轨道机动过程中推力加速度的实时最小方差估计

飞行器轨道机动过程中，为跟踪、定位机动目标和干预机动控制过程，需要统计处理离散的雷达观测量实时估计推进发动机的推力，进而确定飞行器的瞬时轨道参数。本文所述算法是该工程问题的探讨和解决方案。文章建立了轨道机动过程中连续变质量运动模型和离散雷达量测模型，推进发动机的质量秒耗量作为表征推力加速度的一个近似常量，应用扩展卡尔曼滤波对离散的雷达测量数据进行顺序统计处理给出秒耗量的最小方差估计；文章详细地推导了线性化量模型的变分方程和观测矩阵；仿真结果表明该算法能快速、准确地估计推进发动机的质量秒耗量和向机动目标施加的实际推力。     

一种利用信号幅度信息的光学传感器像平面GM-PHD滤波算法

针对光学传感器像平面多目标跟踪应用,基于有限集统计学理论(Finite Set Statistics, FISST)提出一种利用信号幅度信息的高斯混合概率假设密度(Gaussian Mixture-Probability Hypothesis Density, GM-PHD)滤波算法。该算法通过建立信号幅度似然函数将幅度信息引入到PHD的递推公式中,首先根据光学传感器的特点对输出的信号幅度进行建模,然后分别计算来源于目标和杂波的信号幅度似然函数,在目标信噪比未知的情况下给出一种替代计算方法,最后采用高斯混合方式实现该算法。仿真结果表明,本文提出的算法相比仅利用量测位置信息的PHD滤波器能够显著提高多目标跟踪性能和计算效率,而且在目标信噪比未知时同样具有稳定的性能。     

一种基于随机集的目标跟踪算法研究

针对多传感器多目标跟踪问题,提出了基于随机有限集的概率假设密度（PHD）滤波算法。该算法通过选取与各传感器相关的重要性密度函数,层层更新各传感器的采样粒子,达到多传感器多目标有序PHD跟踪。给出了应用该算法的具体步骤,通过仿真实例证明该算法的有效性。     

基于欠采样的零阶优化算法

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。     

双模态超燃冲压发动机最大供油模态计算方法研究

为了获得不同飞行状态下双模态超燃冲压发动机最大供油状态,在集总参数方程的双模态超燃冲压发动机性能计算模型基础上,通过分析双模态超燃冲压发动机堵塞边界条件及工作机理,发展了最大供油模态流量平衡的求解方法,并以此为基础建立了双模态超燃冲压发动机最大供油模态计算模型。给出某飞行条件下的最大供油模态迭代计算过程,并详细描述了其所表征的物理现象,其流量平衡计算精度达10~(-4),并在此基础上完成了不同飞行马赫数下的最大供油模态计算,获得相应的燃烧室最大供油量及隔离段/燃烧室沿程参数分布。结果表明,该计算方法可实现双模态超燃冲压发动机最大供油模态的流量平衡计算,并能精确地捕捉给定燃油分配形式下的燃烧室最大供油量。     

具不确定观测和相关噪声的最优递推滤波

应用正交投影定理,对于噪声相关系统,在观测不确定的情况下,求出了状态向量的卡尔曼滤波公式。在线性最小方差准则下,解决了状态噪声一步相关,相同时刻的测量噪声和状态噪声相关,以及测量噪声和状态噪声在相邻时刻均相关的情况下的滤波问题,并给出了递推滤波公式。仿真算例说明了它们的有效性。     

有向图最短路算法应用研究

基于有向图最短路算法,研究了最小费用-时间比值问题模型。首先,介绍求有向图G中各顶点之间的最短路的各种算法及算法复杂度,本文主要介绍Floyd算法。求有向图最短路问题基于有向图中无负有向圈之上,因此本文利用最短路算法对负有向圈问题作了相关探讨。最后用以负圈检查为基础的二分法研究货船旅行路径问题等最优化问题模型作为最短路算法的应用实例。     

采用CARMH模型的广义最小方差自校正控制器全局收敛性

在一种新的预测模型的基础上，建立了一般的广义最小方差自校正控制器，并证明了当辨识算法采用随机逼近法时的这种自适应算法的全局收敛性，从而为这种新型模型的进一步应用提供了一定的理论依据。     

不确定度评定的一种新方法──最大方差法

研究了不确定度评定的新方法──最大方差法，分析了它的原理，列出了最大方差法用表，举例说明了它的应用。