基于ε-滤波LMS算法的航空发动机自适应逆控制

针对航空发动机这种复杂的被控对象，设计了基于ε-滤波LMS算法的发动机自适应逆控制系统。该控制结构能利用非线性滤波器实现航空发动机建模和逆建模，以滤波后的误差在线调整控制器权系数。进行了飞行包线内的数字仿真。结果表明：这种方案结构不需要精确的发动机模型，跟踪速度快，具有较高的精度和较强的鲁捧性。     

考虑驾驶仪动态性能的指令滤波反演制导律

针对攻击机动目标的制导问题,设计了一种考虑自动驾驶仪性能、输入项约束的指令滤波反演制导律。首先,基于三维空间内弹目相对运动模型,采用反演递推方式设计制导律。针对传统反演控制存在的"微分膨胀"问题,引入指令滤波器对虚拟量进行过滤计算。考虑硬件计算能力的约束,引入自动驾驶仪二阶动力学模型减少控制过程延迟,并利用饱和函数和低通滤波器对输入项进行约束。此外,针对机动目标设计了一种扩张状态观测器来获取其加速度。通过Lyapunov理论证明了所设计闭环制导系统的稳定性。通过仿真实验验证了该制导律相有效性及优越性。     

自适应空间机动目标跟踪算法

在空间目标跟踪问题中,目标机动导致的模型不匹配问题会导致滤波算法出现滞后现象。为了对空间机动目标进行快速跟踪,在平方根容积卡尔曼滤波〖（Square rootCubatureKalmanFilter,SCKF）的基础上,引入强跟踪滤波（StrongTrackingFilter,STF）的思想,推导得到了次优渐消因子在SCKF中的等价描述。并通过建立以矩匹配方法为基础的自适应机制,设计了兼顾滤波精确性和鲁棒性的自适应强跟踪平方根容积卡尔曼滤波（AdaptiveStrongTrackingSquare rootCubatureKalmanFilter,AST SCKF）算法。仿真结果表明,在目标机动前,AST-SCKF算法和SCKF算法的位置收敛精度相差不足1%;在目标机动后,AST-SCKF算法的位置和速度的收敛精度相对SCKF算法分别提高了95.19%和30.50%,同时,其收敛速度相对SCKF算法分别提高了57.20%和24.68%。     

基于AVSIMM算法的高超声速再入滑翔目标跟踪

针对跟踪高超声速目标的交互式多模型（IMM）算法中存在模型数量过多,模型之间竞争导致滤波精度降低的问题,在自适应网格交互式多模型（AGIMM）算法的基础上,提出了一种自适应变结构交互式多模型（AVSIMM）算法跟踪高超声速再入滑翔目标。根据高超声速无动力再入滑翔目标当前机动状态的角速度参数,在自适应调整当前时刻模型集中参数的同时,针对AGIMM算法运动学模型的单一性,设计了具有多种跟踪滤波运动学模型的AVSIMM算法,通过模型集参数与算法结构的双重自适应调整实现了对目标高精度的跟踪。仿真结果表明,与AGIMM算法相比,所设计的AVSIMM算法不仅对结构和参数都具有更强的自适应性,同时提高了高超目标的跟踪精度和跟踪效率。      

推进剂利用系统连续液位测量滤波算法研究

针对我国低温推进剂利用系统中连续液位测量中的错节问题,提出了一种基于流量的液位测量滤波算法。介绍了该算法的基本原理,对算法进行了数学建模与数字仿真。通过对仿真结果的分析证实了该算法可以有效解决火箭飞行过程中由于液位晃动造成的测量误差问题,具有一定的工程应用价值。     

基于改进预测滤波的小天体精确着陆自主导航方法研究

针对小天体形状不规则、质量不均匀导致模型建立不准确的问题,研究基于改进的预测滤波实现自主着陆过程中精确导航的关键技术。在导航算法设计中,首先建立了小天体引力场模型,并建立了导航系统运动学模型,然后建立了基于惯性测量单元、光学相机及测速敏感器多信息融合的测量模型,结合扩展卡尔曼滤波(Extended Kalman Filter, EKF)算法对非线性预测滤波(Nonlinear Predictive Filter, NPF)算法进行改进,在该导航算法下,对系统的可观性进行了分析。仿真结果表明:在引力不确定性引起的模型不准确度下,该方法可实时估计模型误差,在与EKF导航精度比较的基础上验证了改进的NPF算法的有效性和精确性。     

基于URTS平滑建议分布函数的PF算法设计及应用

为改善基于Unscented Kalman滤波建议分布函数的粒子滤波状态估计的性能,将Unscented Kalman滤波与RTS（Rauch-Tung-Striebel）固定区间平滑算法融合,产生了一种新的建议分布函数--Unscented RTS平滑建议分布函数。该函数首先实施Unscented Kalman滤波,之后对此滤波结果进行RTS固定区间平滑,以此产生预测样本。以此新建议分布函数得到的预测粒子的精度较通常的以Unscented Kalman滤波方法作为建议分布函数时得到的预测粒子的精度将大为提高,进而提高相应的粒子滤波算法--PF URTS的状态估计精度。新算法的可行性和有效性在GPS/DR组合导航数据处理中得到了应用验证。     

自适应扩展增量 Kalman 滤波方法

基于扩展增量Kalman滤波方法(EIKF)和自适应增量Kalman滤波(AIKF),建立自适应扩展增量Kalman(AEIKF)模型及其分析方法,给出递推算法.在许多实际情况(如深空探测),由于环境因素的影响、测量设备的不稳定性等原因,量测方程往往存在未知的系统误差,并且模型参数也具有不确定性,结果导致较大的Kalman滤波误差,影响滤波的收敛性.提出的AEIKF方法能够成功消除这种未知的系统误差,并能够实时估计变化的噪声统计量,提高Kalman滤波精度.该方法计算简单,便于工程应用.      

软硬件协同仿真在图像滤波器演化设计中的应用

针对传统图像滤波器设计方法存在的局限性,将演化硬件引入图像滤波器设计中,提出软硬件协同仿真的演化思想,并设计了基于System Generator的图像滤波器演化系统。通过图像滤波器演化实验验证了演化系统的有效性,实验结果及分析表明,最优演化滤波器在性能和实现代价方面均优于传统滤波器。与现有的图像滤波器演化方法相比,软硬件协同仿真的演化方法具有实现简单、运算能力强、功能灵活等优点。该系统的演化算法可综合成硬件,为后续实现在线自适应滤波奠定了基础。     

抑制UKF发散的改进算法在卫星轨道确定中的应用

为避免实际应用中一般无迹Kalman滤波（UKF）算法的不稳定性,基于对传统线性Kalman框架的UKF算法造成滤波发散现象的阐述,讨论了无迹转换（uT）的基本原理开口UKF算法,并给出了造成滤波发散的原因,提出了两种抑制滤波发散的改进UKF算法。仿真分析了某星载GPS低轨卫星轨道发散的主因,结果表明改进算法有效。