基于事件驱动的容积卡尔曼滤波定位算法

以网络化非线性滤波系统为研究对象,为了平衡系统的通信率和滤波精度之间的矛盾,引入随机事件驱动（stochastic event-triggered）的思想,并在此基础上建立了基于残差检测的事件驱动（detected event-triggered）模型。针对系统的强非线性,将线性随机事件驱动滤波系统中的更新结论推广至非线性系统,推导了两种事件驱动机制在容积卡尔曼滤波（CKF）算法框架中的滤波更新过程,得到了检测事件驱动CKF（DECKF）和随机事件驱动CKF（SECKF）两种算法。最后,通过天基平台空间目标跟踪问题对算法性能进行检验。仿真结果表明,当通信率下降20.64%时,DECKF算法的位置跟踪精度和速度跟踪精度相比标准CKF仅下降了5.50%和7.74%。此外,在通信率相同的情形下,DECKF比SECKF的精度高40%以上,证明检测事件驱动模式优于随机事件驱动模式。     

适用于时变不确定系统的并行模型自适应估计

摘要： 针对受到潜在模型不确定性影响的系统,设计一种并行模型自适应估计(PMAE)算法.以往基于不确定性系统模型设计的滤波算法,在模型精确的情况下,性能往往不及传统卡尔曼滤波（KF）.为了解决该问题,设计基于多个并行滤波器的自适应状态估计算法,其中一个滤波器为KF,用于在未出现模型不确定性的情况下,对系统进行最优状态估计;另一个滤波器为扩维卡尔曼滤波（AKF）,用于在出现模型不确定性的情况下,对不确定性模型参数进行辨识.以空间目标监视为例,分析算法的性能.仿真结果表明,利用PMAE算法能够自适应地对两个并行滤波器进行切换和折衷,从而有效应对模型中存在不确定性和不存在不确定性两种情况.     

基于值域的多约束GNSS单频单历元定姿新算法

多天线增强了全球卫星导航系统（GNSS）单频单历元姿态测量解算模型的强度,但随着天线数量增加,模糊度维数成倍增加,从模糊度域确定搜索空间的计算量将显著增长。基于此,提出了基于值域的多约束多天线GNSS单频单历元姿态测量新算法：该算法将姿态约束融入值域搜索模型,利用姿态约束条件推导搜索步长,通过姿态域三维搜索确定模糊度搜索空间,以基于最优条件姿态解非迭代近似估计的方法固定模糊度。实验结果表明,新算法中模糊度搜索效率较原方法提高约65.8%,固定模糊度效率较标准迭代算法提高约95.3%,且与标准迭代算法性能相当;所提算法能够实现GNSS单频单历元的模糊度固定和载体全姿态测量,具有较高的正确率。     

乙烯燃烧化学动力学机理的简化与分析

为了获得高精度、小尺寸的乙烯简化机理,采用基于误差传播的直接关系图(DRGEP)法和反应路径分析(PFA)法对USC(University of Southern California)-Ⅱ机理在宽范围工况下进行简化,通过取交集方式得到了包含38个组分和243个反应的框架机理,采用灵敏性分析得到了包含30个组分和167个反应的框架机理,其最大点火延时误差为7.10%。在较宽的工况范围内对30个组分的框架机理进行了验证与机理分析,结果表明:此框架机理在点火延时,火焰传播速度,温度曲线,组分摩尔分数曲线,反应的灵敏性系数,反应路径和不确定性等燃烧特性参数与详细机理吻合较好。通过准稳态假设(QSSA)方法简化得到了更适用于工程应用的24个组分和20个总包反应的全局简化机理,并验证了其点火延时。      

一种双时间尺度函数Wiener过程性能退化模型

为通过性能退化数据评估产品的可靠性,基于广义Wiener过程提出了一种双时间尺度函数模型以描述产品退化过程。采用极大似然估计(MLE)法求解模型参数,推导了其寿命分布(FTD),进而进行可靠度分析和寿命评估。对模型进行了Monte Carlo模拟验证和实例应用,并将目前常用的混合效应Wiener过程模型作为参考方法进行了对比分析。结果表明:根据90%可靠度曲线的定义,该方法较参考方法的结果更为合理、准确。进一步的寿命评估结果表明,该方法与参考方法的平均寿命相差232.9h,90%可靠寿命结果相差109.4h,且参考方法计算结果偏于危险。      

基于低阶干扰估计器的欠驱动三自由度直升机鲁棒控制

针对模型不确定且外部未知扰动影响显著的欠驱动三自由度（3-DOF）直升机,本文设计、分析并实验验证了一种基于不确定性与干扰估计器（UDE）的主动抗扰控制策略。具体地,针对该直升机平台动力学耦合严重且存在欠驱动特性等问题,基于全驱动系统控制思想,发展了一种基于反馈线性化的升降角和偏航角轨迹跟踪策略,同时实现了内部状态（俯仰角）的镇定;在内外环三通道虚拟控制中,进一步设计了一阶UDE,并联合UDE和标称控制,构建了可有效补偿三通道模型不确定和外部扰动的鲁棒控制方案。该方案较好应对了被控对象的欠驱动特性,控制信号连续且光滑,同时干扰补偿器还具有设计参数少、性能调节简单且清晰等优点。借助于奇异摄动理论,分析了闭环系统跟踪误差的收敛性、输入-状态稳定性、及UDE参数对误差最终界的影响规律,揭示了闭环控制系统潜在的多时间尺度属性。仿真和实验结果验证了干扰补偿的必要性,UDE的有效性和其调参的便捷性。     

一种高光谱图像的双压缩感知模型

高光谱图像因其海量数据性,给存储、传输及后续分析处理带来了挑战。压缩感知理论提供了一种全新的信号采集框架。针对高光谱数据的三维特性,提出一种双压缩感知的采样与重构模型。该模型在采样阶段兼顾高光谱数据的空间和谱间稀疏特性,构造了能同时实现空间和谱间压缩采样的感知矩阵;重构阶段不同于传统的压缩感知重构方法直接重构高光谱数据,而是将高光谱数据分离成端元和丰度分别进行重构,然后利用重构的端元和丰度信息合成高光谱数据。实验结果表明,所提双压缩感知在低采样率下重构精度较三维压缩采样提高了10 dB以上,更为显著的是运算速度提升了3个数量级,同时该方法还便于获得端元和丰度信息。     

基于神经网络的导弹制导控制一体化反演设计

针对制导控制一体化(IGC)模型中的不确定性难以进行估计补偿的问题,提出了基于神经网络的IGC反演设计方法。首先,根据弹目相对运动关系以及导弹自动驾驶仪模型建立了三维空间中的IGC模型。其次,针对由目标机动引起的模型不确定性,提出应用高阶滑模微分器(SMD)对导弹导引头获得的弹目相对运动信息进行微分,从而估计出目标加速度的方法,然后考虑导弹自身由于参数摄动以及未建模动态引起的模型不确定性,应用SMD和神经网络模型进行在线逼近补偿,基于反演控制理论设计了带有SMD和神经网络模型的IGC算法,应用李雅普诺夫稳定性理论对所设计的控制算法进行了稳定性证明。最后,进行了导弹六自由度仿真,验证了所设计控制算法的有效性。     

基于连续蚁群算法的Bayesian方位估计快速方法

针对蚁群算法(ACO)在解决高维非线性搜索问题方面的有效性,提出了基于蚁群优化算法的Bayesian最大后验概率方位估计(ACO-Bayesian)快速方法.该方法将Bayesian最大后验概率函数作为蚁群算法的目标函数,选取若干一维高斯函数的加权和作为连续蚁群算法中信息量概率分布函数,经过有限次迭代得到Bayesian方法的非线性全局最优解.仿真结果表明,ACO-Bayesian方法在保持Bayesian方法优良性能的同时,将Bayesian方法的计算量减少到原来的1/14.水池实验结果验证了ACO-Bayesian方法的正确性和有效性,为其工程应用奠定了基础.