基于菌群优化算法的非线性系统预测控制器设计

作为一种先进的计算机控制算法,预测控制具有良好的自适应性和鲁棒性,一直是自动控制领域的研究热点.针对非线性系统,文中提出了一种基于菌群优化算法和模型学习的单步预测控制算法,算法在不需要系统数学模型前提下,根据非线性系统输入输出数据,通过最小二乘支持向量机建立系统数学模型,获得系统输出估计值,利用反馈校正减少预测误差,最后利用菌群优化算法进行滚动优化得到控制量,得到有效的预测控制器.由单变量和多变量非线性系统的仿真结果证明了算法鲁棒性和自适应性较好.     

基于正弦函数处理新息的船舶模型参数辨识新算法

[目的]当船舶试验数据样本少时,将面临难以快速、准确辨识船舶模型参数的难题。[方法]基于最小二乘系统辨识算法,采用正弦函数处理新息,提出一种基于正弦函数非线性新息处理的船舶模型参数辨识算法。以"育鲲"船为例进行仿真实验,在只有26组辨识数据的情况下,对比最小二乘法和非线性新息改进最小二乘法的模型参数辨识效果,并利用"育鹏"船对所提算法的有效性进行验证。[结果]结果表明:与最小二乘法相比,非线性新息改进最小二乘法的模型参数辨识精度提升了15%左右。[结论]研究结果可为小样本数据情况下的船舶模型参数辨识提供参考。     

应用两步回归迭代算法校正数字式磁罗经误差

基于椭圆假设的参数估计目前是解决数字式磁罗经误差校正问题的较为先进的方法，然而对该方法中的非线性参数估计问题采取了扩展卡尔曼滤波的办法来解决，这造成误差在测量过程中的发散。提出了两步回归迭代算法来解决此问题的思路，即把待估计的非线性参数组合成线性参数，用卡尔曼滤波进行状态估计后，通过Causs-Newton法解得原非线性参数。实验结果证明了新方法的优越性。     

一种单站纯方位跟踪中的非线性最小二乘方法

对纯方位跟踪问题进行了描述,通过建立模型,设计求解算法,提出了一种解纯方位跟踪问题的非线性最小二乘方法,并将它与解纯方位跟踪问题的线性最小二乘方法进行了比较与仿真分析。仿真结果表明,非线性最小二乘方法具有较高的估计精度,是一种有效的算法,对潜艇实施隐蔽探测与跟踪具有重要意义。     

基于反馈线性化与闭环增益成形的减摇鳍控制

根据减摇鳍系统的非线性数学模型,设计了一种具有鲁棒性的非线性控制器。通过采用精确反馈线性化方法将减摇鳍系统的非线性模型线性化,然后用闭环增益成形算法设计出非线性鲁棒控制器。用Matlab的Simulink工具箱分别对相同海况下未进行减摇控制、已设定航速及航速减半状态时采用减摇鳍控制的非线性数学模型进行仿真。仿真结果表明,该控制策略对于减摇鳍非线性控制系统是十分有效的,特别是鲁棒性能令人满意。算法的设计过程简单,物理意义明显。     

水下传感器网络中的分布式参数估计算法

水下无线传感器网络的主要应用都可以归结为参数估计问题。由于其能量和带宽的限制,设计能量高效的参数估计算法,是水下无线传感器网络中信号处理研究领域的核心任务。针对多跳水下无线传感器网络,提出了一种基于压缩数据的分布式参数估计算法。仿真试验表明,该算法具有较高的能量利用率和一定的鲁棒性,而且均方误差性能相比已有的分布式参数估计算法也得到了大幅的提高。     

水声网络探测节点的一种运动目标参数估计算法

文章提出了一种水声网络探测节点的运动目标参数估计方法,即基于模型匹配原理的估计算法。给出了算法的原理和仿真分析。     

基于多项式的二维PSD非线性校正算法研究

针对位置敏感探测器PSD的非线性,综合分析现有非线性校正方法,提出利用多项式拟合算法对PSD的非线性进行校正。利用二维平移台搭建二维PSD标定系统,详细论述多项式校正的方法,并通过实验数据对比,选择二元三次多项式完成校正。通过PSD光敏面上不同点的测量对多项式校正算法进行验证。实验结果表明,校正后的测量误差均方差不大于0.0185。     

改进自适应惯性权重粒子群算法及其在核动力管道布置中的应用北大核心CSCD

[目的]旨在研究非线性自适应惯性权重粒子群优化算法,实现船用核动力一回路系统管道路径的布置优化设计。[方法]根据船用核动力一回路系统的管道布局设计特点,建立一回路系统的管道布局空间模型、约束条件和评价函数;基于管道节点数量,提出一种粒子群优化(PSO)算法的新型定长编码方法,然后结合该编码方法建立方向引导机制;在此基础上,针对粒子群优化算法易陷入局部最优解、收敛速度慢的缺点,结合辅助线性变化的学习因子,提出一种基于非线性自适应惯性权重的改进粒子群优化算法;将改进粒子群优化算法与协同进化算法相结合,提出一种用于求解分支管道布局问题的协同进化粒子群优化算法,以用于核动力一回路系统的管道布局优化。[结果]仿真结果显示,所提的改进算法与标准算法相比收敛速度提高了40%~50%,不仅能够得到更好的管道布局效果,还解决了标准粒子群优化算法容易陷入局部最优解的问题。[结论]研究成果可为船用核动力一回路系统管道布置的优化设计提供有益的参考。     

基于一种改进粒子滤波算法的目标跟踪研究

为了解决非线性、非高斯系统目标跟踪问题,研究了一种新的滤波方法——高斯粒子滤波算法。通过基于重要性采样和蒙特卡罗模拟方法得到一高斯分布来近似未知状态变量的后验分布。并讨论了此算法在机动目标非线性转弯运动中的跟踪应用,与粒子滤波算法相比,其优点是不需要重采样步骤。在闪烁噪声下比较了高斯粒子滤波器、粒子滤波器和扩展卡尔曼滤波器在滤波精度、运算时间等方面的差异,仿真结果表明该算法性能优于其他算法。     

基于捷联式电子罗盘的舰船姿态及姿态速率估计

捷联式电子罗盘正被大量应用，根据其自身观测能力，提出了一种新的姿态及姿态速率估计方法，该优化估计方法采用加权统计线性回归技术，与经典的对非线性系统方程的线性化的方法相比具有更高的精度和稳定性。仿真结果表明，该方法可以明显提高捷联式电子罗盘的姿态测量精度，并能同步完成对姿态速率的估计，直接扩展捷联式电子罗盘的功能。     

利用DOA和TOA对运动辐射源的单舰无源定位

采用最优加权最小二乘估计和卡尔曼滤波算法,讨论了利用目标到达角和到达时间测量数据对运动目标进行单舰无源定位与跟踪的方法,经计算机仿真证明,该方法在无源定位系统中有一定的参考价值。     

基于单神经元PI的船用异步电机无速度传感器仿真

针对船用异步电机转速辨识不精确而导致的控制系统不稳定问题,使用基于模型参考自适应系统的无速度传感器技术取代传统的转速检测装置对转速信号进行估测。根据神经网络的自学习和自适应能力,设计了一种单神经元自适应PI调节器以实现控制参数的在线自整定,克服了传统PI控制器在非线性和时变系统中控制能力差的缺陷。结合异步电机矢量控制技术,使用基于转子磁链模型的转速辨识算法对电机转速进行估测,将单神经元PI控制器应用于转速估测系统,实现对电机转速的精确估计。仿真结果表明,相对于传统控制器,设计的单神经元自适应PI调节器响应速度快,参数自调节性能强,转速估测更为精确。     

运输船舶金属船体重量的神经估算

本文建立应用反向传播学习算法的多层前馈神经网络模型，对运输船舶金属船体重量进行神经估算。以散货船和油船为实例的计算结果表明，由非线性模拟神经元组成的神经网络在船体重量估算中是非常有效的。     

基于采样的非线性滤波算法比较

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度。由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度。为了获得更高的估计精度,介绍了几种非线性滤波算法,包括unscented卡尔曼滤波算法、简单粒子滤波算法以及无味粒子滤波算法（UPF）。分析了这几种算法的原理和实现,对各种算法的适应性进行了比较。通过目标跟踪仿真实验,表明UKF、PF较EKF估计精度和收敛速度有所提高。     

无迹卡尔曼滤波及其在三维水下目标跟踪系统中的应用

无迹卡尔曼滤波算法(UFK)以少量的采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和协方差的估计．文章将其应用于三维水下目标跟踪系统中．通过系统的Mome Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度．     

船舶动力定位系统的一增广非线性观测器设计

滤波和状态估计在动力定位系统中起着非常重要的作用。本文在文献[1]的基础上，为船舶动力定位系统设计了一增广非线性状态观测器，其稳定性通过李亚普诺夫方法得到了证明。该非线性观测器的性能通过对一动力定位船舶模型的仿真得到了验证。     

无线传感器网络电子航标节点定位算法研究

介绍了无线传感器网络电子航标节点测距定位的定位原理和算法.针对该定位算法的非线性方程组求解问题,依据UKF算法,用一个最小的样本点集来近似系统状态的分布函数.实现了当系统按实际的非线性模型演化时,对非线性函数的后验均值与方差的很好拟合.仿真结果表明,用UKF算法的节点定位估计精度在5%以内.可见,它在解决非线性机动目标跟踪问题时有比较好的跟踪性能和滤波结果.     

舰船辐射噪声的混沌特性检验

为提取舰船目标辐射噪声混沌特征,实现对舰船目标的自动识别,首先需要对舰船辐射噪声的混沌特性进行检验。采用一种改进的Lyapunov指数谱估计方法,计算其最大Lyapunov指数是否大于零,以及所有的Lyapunov指数之和是否小于零来判定噪声时间序列是否具有混沌特性。采用三类舰船目标辐射噪声作仿真计算,仿真结果表明三类舰船辐射噪声都具有一定的混沌特性,该结论为下一步基于混沌预测的目标检测以及提取舰船辐射噪声非线性混沌特征等工作奠定了理论基础。