基于模糊优化算法的惯性元件误差补偿方法

阐述基于模糊优化算法的导航系统惯性元件误差补偿方法.该方法的基本思想是将遗传算法与模糊逻辑推理相结合,保留遗传算法的强全局搜索能力,把隶属函数作为遗传的个体通过选择、交叉及变异等遗传操作使模糊规则得到进化,实现模糊规则的在线优化,进而根据优化了的模糊规则,再对遗传操作及参数在线进行调整,从而进一步优化模糊规则,使得模糊控制系统具有良好的"自进化"能力.仿真结果表明,该模糊优化算法对导航系统惯性元件的误差补偿是可行的,而且是有效的,具有一定的实用价值.      

非线性椭球集员滤波及其在故障诊断中的应用

 针对带有未知但有界噪声的非线性系统,提出一种椭球集员滤波算法,并将其应用于保证故障检测与隔离。对非线性状态方程和量测方程进行泰勒展开之后,通过区间分析的方法给出线性化余项存在区域的盒子外界描述。假设过程和量测噪声由盒子限界,在算法的时间更新和量测更新过程中,分别计算包含椭球与线段的向量和及椭球与带的交的次最小容积椭球。在椭球集员滤波算法的基础之上,给出传感器故障检测与隔离的方法。由于集员滤波是保证状态估计,因而基于集员滤波算法的故障检测与隔离方法也具有保证性,即如果发出故障警报,则一定有故障发生。一个二维非线性系统的例子说明了该方法的有效性。     

参数不定区间估计的对偶线性规划方法

将参数不定区间估计(PIE)问题变换成一组对偶线性规划(DLP)问题,提出了求解这组DLP问题的改进单纯形方法.该方法利用变量间的对偶关系,直接计算初始基本可行解,省去了初始基本可行解的搜索步骤.此外,在确定旋入和旋出变量时都采用了目标值最大减少规则,减少了旋转迭代次数.针对由PIE问题所导出的全部DLP问题都具有相同的目标函数和约束矩阵,给出了单搜索过程求解全部DLP问题的联合单纯形法.仿真结果说明了所给算法的计算效率.      

集员辨识与T-S模型相结合的非线性系统建模及其故障检测算法

针对带有未知但有界（Unknown But Bounded．UBB）噪声的非线性系统的建模及其故障检测问题，提出了一种集员辨识与T-s模糊模型相结合的非线性系统建模及其故障检测算法。在建立非线性系统模型时，利用系统正常状态下的运行数据，选用T-S模型对其进行离线建模。首先采用模糊聚类的方法对输入空间进行模糊划分，然后利用T-S模型为参数线性模型的特点，使用参数线性集员辨识算法辨识T-S模型的结论参数。由于集员辨识算法所得到的是参数的集合估计，在系统运行过程中，可以很方便地利用所建模型预测实际系统的输出范围，如果测量所得实际系统的输出不在预测输出范围之内，则可判断系统发生了故障。通过与其他算法相比，验证了本方法的性能。     

一种鲁棒输出反馈线性化方法在导弹自动驾驶仪设计中的应用研究

针对具有多模型的HAVE DASHⅡ导弹对象，利用一种结构简单的鲁棒输出反馈线性化方法，为其设计了全弹道自动驾驶仪控制系统。设计中仅需要少量的模型集信息，并不依赖于某一具体子系统，对整个模型集具有通用性。由于不再需要设计多个控制器，因此避免了常规多模型切换摔制中抖动的产生。该方法利用模型估计器实时估计系统动态特性，只要参数选得合适，能无偏差地估计出模型集中每个系统动态特性，有很强的鲁棒性。此外。还利用了高增益观测器来获取控制律中所需的导数信息，使得整个闭环系统仪需要输出量反馈，降低该方法的工程实现难度。仿真结果表明，所设计的自动驾驶仪系统能够控制模型集中所有飞行条件下的状态准确快速地到达期望值上。