基于非线性STUKF滤波器和ESN算法的耦合预测模型

针对瓦斯浓度时间序列的混沌性,提出一种回声状态网络算法(ESN)和无迹卡尔曼滤波器(UKF)、强跟踪滤波器(STF)耦合的混沌时间序列预测模型。对于一维瓦斯浓度混沌时间序列,采用平均轨道周期的C-C算法在时间域确定重构空间的最佳时间延迟和嵌入维数,在相空间通过非线性回归预测模型拟合瓦斯涌出动力演化轨迹,提出带有渐消因子的非线性STUKF滤波器对ESN联合参数进行最优状态估计。试验结果表明:基于STUKF的ESN瓦斯涌出模型预测方法有效,在STUKF滤波器作用下增强了ESN算法的学习效率、提高了模型的跟踪能力,能达到精度高、鲁棒性好等优点。

失效卫星救援过程中相对导航算法研究

针对救援或维护过程中目标突发机动情况,研究了施援卫星的近程相对导航系统及其优化算法。提出可将被救援目标突发的控制加速度视作不确定的干扰因素,用强跟踪无味卡尔曼滤波(STUKF)算法,提高相对导航系统对突变状态的跟踪能力,满足对救援目标相对状态估计的精度要求。仿真结果表明:STUKF提高了对救援目标相对导航信息的实时跟踪能力,保证了滤波过程的数值稳定性,算法有效。