测量噪声下的高超声速飞行器组合观测鲁棒控制

针对高超声速飞行器大包络飞行时,风场等外部干扰和测量噪声导致控制系统性能变差甚至失稳的问题,提出了一种基于状态观测的高超声速飞行器鲁棒控制策略。考虑噪声和外部干扰影响下系统状态受扰的问题,设计了扩张状态观测器(ESO)和自适应Kalman滤波器(AKF)的特殊组合,在统计特性未知的噪声和外部干扰影响下准确估计系统状态。其中,自适应Kalman滤波器用于滤除噪声,为扩张状态观测器提供不受噪声影响的状态估计,扩张状态观测器连续为自适应Kalman滤波器提供外部干扰估计。基于系统状态估计设计线性高斯二次型控制器,实现高超声速飞行器精确轨迹跟踪。最后,通过仿真验证了该方法在测量噪声及风干扰影响下的鲁棒跟踪能力。

考虑有色测量噪声的Kalman平滑算法在pH计校准电压预估中的应用

为了提高pH计校准电压预估精度,提出考虑有色测量噪声的Kalman平滑算法;该算法以电压和电压采集周期作为状态向量,以设定的采样周期和无线pH计所采集的电压值作为观测向量,构建数据融合模型;以考虑有色测量噪声的Kalman滤波作为前向滤波,通过马氏距离计算当前时刻最优的有色测量噪声因子,利用Rauch-Tung-Striebel平滑算法对前向滤波的输出值进行平滑,最终得到当前时刻电压的预估值,并将所提出的算法应用于pH计校准电压预估。结果表明,与传统Kalman滤波算法相比,所提出的算法的电压预估的精度提高约10%。

测量噪声方差未知的多传感器组合导航集中融合算法

目前,多传感器组合导航系统的信息融合方法是建立在测量噪声方差已知的基础上,然而测量噪声方差会随着内部及外部的干扰而发生变化。为此,本文首先将基于变分贝叶斯逼近的自适应卡尔曼滤波(variational Bayesian approximation based adaptive Kalman filter, VB-AKF)从单一组合导航系统扩展到多传感器组合导航系统;然后,提出了多传感器组合导航系统的两种集中融合算法,即基于VB-AKF的增广式集中融合算法及基于VB-AKF的序贯式集中融合算法,以解决测量噪声方差未知情况下的多传感器组合导航的信息融合问题;最后,通过SINS/GNSS/CNS/ADS多传感器组合导航系统对上述算法进行了仿真验证。实验结果表明,本文所提两种算法滤波精度相同、且接近于测量噪声方差已知情况下的理想集中融合算法(ICKF)。在整个仿真时段内,相对于传统集中式卡尔曼滤波器(TCKF)及具有容错功能的联邦卡尔曼滤波算法(FT-FKF),本文算法可提高位置精度分别为32%和90%、提高速度精度分别为38%和71%。

测量噪声相关情况下的多传感器数据融合

对于测量噪声相关的多传感器测量模型,利用Cholesky分解和单位下三角阵的求逆方法,将其转化为测量噪声互不相关的等价的多传感器伪测量模型,然后基于Markov估计,提出了一种测量噪声相关情况下多传感器数据融合的新方法。与直接利用原始传感器测量值的Markov估计数据融合方法相比,两者的计算精度相同,但新方法的计算复杂度却大大降低。数值仿真实验进一步验证了新方法的有效性。

测量噪声相关情况下的航迹融合和测量融合

研究了测量噪声相关情况下的航迹融合和测量融合问题,根据线性无偏最小方差估计理论,推导了噪声相关情况下的多传感器跟踪系统的航迹融合和测量融合算法.经Monte Carlo仿真表明,文中给出的考虑噪声相关的航迹融合和测量融合算法的跟踪精度均高于相应的不考虑噪声相关的传统算法,且附加的计算量很小.

相关测量噪声的多传感器最优融合状态估计

当检测环境中有一个统一的噪声源时,各个传感器的测量噪声是相关的.许多算法都假设各个传感器的测量噪声是不相关的,因为这是保证测量噪声方差矩阵平行解耦的必要条件.基于矩阵相似变换的理论,提出了一种使多传感器相关测量噪声方差矩阵解耦的方法,该方法使多传感器数据融合测量模型转化成测量噪声不相关的新模型,推导了存在相关测量噪声的多传感器数据融合最优状态估计算法.当测量噪声不相关时,算法与以往的具有不相关噪声的最优算法相同.

旋转电弧传感器焊缝跟踪的过程噪声与测量噪声分析

焊缝跟踪首要问题是应用均值滤波、中值滤波、小波滤波、卡尔曼滤波、粒子滤波等中一种或者几种组合对采集的信号进行降噪处理。各滤波算法的滤波效果往往跟其信号噪声的特征有关系,因此非常有必要对焊接噪声进行分析。文中将焊接噪声分为过程噪声和测量噪声,通过应用阈值小波滤波完成对过程噪声信号提取、频谱分析以及期望与方差计算;通过传感器空采信号完成对测量噪声的特性统计分析,最终通过多组试验数据分析综合得到比较真实的焊接信号噪声特性。

GNSS接收机伪距和载波相位测量噪声直接估计方法

基于微分法的思想，提出了一种可以直接估计伪距和载波相位观测噪声的方法。通过对二阶系统求三阶导数，隔离系统本身的影响，通过对非差、单差、双差的残余观测噪声序列的分析，直接估计伪距和载波相位的观测噪声和接收机钟差的高阶噪声。由于该方法可以在线工作，对大量的GNSS集成系统，用该方法估计先验观测方差非常方便。

测量噪声对GMVC性能影响分析与改进方法

由于工作环境的改变及各类干扰信号的影响,易使控制器性能降低,影响控制效果,因此需设计出一种可以在复杂情况下能够稳定工作的控制器。针对上述问题,提出了一种基于广义最小方差控制(GMVC)的控制器设计方法。GMVC控制器设计过程一般不考虑测量噪声,然而在实际过程中,系统不可能工作于理想情况下,会受到测量噪声的影响。因此首先分析了测量噪声对GMVC控制系统输出的影响,提出了采用数字滤波器的方式减小测量噪声对控制系统输出的影响,仿真结果说明了该方法的可行性和有效性。

测量噪声相关线性系统异类传感器航迹融合

研究了异类传感器航迹融合问题。在测量噪声相关的条件下,利用线性无偏最小方差估计的基本理论,通过对异类传感器的状态估计采用顺序滤波的方法,得到了相关测量噪声线性系统异类传感器测量融合算法和状态矢量融合算法。计算机数字仿真结果表明,由于考虑了测量噪声之间的相关性,该算法比噪声不相关融合算法具有更好的跟踪性能,航迹跟踪的精度得到了改善。

测量噪声相关情况下改进的多传感器融合算法

为了研究测量噪声相关情况下,同步多传感器跟踪系统的测量融合技术,根据线性无偏最小方差估计理论,给出了测量噪声相关情况下,同步多传感器系统测量融合的伪序贯和数据压缩实现算法,它们对测量噪声相关与不相关情况都适用。仿真表明,在测量噪声相关时,尤其是相关性较强时,本算法的融合精度比传统算法有明显提高;而测量噪声不相关时,性能与传统的融合算法相同。仿真结果表明了算法的有效性。

两种基于测量噪声的PID控制整定方法

测量噪声能够产生非期望的控制行为,这些行为能够降低执行机构的损坏程度和系统性能。噪声的影响可以通过滤波测量信号来降低。控制设计是一个复杂的问题,它需要一个在性能和鲁棒性之间的折衷的方法。反馈的缺点是将测量噪声带入到系统中,噪声产生的非期望控制行为可以用滤波器来减少。在控制设计中必须考虑滤波器产生的额外动态。主要讨论两种降低测量信号滤波对由噪声引起的非期望控制行为以及负载扰动响应和过程不确定性鲁棒性的影响的方法。

考虑粘贴效应和测量噪声的压电作动器/传感器优化配置

针对柔性结构振动主动控制中的作动器/传感器配置问题,提出了一种在考虑粘贴效应和测量噪声情况下的优化配置方法。首先,在一定条件下,把配置位置有限化;然后利用卡尔曼分离原理,先进行作动器配置,在此基础上进行传感器配置,而不必同时进行优化配置,从而减少了优化计算量,并给出在测量噪声情况下的最优配置结果。柔性梁数值仿真结果表明该方法的有效性和快速性,也同时给出了非同位配置结果,与以往配置结果相比尤其是传感器位置有一定的改变。

坐标变换最优线性滤波中测量噪声的二阶近似方法

讨论了最优线性滤波中非线性测量方程的坐标变换线性化近似处理问题 ,利用多项式近似对坐标变换后的等效测量噪声性质进行了分析 ,导出了在低阶非线性近似时等效测量噪声的统计特性计算的一般公式 .最后就单基地雷达二维测量情况 ,分别给出了在一阶、特别是二阶近似时等效测量噪声的均值和协方差矩阵的计算关系式 .

一种相关测量噪声的多传感器极大似然估计数据融合方法

基于矩阵相似变换的理论,提出了一种多传感器相关测量噪声方差矩阵解相关的方法,把多传感器数据融合测量模型转化为测量噪声不相关的模型,推导出了一种相关测量噪声的多传感器极大似然估计数据融合方法。

地心坐标系下考虑测量噪声的传感器配准算法

现有的传感器配准算法主要有两大类,一类是基于立体投影的二维空间配准技术,这类方法在投影时扭曲了数据,且无法估计俯仰角系统误差;一类是基于地心坐标的三维空间中的配准技术,这类方法由于在计算时很少考虑到测量噪声对传感器系统误差估计产生的影响,实际的估计效果较差。为此,通过在地心坐标系下对系统进行建模,提出了两种考虑测量噪声的三维空间传感器配准算法:一种基于合作目标,一种基于公共量测。最后通过蒙特卡洛仿真验证了算法的有效性。

具有测量噪声的领导者跟随者系统跟随控制

讨论了具有测量噪声约束的动态领导者跟随者系统的分布式跟随控制.假定跟随者预设有领导者的速度信息,但只有部分跟随者可以直接测量获得领导者的输出信息,并且所有跟随者都缺失领导者的初始信息.同时假定个体间偏差量的测量都存在测量噪声的影响.对于该情形,文中证明了传统的跟随控制协议可以在均方意义下保证所有跟随者跟随动态领导者,并给出了参数的选择范围.文中既考虑了固定拓扑结构情形下的跟随控制,也进一步考虑了切换拓扑结构情形.所以传统的跟随控制协议对依赖于测量值的测量噪声具有良好的鲁棒性.最后用数值例子进行实验验证,实验结果和理论分析结果一致.

考虑测量噪声的朗道自适应惯量辨识方法

传统朗道自适应惯量辨识方法只有一个自适应系数可以调节,难以同时兼顾辨识速度和辨识精度,导致速度自适应控制系统在测量噪声较大的情况下容易不稳定。为解决这一问题,提出了一种考虑测量噪声的朗道自适应惯量辨识方法。该方法采用相同的低通滤波器对速度和电磁转矩同时进行滤波,保证了辨识模型与无滤波时的相同。在此基础上综合调节自适应系数和滤波器时间常数,在保证辨识速度的前提下减小辨识系统的噪声,提高辨识精度,从而提高了速度自适应控制系统的稳定性。仿真和试验验证了所提方法的正确性和有效性。

测量噪声背景下微弱正弦信号参数估计的互功率谱方法

本文首次把近代谱估计方法引入到互谱估计中，从理论上证明了互相关函数的Ｙｕｌｅ－Ｗａｌｋｅｒ方程，并在此基础上提出了互谱参数谱估计的矩估计方法和Ｌｅｖｉｎｓｏｎ递推估计方法。该方法可以有效地克服传统的互谱ＦＦＴ算法和互周期图法存在的谱分辩率低、谱估计方差大等缺点。文中还给出了信噪比为－３０ｄＢ的正弦信号参数估计的仿真实例。

基于测量噪声确定传感器动态补偿的理想指标

测量噪声是影响传感器动态补偿效果的主要因素，对在噪声环境下传感器动态补偿所能达到的理想效果进行了研究。提出根据测量噪声确定传感器动态补偿后理想工作带宽的方法，使用该理想带宽可进一步确定补偿后时域性能指标中调节时间与超调量的理想值。将该方法应用于应变天平的动态校准实验，验证了其有效性。进而采用该方法评定应变天平经动态补偿后能够满足飞行器舱门风洞动态试验的要求，表明该方法可用于确定传感器动态补偿后是否适用于动态试验。