一种非线性状态估计器的算法实现与解耦简化

本文以机载火控系统中的目标状态估计器(TSE)为例,探讨了一类非线性状态估计器的算法及简化方法。文中给出了TSE的数学模型,分析了其特点,并作了形式上的变换;而后用最优卡尔曼滤波算法实现了状态估计。最后,利用其结构特点,作了算法解耦,故大大减少了计算量和计算机内存,获得了令人满意的估值精度。     

基于相关性分析和神经网络的直接推力控制

传统的发动机控制是将一些可测量参数作为被控制量,如转速和压比,因为可由它们推算出推力。但由于推算的过程不准确,为保证发动机安全运行,在发动机的设计过程中常常保留了较大的裕度。而直接推力控制可以降低这些裕度,充分发挥发动机的性能。针对在飞行中推力无法直接测量的情况,本文使用了相关性分析和神经网络技术设计了非线性推力估计器,使用若干测量参数作为输入,实时计算出发动机的推力值。并针对发动机使用的实际情况,使设计出的估计器不但可以估计额定发动机的推力,而且可以估计非额定发动机的推力。在仿真结果中,估计出的推力跟踪上了正常和非额定发动机的推力。     

基于星间链路的多星系统分散定轨算法

介绍了一种基于星间链路信息的多星系统自主导航方法。首先以星间相对位置矢量为观测量建立两星系统的观测方程,采用强跟踪滤波(STF)算法进行集中定轨,获得卫星的参考轨道信息。在此基础上,建立单星的观测方程,然后使用加权最小二乘估计器和卡尔曼滤波器进行单星轨道确定,从而实现了一种不需要长期轨道预报信息的分散定轨算法。数学仿真表明,该算法是可行的,且具有较好的定轨精度。     

基于Adaline网的航空发动机自适应控制

根据发动机模型非线性、关系式呈隐性和具有不确定性的工作特点，提出了一种基于Adaine网的发动机自适应控制方案，该方案中的神经网络辩识器和神经网络控制器均采用两层线性Adaline网，权值采用Widrow-Hoff δ学习规则更新。仿真结果表明这种方法具有方案简单、稳定性好、实时性好等优点，可在全飞行包线内对发动机进行在线控制。     

基于神经网络逆控制的发动机直接推力控制

首次将动态神经网络逆控制用于航空发动机直接推力控制。为了有效消除由于神经网络逆模型构造误差(即神经网络逆模型不可能完全逼近航空发动机的逆模型)而产生的稳态误差和解决航空发动机推力不易测量的困难,分别设计了积分补偿器和推力估计器,从而实现航空发动机直接推力控制。飞行包线内数字仿真结果表明,此控制方案具有良好的动静态性能、精度高、跟踪快。     

自适应遗传神经网络算法在推力估计器设计中的应用

为了在全包线内能够准确方便估计出航空发动机推力,提出了一种自适应遗传神经网络算法:将遗传算法和神经网络技术相结合充分发挥遗传算法和神经网络各自的全局收敛性和局部搜索快速性的优点,其中通过自适应概率遗传操作及局部寻优算子直接优化出神经网络拓扑结构及权值(包括阈值),克服了神经网络隐层节点需凭经验尝试的缺点和神经网络对初始权值(包括阈值)敏感的缺点,再应用神经网络对上述优化的权值(包括阈值)进行"精调",最后设计出全包线推力估计器.经验证,此推力估计器具有较高估计精度和良好泛化能力.      

基于核方法的航空发动机推力估计器设计

鉴于实现航空发动机的直接推力控制需要高精度及高可靠性的推力估计器,基于核方法,提出了结合全局核k-means聚类与鲁棒最小二乘支持向量回归机的推力估计器设计方案,通过核诱导的隐性映射将原始输入数据映射到特征空间,使数据样本特征信息被提取并放大,具有更好的可分性.在每个聚类内设计推力子估计器,用鲁棒代价函数代替最小二乘代价函数,增强了推力估计器的整体鲁棒性.通过对涡扇发动机的仿真试验表明,本推力估计器设计方法能够满足直接推力控制需要,与其它方法相比,在估计精度及鲁棒性上存在一定优势.     

几何分布产品定数截尾场合下参数的点估计

本文给出几何分布产品定数截尾场合下参数点估计的几种方法,并通过随机模拟的方法考察了估计的精度。     

一种多点定位的目标位置精确解算方法

多点定位是民航飞机导航系统的新技术,精确的目标位置解算方法是多点定位的关键.通过设定参考站和变换,将非线性到达时间(TOA)方程组转化为线性到在时间差(TDOA)方程组,提出了一种两步求解目标位置的闭式算法.首先忽略TDOA测量误差,获得了目标位置的粗解,在粗解的基础上做泰勒级数展开,克服了未知量不独立对精度的影响,再...     

Robust DEM co-registration method for terrain changes assessment using least trimmed squares estimator

Robust DEM co-registration for detecting terrain changes is an attractive but unresolved problem in both Remote Sensing and the Prevention and Mitigation of Hazards. Since robust DEM co-registration is an inherently very difficult problem, the algorithms developed are becoming more and more complicated. In this paper, a robust method for DEM co-registration is proposed, which integrates the least trimmed squares (LTS) estimator with the least Z-difference (LZD) algorithm. Moreover, a self-adaptive threshold based on the histogram of height differences is employed to identify the terrain changes automatically, which are the fundamental data for landslide assessment. The results of simulated experiments illustrate the robustness and accuracy of the new algorithm.