基于模糊鲁棒自适应CKF算法的MEMS-IMU姿态估计

针对微机电惯组（MEMS-IMU）受到状态突变干扰、存在未知量测噪声等情况下,传统滤波算法无法准确估计系统姿态问题,提出了一种基于模糊鲁棒自适应容积卡尔曼滤波（FRA-CKF）的姿态估计算法。通过分析滤波新息序列的统计特性,根据检验原理设置了修正门限和修正边界,构造了容积卡尔曼滤波、鲁棒修正和自适应修正的隶属度函数,制定相应的模糊修正准则,使算法兼顾自适应性和鲁棒性。仿真及静、动态实验验证了所提出算法的有效性。静态实验结果表明,所提出的滤波算法相比CKF算法,航向角估计的均方根误差降低了80%,提高了滤波的精度和稳定性。     

基于Krein空间的鲁棒Kalman滤波在传递对准中的应用研究

基于Krein空间的鲁棒Kalman滤波器与通过其它方法建立的鲁棒Kalman滤波器相比有较高稳态精度。文中将基于Krein空间的鲁棒Kalman滤波方法用于导弹捷联惯导系统动基座传递对准，并与标准Kalman滤波进行了比较。仿真结果表明，在垂直比力参数存在摄动的情况下，如果基于Krein空间的鲁棒Kalman滤波器的参数选取适当，它的精度鲁棒性优于标准Kalman滤波。     

不完全测量系统鲁棒SGQKF的传递对准滤波器设计和稳定性分析

针对复杂环境下运载体观测信息不完全测量并且存在随机干扰不确定的传递对准问题,研究了不完全测量随机不确定系统的鲁棒稀疏网格求积分(H_∞-SGQKF)的高斯逼近滤波算法。基于非线性离散系统的最优贝叶斯滤波框架和间断观测滤波算法以及不确定性扰动噪声下的H_∞范数的鲁棒SGQKF算法,给出了不完全测量的稀疏网格求积分的高斯逼近滤波算法;通过非线性系统随机稳定性理论,分析并给出了系统估计误差和估计误差方差有界的充分条件,同时给出了系统稳定的不完全测量时的丢包率临界值,证明间断观测条件下的不完全测量H_∞-SGQKF算法是稳定的。通过传递对准仿真试验和某型激光捷联式惯性导航系统的跑车试验对该算法进行了验证。结果表明,该方法比未采用鲁棒的不完全测量的稀疏网格求积分滤波的传递对准精度有所提高,说明不完全测量的鲁棒稀疏网格求积分滤波算法是正确的、稳定的,并且具有鲁棒性能。     

自适应鲁棒Kalman滤波技术在静电陀螺监控器中的应用研究

本文重点研究了卡尔曼滤波在静电陀螺监控器（ＥＳＧＭ）参数估计应用中滤波发散的问题。由于系统本身和外部条件的不确定性，很难对系统各状态进行准确的数学描述，造成滤波器不稳定甚至发散。本文提出一种自适应鲁棒滤波方法，并应用于ＥＳＧＭ的初始标定。研究结果表明，应用该算法，可以有效地抑制由于模型不准而产生的滤波发散现象，大大提高了参数估计的精度。     

倾斜转弯小直径炸弹鲁棒自动驾驶仪设计(英文)

针对倾斜转弯(BTT)控制模式决定了小直径炸弹是一个强耦合非线性不确定时变系统的特点,研究了其自动驾驶仪的鲁棒设计问题。将小直径炸弹俯仰、偏航、滚转通道之间的耦合视作不确定干扰,基于H∞控制理论,采用双回路方法设计了自动驾驶仪,即采用LQR设计方法作为内回路,以确保炸弹确定性模型部分的控制效果;H∞/混合灵敏度控制作为外回路,以抑制通道之间耦合干扰,增强系统的鲁棒性能,并分析了系统的动态跟踪性能和对全弹道上参数扰动的鲁棒性能。6DOF弹道仿真结果表明炸弹BTT控制性能和鲁棒性能良好,满足设计指标要求。其研究方法可为小直径炸弹BTT控制系统的工程应用提供参考。     

导弹编队协同攻击分布式鲁棒自适应控制

在有向通信拓扑下研究了导弹编队的鲁棒自适应协同跟踪控制问题。针对导弹编队系统中队形跟踪、外部扰动和模型不确定性的情况,通过选取包含位置跟踪误差和速度跟踪误差的辅助变量,提出了一种基于有向通信拓扑的鲁棒自适应编队控制策略。提出了自适应律对未知参数进行估计,并且利用Lyapunov稳定性理论分析了闭环系统的渐近稳定性。进一步,对于通信时滞的情况,给出了系统渐近稳定所需要满足的条件。与滑模控制等传统鲁棒控制不同,所设计的鲁棒自适应控制器是连续的,更便于导弹编队系统的实现。数值仿真结果表明,队形跟踪误差小于0.03 m,队形保持误差小于0.07 m,所设计的控制器能实现高精度的编队跟踪控制。     

SINS初始对准中的鲁棒超球体无迹卡尔曼滤波方法

捷联惯导初始对准大失准角系统误差模型中,当噪声具有不确定统计特性时,基于白噪声假设的无迹卡尔曼滤波算法鲁棒性较差.针对该问题,提出了一种基于H∞理论的鲁棒超球体无迹卡尔曼滤波算法.给出了计算量小的超球体采样策略,推导了H∞滤波的鲁棒机理,分离了鲁棒环节.将鲁棒环节引入超球体无迹卡尔曼滤波算法,得到鲁棒超球体无迹卡尔曼滤波算法,并分别在系统噪声和量测噪声为白噪声和有色噪声的条件下,对超球体无迹卡尔曼滤波和鲁棒超球体无迹卡尔曼滤波两种滤波方法进行了仿真实验.仿真结果表明,鲁棒超球体无迹卡尔曼滤波在白噪声情况下虽然精度有所降低,但是相对超球体无迹卡尔曼滤波具有了对有色噪声的鲁棒性,较超球体无迹卡尔曼滤波方法更适用于天向失准角为大角度并且噪声特性为有色噪声的情况.     

载波平滑伪距紧组合导航系统鲁棒自适应滤波算法

传统惯性/卫星紧组合导航系统采用载波相位平滑伪距可以有效提高伪距观测量精度,但平滑伪距后观测量噪声不符合白噪声特性而导致卡尔曼滤波器容易发散;同时由于周跳的存在会更加严重影响滤波器的稳定性。针对上述问题,分析了平滑伪距噪声特性并建立了噪声模型,在此基础上设计了鲁棒自适应滤波算法对观测噪声进行实时估计和补偿,结合抗差估计理论进行滤波以减小观测量噪声水平和模型不确定对滤波器带来的影响。理论分析和仿真结果表明,在复杂环境下,基于载波相位平滑伪距的鲁棒自适应紧组合导航系统定位精度提高了一倍以上。     

抑制线振动台扰动的鲁棒自适应重复控制

针对线振动台系统中存在的非线性动态摩擦力及周期性纹波推力扰动,为获得线振动台较高的跟踪精度及鲁棒性能,提出了鲁棒自适应重复控制方法.该方法的控制律包含参数自适应控制、等效PID控制、重复空制和滑模控制.滑模控制用来镇定不确定性系统和保证自适应重复学习过程收敛,参数自适应律用来估计未知模型参数并予以补偿,重复控制用来抑制周期性扰动,提高周期性位置信号的跟踪性能.Lyapunov理论证明该控制律保证了闭环系统渐近稳定性.通过对线振动台系统仿真研究表明该控制律的有效性.     

基于指数收敛的四旋翼无人机鲁棒自适应飞行控制

针对四旋翼无人机鲁棒自适应飞行问题,提出了一种基于指数收敛的控制方法。考虑到四旋翼系统的欠驱动、强耦合等非线性特性,采用线性化反馈控制策略实现对其轨迹追踪飞行能力的基本控制;针对线性化反馈控制易受系统内外部未知干扰等影响,采用基于指数收敛干扰观测器组合控制设计,实现四旋翼飞行的鲁棒与自适应控制;线性反馈及状态观测器控制系统基于指数收敛稳定。进行了仿真分析,结果表明,干扰观测器对四旋翼系统中存在的未知干扰具有很好的估计能力,所设计的基于指数收敛控制系统,结构简单,且具有较强的干扰抑制能力和较高的系统稳定性,满足四旋翼无人机的鲁棒及自适应飞行能力要求。     

抗差自适应插值粒子滤波及其在组合导航中的应用

针对粒子滤波存在的粒子退化和重要性密度函数难以选取的问题,在吸收抗差自适应滤波、二阶插值滤波和粒子滤波算法优点的基础上,提出了一种新的抗差自适应插值粒子滤波算法。该算法利用二阶插值滤波算法得到重要性密度函数,通过抗差自适应因子实时控制动力学模型误差及观测异常对导航解的影响。将该算法应用于SINS/CNS/SAR组合导航系统进行计算仿真,并与经典的粒子滤波算法进行比较分析。结果表明,提出的滤波算法得到的姿态误差控制在[-0.3′,+0.3′],速度误差控制在[-0.4 m/s,+0.4 m/s],位置误差控制在[-5 m,+5 m],性能明显优于经典的粒子滤波算法。新的滤波算法不但能够有效地抑制粒子退化,而且能够有效地控制动力学模型误差及观测异常的影响,提高了组合导航的滤波精度。     

Adaptive robust maneuvering control for nonlinear systems via dynamic surface technique

In this paper, the adaptive robust controller based on dynamic surface technique is investigated for the maneuvering problem of uncertain nonlinear systems with external disturbances. As preliminary, the definition of semi-globally uniformly practically asymptotically stable and its Lyapunov criterion are presented. The static part of controller with smooth robust compensator and adaptive law is designed to achieve the geometric task of maneuverability, and the dynamic control is proposed to reach the speed task by filtered-gradient update law. Moreover, utilizing first-order filter, the problem of “dimensional explosion” is avoided in controller design. Simulation is conducted for three-mecanum-wheeled mobile robot actuated by DC motors to illustrate the effectiveness of the control strategy.

     

在实时单点定位中基于残差信息的改进抗差滤波方法

在利用卫星导航定位系统进行单点导航定位时,为了进一步提高导航定位的精度、实时性和可靠性,针对实时观测信息中存在粗差问题,基于残差分析理论,比较分析了最小二乘法、M估计、抗差滤波估计方法在GNSS单点导航定位中参数估计问题。在此基础上,针对观测量与动力学模型不准确的情况,利用残差信息,构建了有效的改进的基于残差信息的抗差滤波。其特点是观测信息误差比较大的情况下不会导致滤波精度明显下降。在GPS单点导航定位解算中,编程并计算,通过比较分析,结果验证了构建的滤波在单点定位中抗差的优越性,并在导航定位算法选择上得到一些有益结论。     

自适应卡尔曼滤波在惯导初始对准中的应用研究

本文研究了自适应卡尔曼滤波技术在惯导系统中的应用。在噪声统计特性未知或近似已 知的情况下,采用常规卡尔曼滤波会导致较大的状态估计误差,甚至使滤波发散;而自适应卡 尔曼滤波在估计状态的同时,利用观测数据带来的信息,可在线估计噪声的统计特性,从而不 断地改进滤波器的设计,由此得到的滤波估计比常规卡尔曼估计精度更高。本文采用Ｓａｇｅ 和 Ｈｕｓａ 自适应滤波算法,结合惯导初始对准,给出了计算机仿真。仿真结果进一步证实在噪声统 计特性不确切知道的情况下,自适应卡尔曼滤波的估计精度高于常规卡尔曼滤波的估计精度。     

一种带速度观测量的GPS动态定位自适应卡尔曼滤波算法

提出了一种应用于GPS动态定位滤波的自适应卡尔曼滤波算法,此自适应滤波器算法简单,与常规滤波器相比,可实现快速有效地提高GPS定位精度。计算机仿真实例表明应用该算法具有良好的效果。     

机载脉冲多普勒雷达在测量数据丢失下的多目标跟踪

针对于多目标在机载多普勒盲区测量数据丢失下的跟踪问题,提出了一种鲁棒无偏转换自适应门限的CPHD(Robust Unbiased Converted Measurements-Adaptive Gating-Cardinalized Probability Hypothesis Density,RUCM-AG-CPHD)算法。该算法首先对目标测量信息进行无偏转换,并将无偏转换得到的噪声协方差矩阵做解耦;然后设计增益调节矩阵提高滤波器在目标量测数据丢失下的鲁棒性;最后采用自适应门限去除不相关的量测信息,同时保证检测到新出现的目标,从而有效地降低了算法的计算复杂度。仿真结果表明该算法的有效性和可行性,可以更加准确的估计出目标在盲区内测量信息丢失下的目标个数和状态,且计算量相对于传统的CPHD算法减少了8.6%。     

自适应Kalman滤波在SINS初始对准中的应用

为了提高捷联惯导系统的对准精度和收敛速度,提出了一种基于Sage-Husa自适应滤波算法的初始对准方法。针对方位小失准角的情况,推导出精对准误差模型和自适应Kalman滤波方程。常规Kalman滤波算法,在噪声统计特性已知的情况下,使用比较方便;多数情况下,噪声统计特性是处于未知状态,从而引入自适应Kalman滤波算法。它利用观测到的数据自动进行噪声统计特性的在线估计和修正,使系统达到最佳的滤波效果。通过仿真验证,该自适应滤波算法有效地提高了收敛速度和对准精度。     

动态系统的抗差Kalman滤波及其影响函数

离散历元动态测量及其相应的动态模型可能存在异常，若在数据处理不中考虑对这些异常的特别处理，则动态模型参数估值及其所提供的动态信息将极不可靠。对于GPS动态定位数据的处理，按抗差估计原理，构造了状态向量和观测值对模糊度的影响函数，并由此建立了动态GPS定位的抗差Kalman滤波解法。实际计算验证了该方法的实用性和可靠性。