基于遗传算法的仿真转台控制器优化设计与应用

针对仿真转台系统的时变性、模型的不确定性等特点，提出采用基于遗传算法的PID自适应控制器，实现控制器参数的在线自寻优。试验结果表明，该控制算法具有很强的鲁棒性、抑制外界干扰性和良好的动态性能。     

一种新型高精度大功率电动飞行仿真转台的驱动方案设计

针对一种新型电动飞行仿真转台高精度、大功率的突出特点,设计了十分有效的驱动方案。首先简要介绍了该电动飞行仿真转台的主要技术指标,然后提出了高精度大功率飞行仿真转台驱动方案的详细设计策略,驱动方案中采用PWM功率放大器驱动,最后给出了该驱动方案在飞行仿真转台控制系统中的设计实现。实际应用表明:该驱动方案可以很好地满足新型电动飞行仿真转台的高精度、大功率要求,具有很强的抗干扰性和鲁棒性,完全适合在高精度大功率电动仿真转台上应用。     

三轴飞行姿态仿真转台高性能指标及其实现

本文详细讨论了三轴飞行姿态仿真转台（三轴均由液压摆动马达驱动）的主要性能指标及影响它们的主要因素，在此基础上，给出了实现三轴飞行姿态仿真转台高性能指标的途径。同时，对三轴飞行姿态仿真转台中框架双液压马达同步驱动方案进行了探讨。     

三轴飞行模拟仿真转台的设计及控制问题研究

论述了三轴仿真转台的总体设计布局，驱动元件及控制方案等问题，分析了影响转台控制系统性能的因素并提出了相应的解决措施。最后，对转台最重要的指标之一低速问题进行了详细的探讨。     

三轴仿真转台外框电液位置伺服系统自适应神经元网络控制

本文针对三轴飞行姿态仿真转台外框电液位置伺服系统的特点和技术要求，采用自适应神经元网络控制策略对其控制。仿真结果表明，自适应神经元网络控制以其特有的自学习、非线性等优点，完全满足三轴飞行姿态仿真转台外框电液伺服系统对控制策略的要求，由其构成的控制系统既具有良好的动态性能，又具有较强的鲁棒性与适应性。     

利用差分GPS提高惯性导航系统飞行测试基准的精度

—本文研究用增广卡尔曼滤器（ＥＫＦ），把高精度ＩＮＳ、差分ＧＰＳ（ＤＧＰＳ）和测距／测距率无线电应答器系统（ＲＲＳ）及气压高度计进行最优组合，构成ＩＮＳ测试基准的方法；重点讨论ＩＮＳ／ＲＲＳ／ＤＧＰＳ卡尔曼滤波器误差模型。计算机仿真结果表明，基准导航系统的高度精度为１．２５ｍ（１σ），水平位置精度可达０．５９ｍ（１σ），速度精度为０．０１５ｍ／ｓ（１σ）。     

三轴液压仿真转台非线性多输入多输出QFT控制器设计

三轴液压仿真转台本质上是非线性变参数多输入多输出系统.系统负载、油源压力、增益的变化及耦合作用随速度,加速度的变化造成很大的参数不确定性.针对液压转台提出一种基于SIMULINK模型线性化的多输入多输出非线性定量反馈设计方法.其本质是找到液压伺服系统一系列控制特性最差的运行点,直接用它们的频率响应集合来综合非线性定量反馈控制器.这种方法简化了目前的QFT多输入多输出控制系统设计方法,显示了很大的优越性.文中举例说明这种方法的效果.     

舰载机捷联惯导自对准方案设计与仿真

舰船因风浪影响而产生大幅摇摆,使陀螺测量到的地球自转角速度信噪比大幅度下降,从而给舰载机的初始对准带来困难.针对这一问题,提出了利用惯性空间中地球重力加速度信息的捷联惯导自主粗对准方法,以及基于模糊自适应卡尔曼滤波的自主精对准方法.粗对准算法中采用了惯性凝固假设,建立了载体惯性坐标系,使舰载机相对坐标系的姿态阵初值成为单位阵,并将姿态阵分散为四个矩阵求解;考虑了舰载机的地理信息、地球的自转、对准初始时刻舰载机相对地球的相对位置,及舰载机相对系的姿态变化等信息,使姿态更新解算成为可能,从而隔离了舰船晃动.精对准中设计了一种模糊自适应卡尔曼滤波器,有效抑制量测中含有的不确定性干扰.理论分析和仿真结果表明,该运动基座上捷联惯导自对准方法能有效地解决舰船系泊和等速航行状态下舰载飞行器的初始对准问题.     

自适应Kalman和零相移滤波算法在重力信号处理中的对比

为了有效消除海洋重力仪测量信号的噪声,提高重力数据的获取精度,根据随机过程理论,借助基于二阶高斯一马尔可夫异常位模型的重力异常协方差函数,得到海洋重力测量中重力异常信号的状态方程.对sage-husa滤波算法和零相移算法进行了理论分析,为了抑制零相移滤波器的首尾数据畸变,求解了滤波器的初始状态.根据实测重力数据,进行了去噪仿真试验.理论分析和仿真结果表明,sage-husa与零相移滤波算法均能较好地抑制采样重力数据中的噪声干扰,但零相移滤波算法的性能优于sage-husa滤波器.     

NUMERICAL SIMULATION OF INSECT FLIGHT

In the non-inertial coordinates attached to the model wing, the two-dimensional unsteady flow field triggered by the motion of the model wing, similar to the flapping of the insect wings, was numerically simulated. One of the advantages of our method is that it has avoided the difficulty related to the moving-boundary problem. Another advantage is that the model has three degrees of freedom and can be used to simulate arbitrary motions of a two-dimensional wing in plane only if the motion is known. Such flexibility allows us to study how insects control their flying. Our results show that there are two parameters that are possibly utilized by insects to control their flight: the phase difference between the wing translation and rotation, and the lateral amplitude of flapping along the direction perpendicular to the average flapping plane.     

环路跟踪卡尔曼滤波算法的性能分析

基于卡尔曼滤波的环路跟踪算法多是通过一定仿真证明算法性能,没有系统性性能评估,难以较好指导工程应用。在原有算法基础上进行了优化,并系统性地对比分析、评估了基于卡尔曼环路滤波算法性能,以期为算法工程化提供指导。首先提出对跟踪环路反馈调整量进行预测,使之更符合系统实际,减小环路跟踪误差。而后基于卫星信号模拟器输出信号和自生产信号源,充分评估基于卡尔曼滤波环路跟踪算法的收敛时间和灵敏度。仿真结果表明,相比目前工程常用的二阶FFL辅助三阶PLL算法,基于卡尔曼滤波环路跟踪算法能够缩短环路所需稳定时间约90%,并能提升跟踪灵敏度约5 d B,有效改善弱信号场景中接收机输出信息的完好性和连续性。     

基于卡尔曼滤波的信息融合算法优化研究

通过比较采用联邦卡尔曼滤波的状态向量融合和量测信息融合,得出量测信息融合优于状态向量融合,因为只有当卡尔曼滤波一致时状态向量融合才有效.采用基于最小均方差估计的观测值加权融合法融合了多传感器数据,保持了观测向量的维数.这种方法具有高效性.为了提高该算法的速度和精度,对系统的量测空间进行了等价变换,而等价系统的状态空间却没有改变.给出了等价变换前后的系统误差方差阵和状态估计均一致性的证明.把矩阵分析中的L-D分解算法运用到该算法中以避免计算矩阵的逆,从而改善了算法的稳定性和精度.举例验证了所设计算法的这些优点,给出了采用联邦卡尔曼滤波和所优化滤波算法的状态估计和误差的仿真结果,并依次进行了分析.经过这种优化,算法的精度和速度得到很大提高,已经应用到实际工程中.     

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。     

Identification of a fault zone ahead of the tunnel excavation face using the extended Kalman filter

Simulation of mechanized tunneling and on-site excavation require very good knowledge of the geomechanical and material properties. Identification of the material must be fast and continuously performed during tunnel excavation for the best possible strategies for advancing the tunnel boring machine. We present in this work the use of the extended Kalman filter (EKF) for identification of the inclined fault zone ahead of the face. The EKF showed fast and stable convergence of the model parameters under study. In comparison with the particle swarm optimization technique applied to the same back analysis problem, faster convergence of the identified parameters as well as high robustness with respect to the choice of the initial parameter values have been observed.     

强跟踪CKF及其在惯导系统初始对准中的应用

容积卡尔曼滤波(CKF)是常用的惯性导航系统(INS)初始对准算法。针对在模型失配和观测噪声干扰情况下常规容积卡尔曼滤波出现精度下降甚至发散的问题,提出了一种自适应渐消滤波算法,引入多重渐消因子对预测误差协方差阵进行调整。设计了基于滤波残差序列统计特性的滤波状态x~2检验条件,检测滤波器故障并确定是否引入渐消因子,使渐消因子的引入时机更加合理,有效增强了算法的自适应性。仿真试验表明,新算法可以有效提高初始对准精度及鲁棒性。     

Sigma点Kalman滤波在惯性导航初始对准中的性能评估

捷联惯性导航系统的大失准角初始对准过程具有非线性特性,Sigma点卡尔曼滤波算法可用于解决大失准角的对准问题。为提高Sigma点卡尔曼滤波的数值稳定性并降低算法复杂度,推导了简化的方根形式的滤波算法。为评估不同Sigma点卡尔曼滤波在初始对准中的性能,引入了一种适用于姿态角全为大失准的欧拉角误差模型。最后对不同Sigma点卡尔曼滤波在初始对准中的应用进行了仿真,并对算法的精度与复杂度作了分析与总结。结果显示该算法可较好的处理大失准角情况下的对准问题,所推导的简化方根滤波算法在不影响对准精度的情况下可使算法的复杂度降低20%,并增强了数值稳定性,是一种较为实用的方法。     

智能Kalman滤波在水下地形组合导航系统中的应用

为了避免现实环境的动态变化对水下航行器系统模型造成的随机干扰影响,保证水下航行器长时间导航精度的稳定性,提出了利用RBF神经网络辅助联邦Kalman滤波方法对SINS/TAN/DVL/MCP组合导航系统进行信息融合。给出了各子导航系统的误差模型,通过足够精度的样本对前向神经网络进行离线训练,建立神经网络控制模型。仿真结果表明,该方法可使水下航行器的系统状态在较短的时间内以较高的精度达到稳定。通过与联邦Kalman滤波结果对比表明,采用智能控制方法辅助的信息融合方式的导航定位精度提高了一倍,能有效提高常规联邦Kalman滤波器的自适应能力,达到减小误差,提高精度的目的。