超平面滤波算法在卫星姿态确定中的应用

基于状态估计法的陀螺仪／星敏感器组合卫星姿态测量系统，采用传统卡尔曼滤波算法进行状态估计。但由于卡尔曼滤波算法存在较大误差，因此提出采用超平面调整卡尔曼滤波器的方法提高估计精度。通过仿真证明，该方案既能抑制滤波发散，又能提高卫星姿态确定系统估计精度。     

MSINS/GPS深组合导航系统中量测噪声估计

在MSINS/GPS深组合导航系统中,伪距、伪距率噪声对应的量测噪声阵R随环境、卫星位置的改变而改变,它对卡尔曼滤波器的性能影响很大.定点观测能得到量测噪声阵R的准确估计.仿真研究表明,对于MSINS/GPS深组合导航系统,当采用定点观测法估计量测噪声阵R时,卡尔曼滤波器能较好地估计导航参数误差.若适当减小量测噪声阵R,卡尔曼滤波器将提高估计导航参数误差的精度,加快收敛速度.     

船舶动力定位系统设计及试验研究

本文把自适应卡尔曼滤波器理论和最优控制理论应用于典型的船舶动力定位系统。它是基于线性化的船舶运动方程,通过自适应卡尔曼滤波器对船舶在风、浪、流的作用下的高频运动和低频漂移分别进行估计,以保证定位控制仅仅对船的低频漂移进行补偿。本系统中的自适应滤波能自动适应海况的变化,以保证估计参数的精确。该系统设计已在中国船舶科学研究中心耐波性水池通过模型试验进行了验证。     

基于新型磁链观测器的无速度传感器感应电机控制技术研究

提出一种由补偿式的二阶带通滤波器电压磁链观测模型,基于该补偿电压模型,构成新的磁链估计器。为了解决磁链观测器多平衡状态的问题,提出以提高磁链估计精度的方法、对不同类型感应电动机磁通观测器的控制技术进行研究。对传统的模型参考自适应速度估计方法进行改进,基于补偿式二阶带通滤波器电压磁链观测模式作为参考模型,速度估计的精度提高。同时对基于新型磁链观测器的无速度传感器感应电机控制技术进行研究,然后通过仿真验证。     

采用状态参数辨识的惯性导航系统故障检测方法研究

针对惯性导航系统故障维修时间长的问题,提出了采用卡尔曼滤波器估计系统内部状态和参数,采取z。检验法来确定系统量测信息的有效性的方法,给出了滤波器设计需要的系统状态参数。在某型惯性导航系统故障维修中验证了通过采用卡尔曼滤波器对系统内部参数进行估计,可以提高故障诊断的效率。     

基于新型磁链观测器的无速度传感器感应电机控制技术研究

提出一种由补偿式的二阶带通滤波器电压磁链观测模型,基于该补偿电压模型,构成新的磁链估计器.为了解决磁链观测器多平衡状态的问题,提出以提高磁链估计精度的方法、对不同类型感应电动机磁通观测器的控制技术进行研究.对传统的模型参考自适应速度估计方法进行改进,基于补偿式二阶带通滤波器电压磁链观测模式作为参考模型,速度估计的精度提高.同时对基于新型磁链观测器的无速度传感器感应电机控制技术进行研究,然后通过仿真验证.     

一种新的综合滤波在INS/GPS/CNS组合导航系统中的应用研究

针对INS／GPS／CNS组合导航系统的特点，采用了基于H。滤波的神经网络代替传统卡尔曼滤波器，利用INS／GPS、INS／CNS两个局部滤波器的输出值，通过联合滤波器进行线性最优估计，且进行了计算机仿真。仿真结果表明，该算法在满足系统精度和容错性要求的基础上，有效地改善了系统的自适应性、实时性、鲁棒性等性能，是组合导航系统理想的结构模型。     

惯性/重力匹配组合导航系统的滤波技术研究

文章设计了惯性／重力匹配组合导航系统的卡尔曼滤波器。研究及仿真试验表明，此滤波器是可行的。滤波后可使惯性／重力匹配组合系统相对于无辅助的惯性导航系统，在定位精度、速度精度上等均有很大的提高，对于常值漂移有一定的估计能力。也就是说采用惯性／重力匹配组合导航技术可以实现对惯性导航系统误差的控制，实现高精度导航。     

船舶动力定位自适应滤波器设计

传统的陷波滤波器虽然能够很好的滤除一阶高频海浪波,但是滤波的同时也使得信号产生了相位滞后,在时域里面的表现就是信号的延时。卡尔曼滤波器虽然能够解决这一问题,但是其非常依赖于船舶模型。本文针对传统陷波滤波器的缺陷,使用了一种积分补偿型陷波滤波器,对传统的陷波滤波器进行改进。并以某拖轮为仿真对象进行仿真实验,其结果表明,该滤波器不但能够很好的滤除高频海浪波,还能够保持很好的相位特性。同时,递推的最小二乘估计(RLS)方法能够实时的估计出海浪的主导波频,使得陷波滤波器具有很好的自适应性。     

鲁棒最小方差滤波在惯导初始对准中的应用研究

在运载体机动时，卡尔曼滤波器会导致捷联惯导系统初始对准时产生较大的机动误差。而H∞鲁棒滤波技术将噪声和不确定输入看作是只知道上界的参数，而不是统计特性服从某一分布的随机向量，从而提高了系统的鲁棒性。但由于H∞滤波一般不单独考虑系统不确定项的影响，从而得到的结果较为保守。因此，学者们又提出了离散时间不确定系统的鲁棒最小方差滤波技术。计算机仿真结果表明，用鲁棒H∞滤波器和鲁棒最小方差滤波器代替卡尔曼滤波器对SINS初始对准时的状态变量进行估计校正后，能有效降低SINS初始对准的机动误差，提高系统初始对准的精度。但鲁棒最小方差滤波器比鲁棒H∞滤波器滤波校正效果更好。     

基于混合学习算法的水下机器人神经网络辨识

借鉴Elman和Jordan神经网络的特点,构造了一种新的动态神经网络.该网络能对隐含层的历史进行状态记忆,实时调整过去的信号对现在值的影响,并且增加了输出层节点的反馈以增强神经网络的信号处理能力.将基于遗传算法(GA)和误差反传算法(BP)的混合学习算法用于神经网络权值的修改,既可提高收敛速度又能避免陷于局部极小值.最后,将改进的神经网络应用于水下机器人动力学模型辨识,仿真结果表明,基于混合学习算法的神经网络提高了学习的收敛速度和辨识精度.     

基于BP神经网络的桥梁技术状态评估

用养护规范中17个评价指标作为输入层网络神经元,把桥梁损伤等级参数作为输出层神经元,建立了桥梁评估3层BP神经网络模型。选用湖北省110座旧桥的评估数据作为训练样本,后10个作为测试样本,经过2068次迭代运算的网络训练,得到了误差满足精度要求的收敛网络。将待评估的桥梁参数输入训练好的网络,得到评估桥梁的技术状态等级。     

基于AIS的舰载雷达标校方法研究

雷达标校是战场精确打击和组网雷达数据融合的前提,为提高舰载雷达数据融合的有效性和目标探测精度,文中提出了基于AIS接收标校目标定位信息的舰载雷达系统标校方法,分析了标校的基本原理和主要误差源,详细给出了目标真值的大地测量主题解算方法,最后得出标校理论精度范围,并通过仿真分析得以验证.该标校方法过程简单,操作方便,真值精度高,通用性强,同时适用于静态标校和动态标校.     

基于加权矢量神经网络的辐射源识别方法

现有的很多分类识别方法包括基于专家系统的方法[1]、基于贝叶斯理论的方法、基于模糊模式识别的方法[2]、基于最近邻的方法[3]、基于人工神经网络的方法[3]等等在辐射源识别中都有比较成功的应用,但这些方法一般都针对测量参数为标量形式的测量值进行处理,在一定程度上解决了由于参数测量误差所引起的辐射源识别问题,对于误差的另一种情形,即测量参数为区间类型模糊值的情况讨论却较少,文献提出了一种基于模糊IF-Then规则的神经网络算法,给出了能够处理模糊输入的神经网络体系结构,同时给出了一种基于代价函数的学习算法,其代价函数由实际模糊输出和无模糊输出决定,通过学习该网络能够实现模糊输入到模糊输出的非线性映射。     

基于BP神经网络的防空兵射击指挥效能评估

为了评估防空兵射击指挥效能,构建了效能评估指标体系,建立了射击指挥效能评估的三层BP神经网络模型。说明了训练样本构造的方法,并用样本对BP神经网络进行训练。利用训练好的神经网络对防空兵射击指挥效能进行评估。     

水声定位标定系统水下基准位置不确定度分析

水声定位标定系统中水下基准(模拟目标声信号)位置的测量精度直接影响到对水声定位系统定位误差的考核。通过对水下基准中心位置不确定度的分析,为系统减小水声定位系统测量误差提供了理论参考,经海试证明该不确定度分析方法对提高水声定位系统标定精度有效。     

声纳浮标网络目标定位算法研究

声纳浮标网络可用于对潜艇等水下目标进行定位。针对声纳浮标节点的特性,提出一种新的时间加权质心算法。新的时间加权质心算法将各个节点探测的信号强度反映到节点发送探测信息的等待时间中,利用等待时间的长短对各节点位置进行加权,因此权重体现了各节点到目标的距离,提高了目标定位精度,而通信量与一般质心算法相同。仿真结果验证了算法的有效性。     

船舶复杂配电网络结构可靠性评估

本文介绍了船舶配电网络结构可靠性研究的重要性,根据最优可靠性模型理论和船舶电力系统及陆地电力系统可靠性研究的相关内容,提出了一种基于局部等效法、最小割集法和SDP法的船舶复杂配电网络结构可靠性评估方法和具体步骤,解决了复杂配电网络中共用的线路和设备对可靠性评估的影响,提高了评估精度。     

波浪补偿平台垂向位移的短时预报

针对BP算法存在收敛速度慢和局部极值的问题,采用此方法对BP学习算法进行改进,结合实验采集的数据进行仿真计算,结果表明采用此方法可以有效地提高Elman网络的训练速度和稳定性,使El-man网络能够更有效地对波浪补偿平台垂向位移进行短时预报。     

基于最小二乘曲线拟合的Alpha导航误差修正方法

Alpha系统的导航精度不高,需要对其误差进行修正,以期望得到更高的导航精度,因此提出了一种基于最小二乘曲线拟合的相位差误差修正方法,应用该方法可以得到相位差误差的变化曲线,利用该曲线进行修正可以降低相位差误差,提高Alpha的导航精度。