控制系统故障检测与多模型混合估计方法

讨论了现有控制系统故障检测与诊断方法中存在的问题 ,指出了基于多模型估计理论的系统故障检测是一种值得注意的发展方向 ,简要说明了多模型估计方法的基本原理 ,介绍了交互式多模型混合估计方法在控制系统故障检测与诊断中的具体应用技术 ,分析了多模型混合估计理论的发展方向。

简化的混合估计算法及其在GPS/SINS深组合中的应用

为解决GPS/SINS深组合导航系统滤波的非线性和噪声的不确定性的问题,针对深组合模型特点,设计了一种简化的基于U滤波的多模型混合估计滤波器。根据系统模型中状态方程是线性方程、观测方程是非线性方程的特点,提出了一种简化的U滤波算法(Ultra tight coupling unscented Kalman filter,UTCUKF),然后针对噪声变化建立了非线性模型,多模型混合估计滤波器的输出为各滤波器的概率加权融合,因此模型概率是根据噪声变化而调整的,从而也使系统输出对噪声变化具有一定自适应能力。最后进行了仿真,并与基于普通U滤波的多模型混合估计算法进行了比较。结果表明,本文算法的解算时间短,模型切换速度更快,而估计的精确度与同条件下的基于普通U滤波的多模型混合估计算法相当,更符合深组合系统高动态的要求。

一种自适应目标机动的α β γ滤波算法

针对传统的α-β-γ滤波算法在跟踪机动目标时性能下降的问题,文章提出一种自适应目标机动的α-β-γ滤波算法。该算法是基于多模型混合估计的思想,用残差构建模型失配度,进而迭代更新模型概率,使跟踪滤波器自适应地调节,达到更好的跟踪效果。仿真结果表明,与传统α-β-γ滤波算法相比,对于机动性较强的目标,该算法具有更好的跟踪性能。