特征值摄动法估计区间系统的最小H∞范数

系统的H∞范数表征其对外界干扰的抑制能力. 根据控制系统最小H∞范数与Hamilton微分系统两点边值问题一阶特征值之间的对应关系，利用微分方程特征值的摄动法估计由区间参数描述的不确定性系统的最小H∞范数.     

封闭空间有源弹性壁振动声辐射的鲁棒H∞控制研究

应用H∞控制原理,设计了封闭空间有源弹性壁声辐射有源力控制系统,折衷考虑了系统对外扰力噪声衰减问题和系统参数摄动的鲁棒问题,并对流体声速摄动这一常见情况进行了数值仿真,结果表明,系统对参数摄动具有较强的鲁棒性,同时能有效抑制外扰,与目前较先进的基于自适应滤波的前馈系统相比,具有不需要参考信号,系统相对简单,易于工程实现等优点。∞     

封闭空间有源弹性壁振动声辐射的鲁棒H~∞控制研究

应用H∞ 控制原理 ,设计了封闭空间有源弹性壁声辐射有源力控制系统 ,折衷考虑了系统对外扰力噪声衰减问题和系统参数摄动的鲁棒问题 ;并对流体声速摄动这一常见情况进行了数值仿真。结果表明 ,系统对参数摄动具有较强的鲁棒性 ,同时能有效抑制外扰 ,与目前较先进的基于自适应滤波的前馈控制系统相比 ,具有不需要参考信号 ,系统相对简单 ,易于工程实现等优点     

捷联惯导系统传递对准两种滤波方法比较研究

将H∞滤波方法用于捷联惯导系统（SINS）空中动基座传递对准，并对卡尔曼滤波和H∞滤波应用于传递对准的鲁棒效果进行了比较研究。仿真结果表明，在有色噪声和白噪声强度较小时，两种滤波方法的滤波精度差别不大，但当有色噪声和白噪声强度较大时，卡尔曼滤波精度优于H∞滤波。换言之，卡尔曼滤波对于噪声的不确定性是具有一定的鲁棒性的，并且就估计精度而言，其鲁棒性优于H∞滤波，但H∞滤波的估计速度优于卡尔曼滤波。     

H∞滤波在微惯性组合导航系统中的应用

基于微机电(MEMS)惯性仪表构成的微惯性测量装置(MIMU),其系统噪声特性不确定,影响了卡尔曼滤波器收敛过程,从而对MIMU/GPS组合系统性能产生不利影响.将鲁棒H∞滤波技术应用于该组合系统,确定了一种H∞滤波求解方法,给出了滤波器的推导步骤.该算法虽不具备最优滤波特性,但却具有更好的稳定性和鲁棒性.通过仿真实验,确定了H∞滤波器中的性能因子γ具体数值,使滤波器在可接受的估计精度下具有最佳鲁棒效果,它能在复杂的噪声环境下很好地估计出MIMU的主要误差,验证了H∞滤波对于噪声的不敏感程度和鲁棒性,提高了MIMU/GPS这类组合导航系统整体性能.     

奇异值分解H_∞联邦滤波及其在传递对准中的应用

捷联惯导(SINS)合成孔径雷达(SAR)组合导航系统中,SINS与SAR天线附加的惯性测量元件(IMU)之间的抗干扰、动态快速传递对准是一个研究难题。为了既不增加滤波器阶数,减小计算量,又能提高传递对准的速度和精度。在吸收现有滤波算法优点的基础上,提出了一种新的奇异值分解H∞联邦滤波算法。首先,建立了速度+姿态+位置匹配更新的传递对准模型,利用基于奇异值分解的H?子滤波器进行滤波,得到系统状态的局部最优估计值;然后,通过联邦滤波器对局部最优估计值进行融合得到全局最优估计值。仿真结果表明,提出的滤波算法得到的失准角估计值能在200s内收敛,且分别稳定在3'、-5'和20',性能明显优于H∞滤波和联邦滤波。新的滤波算法不但速度快,精度高,而且计算量小,抗干扰性好,为提高传递对准的精度提供了一种新方法和新途径。     

H∞滤波及其在惯导初始对准中的应用

阐述了H∞滤波器的设计过程，并将其运用于惯导系统的初始对准，建立了惯导系统的误差模型，并对其进行了可观性分析，利用H∞滤波方法对可观可测子系统进行了滤波计算，给出了白噪声下失准角的仿真曲线。仿真表明对准时间得到了很大的提高，精度也能够满足工程实际需要。中给出了方位误差角的一种快速估计方法，结果表明该方法是可行的。     

具有不同激活特性神经元的前向神经网络在捷联惯导系统对准中的应用

提出了一种基于H∞滤波的动态神经网络。该神经网络不仅运用H∞滤波理论在践调整网络权值，而且采用与调整权值相同的算法，对神经网络各层神经元的不同非线性激活函数的参数进行在线调整，替代传统神经网络中各层神经元相同的激活特性，并将其用于捷联惯性导航系统(简称SINS)对准的误差状态模型中。仿真结果表明：与采用相同激活特性的方法相比，这种方法不仅提高了系统状态估值运算的实时性，而且也提高了精度。     

基于扩展H_∞滤波的单站无源目标跟踪

针对无源定位与跟踪系统可观测性弱,目标初始状态估计精度低的特点,提出了一种基于扩展H∞滤波的单站无源目标跟踪方法。将扩展H∞滤波算法对被动声纳平台获得的目标方位数据进行目标运动分析,以实现较高精度的水下仅测角目标定位和跟踪,并采用雅克比矩阵来近似处理系统的非线性测量方程。扩展H∞滤波对噪声的不确定性具有鲁棒性,保证滤波算法的数值稳定性,提高跟踪的精度和可靠性。理论分析与仿真结果表明,扩展H∞滤波跟踪速度快,性能稳定,估计精度明显优于扩展卡尔曼滤波(EKF),用于水下运动目标跟踪是可行的。     

H∞滤波和自适应卡尔曼滤波在消除重力异常畸变中的对比研究

为了有效地消除重力异常畸变对海洋重力仪测量精度的影响，得到更高精度的重力异常测量值，根据随机过程理论，分析了重力异常状态方程，并对H∞滤波算法和自适应卡尔曼滤波算法进行了理论对比分析，将其应用到消除重力异常畸变系统中。为了避免滤波发散，自适应卡尔曼滤波采用降阶的Sage—Husa算法。理论分析和仿真实验表明：H∞滤波算法和自适应卡尔曼滤波算法都具有较好的滤波收敛特性，并能在一定程度上有效地消除重力异常畸变对重力异常测量精度的影响，但自适应卡尔曼滤波的性能优于H∞滤波。