基于自适应滤波的主动磁悬浮轴承位移传感器故障识别

针对采用差动式位移传感器的主动磁悬浮轴承系统,从理论上分析了控制器输出信号与转子干扰力及传 感器故障信号之间的关系和自适应滤波器的工作原理,并在此基础提出了基于自适应滤波的传感器故障识别方 法.该方法以两路位移信号的差值为参考信号对控制器的输出信号进行滤波,从而得到控制器输出信号和两路 位移信号的差值之间的相关系数,根据该相关系数的极性即可准确地判断出故障传感器.还采用Matlab对该方 法进行了仿真研究,并在一个主动磁悬浮轴承试验台上进行了试验研究,研究结果表明:该方法可以同时识别传 感器的直流故障争交流故障;转子在静态悬浮和高速旋转时,该方法均可以准确地检测到传感器故障并识别出 故障传感器.     

基于神经网络的一类非线性系统自适应回馈递推控制

文章针对一类非线性系统,研究了一种基于回馈递推法的自适应神经网络控制方法.首先基于隐函数定理和中值定理推导出模型跟踪误差的动态特性,再利用多层感知器神经网络并设计适当的权值调整规则使其能够自适应的逼近和补偿误差提高系统的鲁棒性.基于Lyapunov方法证明了闭环系统所有信号有界且跟踪误差收敛到一个很小的邻域,所得到的闭环系统是一致稳定的.仿真结果验证了所研究算法的有效性.     

非线性输出误差模型的两阶段递推辨识算法

输入非线性系统的输出误差模型在实际工业生产中是一类常见模型,针对含有色噪声的输出误差模型提出基于辅助模型的两阶段递推增广最小二乘算法。根据辅助模型思想和分解技术,将复杂的非线性辨识系统分解为系统模型和噪声模型子系统,再根据最小二乘思想分别辨识,其中噪声信息向量中存在的不可测噪声项用其估计值代替。最后与递推增广最小二乘算法在参数估计精度和收敛速度的比较,验证算法在此类模型应用的有效性,仿真结果表明该算法精度高,收敛速度快,计算量小。     

在主减速器斜撑杆上安装压电叠层作动器的直升机主动隔振

采用安装在主减斜撑杆上的压电叠层作动器建立了直升机主动隔振系统。基于压电材料本构关系推导了压电叠层作动器的驱动方程,建立了压电叠层作动器驱动的主减主动隔振系统动力学模型。采用了自适应滤波控制方法,通过最小均方算法实现了自适应控制。直升机主动隔振仿真实验表明了该系统具有高效的隔振效果。     

性能基导航中对称面内飞行技术误差模型(英文)

飞行技术误差(FTE)与导航系统误差(NSE)是性能基导航(PBN)中总系统误差(TSE)的主要组成部分。性能基导航的实施需要对总系统误差进行航前预测以及航行中的短期动态预测。当飞行技术误差预测值与导航系统误差预测值的和大于PBN导航的规定值时,将无法运行PBN导航。因此,对于总系统误差的两个主要误差分量需要精确建模和透彻分析。采用LQG/LTR方法针对ARIC模型设计了多输入多输出纵向飞行控制系统,分析了在湍流扰动下进近飞行器对称面内的飞行技术误差。基于奇异值理论提出了对称面内飞行技术误差的映射函数以及边界估计模型。模型是基于对对称面内飞行技术误差成型机理的分析提出的,提供了一种基于成型机理的分析和估计方法,从而避免了昂贵试飞和单纯的数据拟合。基于真实数据的仿真验证了对称面内飞行技术误差的理论分析。研究同时揭示了当自动飞行控制系统(AFCS)接通时性能基导航中对称面内飞行技术误差部分由湍流扰动引致,且随湍流强度的增强而增大。     

基于Kalman滤波的SINS／GPS组合导航系统的误差分析

本文对SINS／GPS系统误差模型进行了推导,在失准角小角度情况下惯性系统误差模型的基础上提出了一种基于Kalman滤波的SINS／GPs组合导航系统的二维误差分析方法。采用工程上较易实现的松耦合的组合方式,建立了位置、速度组合导航模型,并对速度组合、位置组合、速度位置组合方式进行了仿真对比分析。     

基于Hilbert变换和跟踪滤波的正弦扫描数据处理方法研究

提出一种针对正弦扫描时间历程数据频谱后处理方法,此方法对控制仪驱动信号进行Hilbert变换获取时间-频率曲线,利用驱动信号与响应信号频率同步的特性,对响应信号进行跟踪滤波获取时间-响应幅值曲线,并最终获得响应信号的频谱。此方法不依赖振动控制仪和带有COLA通道的数据采集系统,并可有效避免正弦约减法等方法带来的泄露和精度不高等问题。     

一种改进的UGPF算法及其在导航问题中的应用

通过对高斯粒子滤波(GPF)算法的分析与总结,提出了一种基于无味卡尔曼滤波(UKF)方法的改进GPF算法(改进UGPF算法).该方法主要利用UKF获取更优的重要性抽样函数,同时优化GPF滤波的算法流程结构.最后通过二维目标跟踪过程中位置导航参数估计问题,对该算法进行了仿真分析,所得结果验证了该算法的有效性.     

基于分布式Kalman滤波和BP神经网络组合的静电陀螺漂移辨识方法

提出一种新的方法,把分布式Kalman滤波(DKF)方法与后向传播神经网络(BPNN)技术相结合,用于静电陀螺漂移的模型辨识.首先,为了消除测量噪声影响,将同一个静电陀螺带有噪声的多次测量数据集映射到一个虚拟的传感器网络中,然后采用具有嵌入式紧致滤波功能的DKF对映射数据进行滤波预处理.在此基础上,将预处理结果转换为用于训练神经网络的输入数据和输出数据,然后采用BPNN辨识静电陀螺漂移.实验表明,该方法可有效用于陀螺漂移的模型辨识.     

H∞滤波及其在惯导中的应用

阐述了H∞滤波器的设计方法,建立了惯导系统初始对准的误差模型,并用状态解耦方法对模型进行了可观性分析.最后应用H∞滤波方法对可观的子系统进行了滤波器设计,给出了设计结果及相应的仿真曲线,仿真结果表明H∞滤波在惯导系统中应用是有效的.