简介：以SINSiGPS组合导航系统为背景，在对Kalman滤波原理和工程应用进行深入分析的基础上，总结了该方法的不足，提出了应用神经网络和模糊推理技术对系统噪声、观测噪声和其相关阵进行直接调控的方法。该方法根据新息和新息方差的变化，实时调整自适应因子，间接改变Kalman滤波器的当前观测量和过去信息的比例关系。仿真结果表明，该算法对模型和噪声干扰有较强的自适应性，能够有效抑制滤波发散，在不损失原有精度的前提下，提高了系统的鲁棒性。

简介：静电陀螺的支承控制系统中由于不可避免地存在建模不准确及对象扰动,传统的控制器设计只能在系统动态控制与对象扰动消除之间折衷。根据自适应逆控制的结构,利用模糊径向基函数神经网络进行对象建模、逆对象建模和扰动消除建模,设计了带扰动消除的自适应逆控制的八电极静电陀螺支承控制器。仿真表明,该控制器可以同时提高控制的精度和鲁棒性,在保证支承系统动态性能的同时,大大抵消对象扰动的影响,克服传统控制方法的折衷缺陷,对静电陀螺的自适应逆控制器的工程实现具有重要意义。

简介：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。

简介：提出了一种基于期望模式修正（EMA）的改进交互式多模型（IMM）算法。该算法主要解决自主水下航行器（AUV）复杂工作环境下量测噪声统计特性未知或易发生变化时的状态估计问题,其核心思想是将期望模式修正机制和交互式多模型滤波算法相结合,利用状态估计过程中的获取的模型概率进行决策,得到更加接近与系统真实模式的期望模型集合,再通过期望模型集合滤波结果对固定模型集合滤波结果进行修正。与传统的交互式多模型算法相比,提出的基于期望模式修正的交互式多模型算法可以捕捉到系统模式更细微的变化。仿真结果表明,该算法可以大幅提高AUV组合导航系统的估计精度和稳定性。

简介：──发散现象是应用卡尔曼滤波经常遇到的问题。导致发散的原因很多，其中很重要的原因就是缺乏对系统噪声和测量噪声统计特性的了解。本文在理论推导的基础上，提出了一种新的自适应滤波方法，并将该方法应用于弹性体上惯性测量系统的传递对准。通过大量的仿真证明，按本文的滤波算法，确实能十分有效地控制由于噪声统计值不准所导致的发散现象，而且滤波精度也很高。

简介：针对在量测噪声统计特性发生变化时,基于滤波算法的惯性/地磁组合导航系统存在精度下降甚至发散的问题,提出了一种基于模糊自适应强跟踪滤波算法的惯性/地磁组合导航方法,该方法通过制定模糊规则,实时监控系统残差变化,自适应地调整柔化因子的大小,即增强了滤波器对时变噪声的跟踪能力又保证了滤波器处理当前信息的能力。仿真结果表明：该方法能够很好地抑制纯惯性导航系统随时间累积的误差,而且在量测噪声统计特性发生变化时,系统误差没有出现明显的跳变,保证了整个导航系统的精度,提高了系统的鲁棒性。

简介：针对SINS/GNSS组合导航在GNSS信号异常时出现的系统滤波精度和稳定性下降的问题,提出一种基于EKF的自适应分类容错滤波算法。该算法通过比较系统残差协方差矩阵的实际值与理论值来检测GNSS信号是否存在异常,然后对异常信号进行分类,并对不同类别的异常信号使用不同的加权矩阵进行修正,以减弱异常值对系统滤波精度的影响,同时在滤波过程中加入UD分解,使系统滤波性能更稳定。仿真结果表明：该算法能够有效降低GNSS输出异常信号对SINS/GNSS组合导航带来的不利影响并提高系统稳定性;在GNSS信号出现异常情况下,其导航精度相比EKF至少提高95.6%,相比REKF和AEKF分别至少提高44.5%和24.6%。

简介：采用理论分析和数值模拟相结合的方法,系统研究了尺度自适应模拟（scale-adaptivesimulation,SAS）和大涡模拟（large-eddysimulation,LES）的关联性问题.在理论分析方面,对比分析了系综平均和滤波的定义、Spalart-Allmaras（SA）湍流模型和动态亚格子（subgrid-scale,SGS）模型关于湍流黏性系数的求解方式.理论分析结果表明,系综平均等价于盒式直接滤波,SAS和LES的控制方程在数学形式上具有一致性;SAS存在过多的湍流耗散,主要来自于SA输运方程中的扩散项.在数值模拟方面,选取来流Mach数0.55,Reynolds数2×10-5的圆柱可压缩绕流为分析算例.计算结果表明,SAS和LES预测的大尺度平均流场信息几乎一致,SAS预测的湍流脉动信息略低于LES.SAS在圆柱近尾迹区的湍流耗散过大,而在稍远的尾迹区几乎能够完全等效于LES.

简介：为了降低全球卫星导航系统（GNSS）接收机做比特同步的平均估计时间,提出一种自适应比特同步的新颖算法。分析了传统的最大似然比特同步算法,找到了信号强度、比特能量最大值和非相干累加次数三者之间的关系。在此基础上,利用比特能量最大值来设置门限约束非相干累加次数,使得比特同步算法可以针对不同信号强度来自适应地调整非相干累加次数。仿真分析表明,当预设的门限值为1.5？108时,与传统的固定非相干累加比特同步算法相比,所提出的自适应算法的正确同步概率性能只略微下降了5%,但平均估计时间缩短了85%,使得接收机的首次定位时间大幅度减少。

简介：双天线GPS提供的载体姿态信息与惯性导航系统信息进行融合可提高组合导航系统的性能。由于在实际应用中,GPS接收机可能会受到某种干扰无法提供舰船航向信息,从而降低传统卡尔曼滤波器的性能。因而提出了一种新的基于模糊逻辑控制的自适应卡尔曼滤波器。改进后的卡尔曼滤波器使用两个模糊逻辑控制器来调整两个系统的组合模式,并且根据卡尔曼滤波器的内部状态、GPS工作状态和舰船运动状态来计算卡尔曼增益。通过使用INS和GPS的实测数据验证,这种基于模糊逻辑控制的自适应卡尔曼滤波器能有效的提高INS/GPS组合导航系统的性能。

简介：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。

简介：为了提高水下航行器组合导航系统精度和可靠性,针对水下航行器组合导航系统量测噪声统计特性随实际工作环境的不同而变化的特点,提出了基于模糊自适应联邦卡尔曼滤波的水下组合导航算法。通过监测理论残差与实际残差的协方差的一致程度,应用模糊系统不断调整滤波器的增益系数,对子滤波器进行在线自适应调整,从而实现导航状态的最优估计滤波。通过对联邦滤波器信息分配系数模糊自适应调整,减少了滤波计算量,提高了滤波实时性。软件仿真实验结果表明：模糊自适应滤波可以有效地提高水下航行器组合导航系统的精度和可靠性,提高导航滤波实时性,克服传统的滤波算法的缺点与不足。

简介：在时变通信延迟下研究了无人机群编队的鲁棒自适应控制问题。对于无人机编队系统中存在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,提出了一种适用于时变通信延迟的鲁棒自适应编队控制策略。提出了自适应律对无人机质量、外界扰动的上界等未知参数进行估计,并且利用Lyapunov稳定性理论分析了闭环系统的渐近稳定性,给出了系统渐近稳定所需要满足的条件。数值仿真结果表明,所提出的控制方法既能抑制外界扰动和模型不确定性对控制器的影响,同时队形跟踪和队形保持的稳态误差分别小于0.1m和0.05m。

简介：—针对现有的自适应卡尔曼滤波算法实时性不强、结构繁杂，本文研究了在惯导与ＧＰＳ组合系统中应用一种修正的自适应卡尔曼滤波算法，并与常规卡尔曼滤波算法作了比较。仿真结果表明，这种算法具有结构简单、高效率和精度高等优点，不失为一种实用而有效的滤波算法。

简介：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。

简介：基于各向异性非结构网格生成技术，开发了面向复杂几何和复杂湍流燃烧问题的自适应求解算法，并进行了程序代码的可靠性验证工作，展示了各向异性网格自适应算法在降低问题求解规模、提高火焰面和流场计算精度等方面的优势．应用该自适应求解技术准确捕捉到了一维预混层流火焰、二维对冲火焰和三维本生灯湍流火焰的流场信息，火焰面附近的温度、速度、组分等物理量与实验值吻合很好．对一款富油-快速混合-贫油（rich—bum，quick-mix，lean-burn，RQL）低排放发动机燃烧室进行了计算分析，发现了燃烧室内的热声不稳定现象．

简介：针对液压仿真转台伺服系统的非线性特点,提出了一种模糊控制与局部积分控制相结合的复合控制方式.当系统的偏差较大时主要采用模糊控制器对系统的偏差进行快速调节以加快系统的响应过程；当系统的偏差小于某一值时,加入积分控制以保证系统的精度.为了提高模糊控制器的性能,采用了规则可调整的模糊控制器.实验结果表明:该方法能有效地克服液压伺服系统的非线性和参数的不稳定性以及外部干扰对系统的影响,具有较高的控制精度和鲁棒性能,完全适合于液压仿真转台伺服系统的控制.

简介：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.

简介：针对舰机惯导传递对准过程中舰船机动受限、系统可观测性差等特点,提出了基于状态参数可观测度分析的自适应滤波方法.通过系统状态参数可观测性分析,量化各状态分量可观测程度,进而根据可观测度大小分组构造自适应调节因子,并采用滤波增益衰减法对观测度低的分量通道进行有效处理,以此来提高传递对准滤波算法的适应性和滤波估计精度.舰船模拟轨迹下仿真结果表明,基于状态参数可观测度分析的自适应滤波方法和常规方法相比,具有较高的精度和较快的收敛速度,对准精度由3′提高到2′,滤波估计收敛时间由15min缩短至8min.

简介：针对自主驾驶车辆长时间导航精度要求难以满足的问题,建立了GPS与微惯性导航系统的组合导航滤波模型,在位置观测的同时引入姿态信息,提高了导航精度。在此基础上提出了基于权值矩阵的模糊自适应卡尔曼滤波算法,该算法通过模糊控制器自适应地改变每个观测量的权值,得到权值矩阵引入卡尔曼滤波器实现自适应滤波。仿真和实验结果表明,所提出的权值矩阵模糊卡尔曼滤波性能优于衰减因子自适应卡尔曼滤波,特别是在GPS信号失真及噪声先验统计特性不可知的情况下,其定位精度能够保证在1m之内。