利用字典优化方法实现sub Nyquist采样数据的频率估计

在稀疏重构理论中,重构信号需要预先设定稀疏表示字典,针对预设字典与真实字典之间的失配对信号稀疏表示造成的不利影响,提出一种基于字典优化和稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)的频率估计算法。该算法首先构造基于sub Nyquist采样数据的信号稀疏表达式,然后利用SBL算法估计信号频率,同时根据估计结果优化字典,最后反复迭代上述步骤直至计算出的频率值和对应的幅度值趋于稳定。仿真结果校验了方法的有效性。     

带挤压油膜阻尼器的盘式拉杆转子双稳态振动特性

建立了带挤压油膜阻尼器的盘式拉杆转子动力学模型,利用非线性微分方程多周期解求解方法,对不同系统参数组合下的动力学方程进行求解,研究了带挤压油膜阻尼器的盘式拉杆转子双稳态振动特性的影响规律,比较了带与不带挤压油膜阻尼器系统稳定周期解的动力学特性.通过频谱分析得出:忽略挤压油膜阻尼器时双稳态区主要为基频振动,考虑挤压油膜阻尼器的盘式拉杆转子在双稳态区除了基频振动外,还有倍频的出现.      

压气机试验件空气系统仿真模拟与敏感性分析

将空气系统简化为由节点和元件组成的一维拓扑网络,建立各部分的流动控制方程组,编制了仿真程序,利用循环中点求积牛顿法对方程组进行求解。将其应用于某压气机试验件空气系统计算,并对试验件空气系统的参数进行敏感性分析,探讨影响空气系统功能的主要因素。结果表明:利用参数微分法求解同伦方程,可增大牛顿法求解的收敛速度与收敛域;在该压气机试验件中,利用卸荷腔结构和封严能力较强的篦齿封严环可以将流路有效分隔开,有利于分别实现控制目标。      

一种多级助推段弹道导弹跟踪算法

针对多级助推段弹道导弹存在多个加速度突变点、机动性强导致跟踪难度大的问题,提出一种基于量测转换的强跟踪输入估计（STMIE）弹道导弹跟踪算法。在对多级助推段弹道导弹动力学特性分析的基础上,推导出雷达站东北上（ENU）坐标系下弹道导弹的运动方程,并通过将修正的无偏量测转换（MUCM）与STMIE算法融合,使得在导弹跟踪中应用STMIE算法成为可能。以典型的多级助推段弹道导弹为跟踪目标进行仿真校验,结果表明,本文算法对多级助推段弹道导弹目标跟踪性能优越,且算法复杂度较低,效费比高。     

面向非沿迹成像的姿态跟踪扩展观测器滑模控制

针对地面兴趣点不沿星下点轨迹的动态非沿轨迹成像问题,设计一种结合扩展状态观测器的非奇异快速终端滑模控制器。首先根据非沿轨迹成像模型的需求推导卫星姿态参考轨迹。其次,根据由误差四元数描述的跟踪误差运动模型设计了非奇异快速终端滑模控制律。考虑到干扰抑制,引入了扩展状态观测器来观测系统的总扰动,从而降低滑模控制律中的切换增益,削弱系统抖振。然后再用模糊自适应系统对切换项进行在线逼近,柔化控制信号,进一步减振。最后,对具有干扰和参数不确定的姿态控制系统进行了数值仿真,结果表明该方法收敛速度快,控制精度高。     

基于PWM控制的开关磁阻电机中低速无位置传感器控制方法

无位置传感器的中低速运行控制是开关磁阻电机研究的难点问题。为实现中低速阶段对转子位置的连续估计,提出一种基于PWM控制的无位置传感器方法。该方法将开通关断角所对应的参考信号与高频三角载波进行交截,并将得到的PWM信号作为不对称半桥功率变换器的开关管驱动信号。通过对PWM信号进行频谱分析可知,该PWM注入方式等效于注入载波频率的高频正弦信号。然后,对电流信号进行滤波及坐标变换处理,解算出连续的转子位置信息。针对电感曲线正弦度不高的问题,通过移相相减的方法消除二次谐波,简化了位置估计过程。该方法无需额外注入高频正弦信号,易于工程实现,并具备高频信号注入法的精度。最后针对一台12/8结构样机,进行了相应的仿真和实验,验证了该方法的可行性。     

多操纵面飞机舵面损伤的快速故障诊断

针对多操纵面飞机舵面损伤的快速故障诊断问题,提出一种直接估计舵面偏转量的自适应补偿观测器方法。首先,设计了增广观测器进行系统输入估计,并提出了自适应补偿方法解决其动态跟踪性能差的问题;其次,设计了一种新的自适应阈值以快速检测故障并降低虚警率;最后,利用舵面故障特点,采用重置初值的限定记忆最小二乘方法实现了对突变参数的实时估计,用以进行故障隔离。仿真结果表明:在不同的舵面损伤故障情况下,所提出的观测器方法能在20 ms内发出故障预警,并在0.22 s内确定故障位置,所采用的辨识方法可以在故障报警后的0.2 s内准确估计出损伤程度。     

基于未知输入观测器的非线性动态系统故障估计

针对一类受扰非线性动态系统的执行器故障估计问题,提出一种未知输入观测器来实现故障估计。首先,通过坐标变换将原系统转化为合适的形式;其次,采用线性矩阵不等式与Lyapunov泛函分别设计H_∞输出反馈控制器和未知输入观测器,在此基础上实现对系统中执行器故障的渐近估计;最后,通过机械臂系统仿真分析并验证了所提方法的有效性。与已有方法相比,所提方法不要求故障可导,也不要求故障或干扰上界已知,因此易于在工程实际中实现对非线性系统执行器故障的估计。     

自适应高阶容积卡尔曼滤波在目标跟踪中的应用

针对传统容积卡尔曼滤波(CKF)在系统状态发生突变时估计精度下降的问题,将强跟踪滤波(STF)算法与高阶容积卡尔曼滤波(HCKF)算法相结合,提出了一种自适应高阶容积卡尔曼滤波(AHCKF)方法。该算法采用高阶球面-相径容积规则,可获得高于传统CKF的估计精度,同时在HCKF算法中引入STF,通过渐消因子在线修正预测误差协方差阵,强迫残差序列正交,提高了算法的鲁棒性,增强了算法应对系统状态突变等不确定因素的能力。将提出的AHCKF算法应用于具有状态突变的机动目标跟踪问题并进行数值仿真,仿真结果表明,AHCKF算法在系统状态发生突变的情况下表现出良好的滤波性能,有效地避免了状态突变造成的滤波精度下降,较传统的CKF、HCKF、交互式多模型-容积滤波(IMM-CKF)和自适应容积卡尔曼滤波(ACKF)算法有更强的鲁棒性和系统自适应能力。     

Vehicle State and Parameter Estimation Based on Dual Unscented Particle Filter Algorithm

Acquisition of real-time and accurate vehicle state and parameter information is critical to the research of vehicle dynamic control system. By studying the defects of the former Kalman filter based estimation method, a new estimating method is proposed. First the nonlinear vehicle dynamics system, containing inaccurate model pa rameters and constant noise, is established. Then a dual unscented particle filter （DUPF） algorithm is proposed. In the algorithm two unscented particle filters run in parallel, states estimation and parameters estimation update each other. The results of simulation and vehicle ground testing indicate that the DUPF algorithm has higher state estimation accuracy than unscented Kalman filter （UKF） and dual extended Kalman filter （DEKF）, and it also has good capability to revise model parameters.