低复杂度自适应容积卡尔曼滤波算法

确定采样型滤波算法中的容积卡尔曼滤波（CKF）算法滤波性能优良,但是却难以克服目标模型不确定性或者目标状态突变带来的影响。构造强跟踪CKF能有效改善算法的自适应性,但是在求解渐消因子时大大增加了计算量。为此,提出一种低复杂度自适应CKF算法,通过设立基于新息的自适应修正判决准则和修正方式,直接对状态预测值进行修正,使滤波算法能及时跟上目标真实状态,以提高滤波精度。使用浮点操作数计算并分析了CKF算法、强跟踪CKF算法及所提算法的复杂度,同时将3种算法应用在建模不准确的目标跟踪中,并进行仿真验证。仿真结果表明:在目标建模不匹配的情况下,低复杂度自适应CKF算法和强跟踪CKF算法都能保持较好的滤波精度和数值稳定性,同时所提算法在算法复杂度上有明显改善。      

采用定子电流与扰动观测的永磁同步电机改进预测电流控制

提出了一种采用定子电流和扰动观测补偿的改进预测电流控制(PCC)算法。理论上永磁同步电机PCC具有优异的控制性能,但现实系统中离散采样延时与电磁参数时变等问题使得原理上基于模型的预测电流控制器的控制品质严重恶化。设计了龙伯格(Luenberger)状态观测器实现对定子电流与参数扰动的观测,并应用于补偿和改进经典的无差拍预测电流控制器。将观测到的当前时刻的定子电流替代当前时刻的采样电流用于反馈控制,以补偿采样延时;运行过程中电磁参数的变化使得模型参数失配,其影响以电压扰动的形式被观测出来,并补偿到预测控制输出的电压指令中。仿真和试验结果验证了所提方法的有效性。     

基于局部平稳AR模型的信号结构变化点精确估计方法

研究了局部平稳AR模型,提出了基于递归辅助变量（RIV）双格型滤波算法,通过统计分析信息量AIC的变化精确估计信号结构变化点。对遥测速变参数的分析表明,该方法能够精确定位信号结构的变化点,实现局部平稳信号的精确分割。     

航空发动机控制系统传感器FDIA系统仿真

基于卡尔曼滤波器组,建立了航空发动机控制系统传感器故障诊断系统,实现了对单个传感器故障的检测、隔离与重构(FDIA),确保了发动机控制系统即使在传感器故障发生的情况下,依然能安全可靠地工作.同时利用Simulink建立一个通用的发动机传感器故障诊断仿真平台,在此仿真平台上,对故障的诊断进行仿真验证,并分析了测量噪声对故障诊断系统性能的影响,为发动机在线传感器故障诊断系统的实现提供理论依据.      

基于自适应LMS算法的空间光束快速精扫描跟踪控制方法

针对空间精密光学领域与国防应用对高精度快速光束控制的需求,给出自适应最小均方(LMS)算法对压电快摆镜进行光束扫描跟踪控制.首先描述了自适应LMS控制算法及快摆镜模型辨识方法,随后仿真分析了不同频率及迭代步长对自适应LMS算法跟踪控制的影响,最后采用自适应LMS算法进行了压电快摆镜辨识及扫描跟踪控制实验.实验结果表明,...     

星载输入多工器的自适应预失真技术

文章介绍了一种新的自适应预失真技术,该技术用于微波射频交叉耦合式的滤波器输入多工器,用来改善群时延特性。这项技术的特点是用低Q值的谐振腔来实现高Q值特性,以达到减小体积、质量、改善特性的目的。     

天琴一号卫星加速度模式无拖曳控制

结合卫星加速度模式无拖曳控制系统一般组成、各环节典型模型、常见控制器及天琴一号空间惯性基准建立试验卫星的采样周期与控制周期,着眼于工程实际问题的挖掘与解决,重点阐述了该卫星CIC滤波器组频响特性等效、加速度模式无拖曳控制系统稳定裕度及残余加速度指标分析与综合等技术内容。研究表明,多周期离散系统真实稳定裕度难于准确预测;积分系数是决定PSD指标的关键参数;抗混淆滤波器是提升时域残余加速度指标的关键环节,且有利于抑制高频数据在PSD低中频段的高频折叠;在未引入抗混淆滤波器的情形下,频域指标统计应以进入控制器的残余加速度数据为准。在轨飞行试验结果与仿真结果基本吻合。     

航天器开关电源差模滤波器设计方法研究

航天器DC-DC开关二次电源作为星上功率电子设备,既是重要的电磁干扰源,也是易受电磁干扰的设备,其电磁兼容性设计尤为重要.开关电源差模滤波器对传导干扰有着较好的抑制作用,是开关电源不可或缺的组成部分,其稳定性、可靠性和有效性是设计的关键.文章主要讨论了开关电源在低频干扰模式下的负阻抗特性,以及负阻抗模式下的不稳定原理和稳定原则.基于滤波器输入电压干扰抑制和反射电流干扰抑制的互偶原理,提出了LC滤波器参数设计流程.设计了一种基于滤波电容器电压波动幅值的LC滤波器参数计算方法,并给出了合理的滤波器失配裕量.该方法具有稳定性高和可靠性高的特点,特别适用于宇航二次电源高可靠需求.最后,依据上述流程和方法设计了一个开关电源模块,并顺利通过了EMC测量验证.     

基于卡尔曼滤波的翼型表面压力实时重构方法

为实现基于稀疏数据的翼型表面压力实时重构，提出了一种基于压缩感知与卡尔曼滤波器的数据融合方法，该方法主要包括线下建立数据库和线上实时感知两部分。首先，在线下通过粒子图像测速技术、压敏漆、计算流体力学等方法对翼型表面压力进行全场采样，并采用本征正交分解对所测得的全场压力数据进行降维，建立含有主导相干流动结构的模态数据库以及各模态时间系数之间的状态转换关系。其次，在线上基于压缩感知，利用离散压力传感器所测量数据与压力场主导模态，通过求解L₁范数下的最优化问题，对各主导模态的时间系数进行初步求解。最后，将线下所得各模态时间系数之间的状态转换关系放入卡尔曼滤波器，作为其系统模型进行预测；将线上所求得各模态时间系数放入卡尔曼滤波器，作为其观测值进行校正。以CFD模拟翼型压力作为验证数据，对该方法的性能进行评估，结果显示：该方法与仅采用压缩感知进行重构对比，升力重构误差从18.15%减小至6.39%。