Stewart载物平台位姿误差估计模型

提出了一种通过单目结构光相机测量Stewart载物平台位姿的方法,搭建了位姿误差测量试验台,对Stewart载物平台位姿误差进行了测量。建立了一种使用多元宇宙优化算法(multi-verse optimizer,MVO)优化反向传播(back propagation,BP)神经网络的Stewart载物平台误差估计模型,并利用测量得到的误差数据对模型进行了训练。通过测试数据对误差估计模型的有效性进行了验证。实验结果表明,模型可以更好地估计沿z轴方向的位移误差以及绕x轴和绕y轴的旋转误差,为Stewart平台的位姿测量研究提供了一种新方法。

城轨列车在车站停车误差估计模型与在线学习算法的研究

根据城轨列车制动特性,对列车运动方程做2项简化。一是忽略空气阻力和坡度的影响;二是分别假设制动力传递有延时及减速度不变或减速度是初始速度的线性函数。由此推导出2个简化的列车停车误差估计模型和模型参数之间的线性关系函数式,并给出模型参数在线学习算法,以克服停车过程中的各种非线性因素的影响,提高停车精度。根据统计学原理,采用5个评价指标对模型的性能进行评价,采用停车误差估计判断停车精度是否满足停车可靠性的要求。利用实测停车数据对模型和在线学习算法进行验证和比较。结果表明:提出的简化模型和在线学习算法,能有效降低停车误差,并纠正误差分布的有偏性;停车误差在大于99.5%的情况下满足30cm停车精度的可靠性要求;模型1的效果比模型2略好。

基于轮廓误差估计模型的双轴同步控制策略

针对由伺服参数不匹配及外部扰动引起的双轴运动中不同步现象,提出将给定进给速度比下两轴间的同步控制问题转换为二维轮廓控制问题。通过几何分析获得同步误差与轮廓误差之间的关系,并基于等效切线轮廓误差估计模型,提出一种新型双轴交叉耦合同步控制策略。在自主开发的直线型双轴运动控制实验平台上进行同步控制实验,实验结果表明:无论是等速同步运动还是非等速同步运动,在伺服增益不匹配及摩擦扰动影响下,所提出的新型交叉耦合同步控制策略能有效减少同步误差的产生。

利用广义指数加权回归估计贝叶斯动态线性模型误差方差矩阵W_t的方法(英文)

本文主要研究广义指数加权回归在贝叶斯线性动态线性模型参数估计中的作用 。

平差系统的模型误差及其识别方法研究

论述了模型误差影响参数估值的一些理论问题,指出了随机模型误差和函数模型误差之间的相互作用和转化。为讨论平差系统最优模型的选取,给出了与现有文献将模型误差纳入平差系统的思路不同的一个估计和识别模型误差的理论基础公式,由此导出了相应的实用公式,给出了平差系统模型的优选方法。

利用误差估计模型确定光度法的操作范围

从考虑工作曲线斜率和截矩的误差入手，建立回归分析和相关分析误差估计模型，并据此选择光度法的适宜操作范围。

单星观测下弹道导弹状态估计与预测误差分析

如何利用预警卫星提供的弹道导弹主动段状态信息,以及被动段的预测信息引导预警雷达及时捕获弹道导弹目标,是反导预警信息系统的一项重要功能。为此,需要准确获取目标的状态估计与预测误差。针对单星观测下基于标准模板的弹道导弹主动段状态估计算法,获得了关机点状态参数以及估计误差,为改善状态估计提供了依据。在此基础上建立了预测误差估计模型,为优化设定预警雷达搜索区域奠定了基础。

AMT平顺起步的优化控制

当离合器摩擦片的摩擦系数、车身质量及道路坡度等参数发生较大变化时,会使线性二次型优化控制算法改善AMT车辆起步平顺性的效果下降。设计了一种考虑模型误差估计的优化控制算法,即通过一个降维误差观测器对时变的参数和模型的不确定性进行估计,并由估计的模型误差和车辆状态共同构成控制算法的线性反馈。通过实车试验对该算法进行验证,结果表明在车辆参数变化时该算法可以保证AMT车辆平顺起步。

基于MME非线性系统递推辨识算法改进及仿真

该文介绍了最小模型误差估计算法(MME)和在非线性不确定系统辨识中的应用,以及分析了基于此算法的系统的鲁棒性的几个方面。并且,基于最优化理论控制以及两点边值问题,采用不变式嵌入法,给出了模型不确定非线性系统中基于MME在线递推估计算法,并首次提出了在满足协方差约束的前提下,如何最优地选择正定矩阵W的初值,以使非线性不确定系统的辨识结果达到最佳。最后,基于此算法,给出了非线性离散系统的仿真实例,仿真结果说明,最优地选择W的初值,使该方法是模型不确定非线性系统中辨识的有效方法。

天基预警卫星弹道预报能力仿真分析

天基预警卫星对导弹位置和速度的预测误差是引导信息中的重要组成部分,直接影响到远程预警雷达和跟踪制导雷达的搜索性能。根据天基预警卫星视线角误差和导弹目标经验数据,设计导弹预报误差估计模型,计算预报误差带半径。仿真结果表明:通过对理想弹道目标进行观测误差协方差分析,可以获得预警卫星观测的水平及垂直平面预测误差带。

基于模糊CMAC神经网络的XY平台交叉耦合控制

针对永磁直线同步电机(PMLSM)驱动的XY平台系统的负载扰动、任意加工曲线轮廓误差模型复杂及双轴参数不匹配等会影响加工精度的问题,XY平台单轴采用了能反映人脑认知模糊性和连续性的模糊小脑模型关节控制器(FCMAC)设计速度控制器,在两轴之间采用实时轮廓误差估计模型和交叉耦合控制(CCC)进行轮廓控制器的设计,可同时减小跟踪误差和轮廓误差.FCMAC可准确及时地抑制负载扰动,交叉耦合控制削弱了双轴参数不匹配的影响.仿真结果表明,所设计的XY平台控制系统具有较高的轮廓精度和较强的鲁棒性.

改进的渐消UKF神经网络学习算法及应用

针对BP神经网络在训练过程中存在易陷入局部极小值、对样本噪声缺乏自适应性等问题,设计一种改进的渐消无迹卡尔曼滤波神经网络(Improved fading unscented Kalman filter neural networks, IF-UKFNN)训练算法。该算法以UKF为基础,在滤波过程中引入渐消因子,实时调整滤波增益,限制样本噪声对权值更新的影响,进而提高网络训练的精度;同时,采用一种改进的自适应因子计算方法,使计算过程简化。将提出的算法应用于组合导航系统建立误差估计模型,仿真结果表明:提出的算法不仅可以提高模型的估计精度,而且增强了网络模型对噪声样本的适应性和鲁棒性,具有更好的应用效果。