旋翼/涡轴发动机的自适应模型

基于卡尔曼滤波器研究旋翼/涡轴发动机的机载自适应模型.采用拟合法建立了状态变量模型,并将发动机性能蜕化参数作为增广的状态变量,设计了卡尔曼滤波器,从而可以根据可测参数的偏离量估计出发动机部件性能蜕化值,最后将部件性能蜕化值用于对机载模型中不可测性能参数的修正,从而使机载模型能适应发动机的非额定工作状况.通过数字仿真表明,建立的机载自适应模型能真实反映发动机的工作状况,并且在全包线范围内该模型都具有比较好的鲁棒性和实时性.     

低成本多传感器组合导航系统在小型无人机自主飞行中的研究与应用

为了满足小型无人机自主控制系统对导航系统性能的要求,研究低成本的基于微机电系统的捷联惯性导航系统(MEMS-SINS)/全球定位系统(GPS)/磁强计组合导航系统。提出一种利用磁强计辅助MEMS-SINS的静基座初始姿态确定方法,采用四元数误差模型对MEMS-SINS/GPS/磁强计组合导航系统进行信息融合的建模,采用基于正交三角(QR)分解的平方根无色卡尔曼滤波(UKF)非线性估计方法对组合导航系统进行数据融合,克服由于计算机舍入误差引起的状态协方差阵的计算值失去非负定性甚至对称性,通过小型无人机的自主飞行试验,证实MEMS-SINS/GPS/磁强计组合导航算法满足小型无人机自主控制系统的要求。     

异常值和未知观测噪声鲁棒的非线性滤波器

针对含异常观测值的非线性系统滤波问题,以Huber损失函数替代推导滤波器最大后验准则中观测误差的l₂范数,构造出了一种新的优化准则函数,从而给出了一种对异常值鲁棒的非线性后验线性化滤波器。分析表明：由于Huber损失函数兼具l₁和l₂范数的性质,从而使得由这个新准则推导出的滤波器,不仅具有l₂范数的低误差拟合性,也具备l₁范数对异常值的鲁棒性。而当观测噪声的分布未知时,通过引入箱线图法检测异常值,并对噪声统计分布的参数进行估计,进一步提出了对异常值和未知观测噪声分布鲁棒的非线性后验线性化滤波器。仿真实验验证了分析结果的有效性,并表明本文算法的性能优于现有文献报道的非线性滤波算法。     

惯性/里程计组合导航技术在管道定位中的应用

石油天然气管道担负着油气传输的重任, 定期对传输管道检测能使其安 全、高效地运行。为此设计了管道导航定位系统,用于对管道探伤位置的精确定位。管 道导航定位系统主要由激光捷联惯性导航系统与里程计组成,搭载在管道检测设备中。 通过测量、存储检测过程中的传感器信息,在检测结束后离线处理数据,得到管道导航 定位信息。通过对惯性/里程计分别进行误差分析与建模, 搭建了组合导航系统卡尔曼 滤波器模型, 进行了跑车试验与实际管道定位试验。试验结果表明该惯性/里程计组合 导航管道定位精度满足管道高精度定位要求。     

小波分析在GPS卫星故障检测中的应用

目前基于扩展卡尔曼滤波的残差卡方检测法已在接收机自主进行GPS卫星故障检测方面得到广泛应用,但该方法存在依赖系统数学模型、检验延迟等问题。文章提出一种基于小波分析的GPS卫星故障检测法,利用小波分析在时频域表现出良好的细节处理特性,将GPS接收机的可测数据即伪距观测数据和位置定位数据作为处理对象,进行多尺度下的分析,通过识别异常点来判断故障的发生。仿真结果表明,该方法具有高效灵敏、简洁直观、易于工程实现等特性,有助于保证导航系统的可靠性和稳定性。     

基于扩展卡尔曼滤波的永磁同步电机无电流传感器预测控制

针对永磁同步电机(PMSM)因过电压、过电流及误操作等容易造成电流传感器故障,影响PMSM的控制精度的问题,提出一种基于扩展卡尔曼滤波的PMSM无电流传感器预测控制算法。对于PMSM,通常需要两个电流传感器来采集定子电流信息,所提方法通过扩展卡尔曼滤波估计定子电流代替电流传感器。通过基于扩展卡尔曼滤波的PMSM无电流传感器预测控制算法与常规有电流传感器在线变速和变载仿真对比得到,所提方法具有和有电流传感器相同的控制性能。参数鲁棒性仿真表明,所提方法具有较强的参数鲁棒性,能够满足实际控制需要。     

一种带随机时延和丢包的分布式多传感器融合估计方法

研究了分布式采样线性系统的最优信息融合问题。其中,传感器信息通过无线网络发送到中心单元,每个传感器的测量值受随机时延甚至丢包的影响,最优传感器融合设计为一个带有缓冲测量值的时变卡尔曼滤波器。进行了算例仿真与分析,表明了融合估计器的有效性。     

基于强跟踪UPF的重力梯度辅助定位方法

针对重力梯度辅助定位中,存在重力梯度的强非线性分布及系统模型偏差等问题,将STUPF引入匹配定位过程。该方法根据残差信息实时调节系统状态跟踪能力,有效应对模型偏差对定位的影响。基于真实INS数据的仿真实验结果表明,STUPF可达到较好的定位效果,且与标准PF、GPF算法相比,其在定位的精度、稳定性及运算量上具有一定优势。     

修正容积卡尔曼滤波数据域直接定位算法

为解决数据域直接定位（DPD）算法面临的计算压力,提高算法效率,提出一种基于修正的容积卡尔曼滤波（MCKF）的DPD算法。首先,融合各观测信号波达方向信息,利用子空间数据融合方法建立一种基于间接观测量的DPD滤波模型;然后,根据模型特点设计MCKF算法进行求解,解决间接观测量带来的噪声累积问题;最后,对算法计算量进行分析和对比,说明计算效率的提升。仿真结果表明,所提算法与基于最大似然遍历搜索和遗传算法的DPD算法相比,在相同的估计性能下,计算量下降明显,时效性显著提升,增加了算法实用价值。