内、不同工作状态以及性能蜕化严重的情况下,该模型能够始终与实际发动机相匹配,满足实际应用需求.      

用卡尔曼滤波器估计目标机动加速度

为了使基于线性二次型高斯理论的LQG最优制导规律得到工程应用,设计了一种寻的回路中的卡尔曼滤波器,利用仿真技术,用这种滤波器对目标机动加速度进行了估计,仿真结果表明,这种滤波器可以准确估计目标机动加速度。     

基于模糊自适应扩展卡尔曼滤波器的异步电动机无速度传感器控制

针对传统扩展卡尔曼滤波器(EKF)固定的噪声协方差矩阵在观测感应电动机转速时不能同时满足系统动态和静态下精确估计的问题,提出了一种模糊自适应调整噪声协方差的方法。该方法可以根据状态鉴别器输出状态,经模糊自适应调整噪声协方差矩阵参数,解决了系统在动态和静态时对噪声协方差矩阵中不同参数需求的问题。仿真表明所提模糊自适应EKF转速估计精度更高,有效地提高了系统的抗干扰能力。     

利用区间广义卡尔曼滤波器跟踪来袭弹道式导弹

用雷达跟踪来袭弹道式导弹,由于其运动模型、测量噪声的不确定性,成为需要研究的重要问题。经典广义卡尔曼滤波器（ＥＫＦ）不再适用于这种不确定的问题,因此,引入一种新的区间广义卡尔曼滤波（ＥＩＫＦ）方法来跟踪导弹系统。计算机仿真结果表明本ＥＩＫＦ算法对于这种不确定的、非线性弹道式导弹的测量问题是有效的。     

基于双重卡尔曼滤波器的发动机故障诊断

提出了一种基于双重卡尔曼滤波器的航空发动机健康参数估计方法,实现了传感器发生故障情况下发动机故障的准确诊断.采用发动机动态工作点的测量数据,解决了可测量参数偏少导致故障诊断困难的问题;球面采样平方根UKF(UnscentedKalmanfilter)故障诊断滤波器具有更好的滤波稳定性与更低的计算量的要求,提高了故障诊断算法的效率与精度.某型双轴涡扇发动机故障诊断仿真结果表明,该方法可以准确的同步实现气路部件与传感器的故障诊断,是一种有效的航空发动机故障诊断方法.      

基于卡尔曼滤波器及神经网络的发动机故障诊断

提出了一种基于卡尔曼滤波器及神经网络的航空燃气涡轮发动机气路故障诊断的方法.该方法用卡尔曼滤波器来估计发动机可测参数的变化量,再由神经网络来映射发动机性能参数的变化量,并据此进行发动机气路故障诊断.数字仿真表明,该方法是可行的,有效的.