大规模动态系统的分布式状态估计算法

主要研究离散时间大规模动态系统的分布式状态估计问题。首先,将系统划分为若干个子系统,基于区域内部量测信息和邻居传递的信息,各子系统利用该算法对本地状态进行估计,降低状态变量的维数、算法的计算复杂度和通信压力。该算法独立运行,并且平行运行该算法可以有效减少整体运行时间。通过减弱约束条件,利用数学归纳法证明由该算法得到的估计误差协方差和预测误差协方差矩阵正定。根据系统能观测性秩判据和不等式技巧,证明误差协方差矩阵有上界,并且上界是有界的,保证该算法在应用中的可行性。最后通过仿真研究,验证主要结论。     

基于状态空间模型的指数衰减正弦信号参数估计

针对多分量指数衰减正弦信号的衰减因子和频率估计问题,提出了一种基于状态空间模型的参数估计算法。首先,建立一个状态空间模型,将待估计的衰减因子和频率信息包含进状态空间模型的系统矩阵当中。然后,对状态空间模型进行求解,得到广义可观测矩阵的估计值。最后,由广义可观测矩阵得到系统矩阵的估计值,进而得到衰减因子和频率的估计。该算法计算量较小,参数可以自动配对。仿真结果表明:本文算法在低信噪比下的估计性能优于ESPRIT方法。     

一种基于观测范围约束的改进EKF-SLAM算法

针对EKF-SLAM算法在大规模复杂环境下存在的计算量大、运行效率低和定位精度不高等问题,采用对传感器观测范围添加约束条件的方法对该算法进行了改进.设定最大观测距离,将移动机器人对环境地图的观测范围予以限定.通过判断由移动机器人的传感器获取的观测值与最大观测距离之间的大小关系,将系统状态向量中已观测且超出最大约束范围的路标进行删除,使系统状态向量的维数不会随着观测路标的增加而不断加大,从而降低了算法计算量并提高了算法运行效率和定位精度.通过仿真验证了所提方法对提高算法运行效率和定位精度的有效性.     

基于卫星观测线距离的导弹主动段状态估计

分析了双星观测视线与弹道导弹主动段实际位置的关系,针对传统弹道导弹主动段状态估计算法中卫星观测角度值解耦难题,提出了基于导弹位置估计点与卫星观测视线距离的双星观测弹道导弹主动段状态最优估计方法,将红外卫星的观测角度二维信息融合为一维距离信息,避免了方位角及俯仰角耦合问题对最优估计算法的影响,保证能够得到高精度的状态估计,最后通过仿真实验验证了算法的有效性及准确性.     

一种最大密度检测欠定混合矩阵估计算法

针对源数未知条件下欠定盲源分离混合矩阵估计问题,提出了最大密度检测混合矩阵估计算法。在观测信号稀疏表示的基础上,首先对观测信号进行预处理;然后寻找观测信号的最大密度点;接着在此基础上确定有效样本点集合,再聚类得到辐射源数和混合矩阵。为验证算法的有效性,在时频单源点检测法和小波变换法下开展了仿真实验。结果表明,所提出算法的源数和混合矩阵估计效果优于参考算法,计算复杂度远低于参考算法。进一步实验表明,所提出算法对于正定、超定和欠定盲源分离混合矩阵的估计都具有较好的适用性。     

自适应OFDM系统中基于LS估计的信道预测算法分析

信道预测技术可以为自适应系统提供准确及时的信道状态信息.针对现有的信道预测算法都是假设已知当前及以前的信道信息来预测未来的信道状态信息而忽略信道估计的影响,提出了一种基于LS信道估计的时变多径信道的时域预测方法.该方法采用自适应OFDM系统模型,以当前接收的导频符号序列为观测值进行LS信道估计得到信道的频域值,然后通过IDFT变换到时域,结合AR模型来预测未来信道衰落系数.仿真结果表明,与传统的频域预测算法相比,该算法有效地降低了最小均方误差,能很好地满足自适应OFDM系统中时变多径信道的要求.     

胶片电影中的快速斑块修复算法研究

斑块是胶片电影中最常见的损伤类型问题,传统的斑块修复算法修复质量较好,但修复速度不够快.针对传统斑块修复算法在修复速度上的不足,提出了 一种改进性的快速斑块修复算法.相比于传统修复算法的改进主要体现在运动估计模块和修复模块.运动估计模块使用权重系数矩阵对二维匹配块矩阵做降维处理,得到两组一维特征矩阵,使用一维特征矩阵代替二维匹配块搜索运动矢量最优值.修复模块使用单参考帧修复算法代替双参考帧修复算法.实验结果表明,快速斑块修复算法与传统修复算法相比,主观评价基本一致,修复速度优于传统修复算法.     

一种迭代收缩非线性状态约束滤波算法

在滤波过程中有效地利用状态约束条件,能够提高滤波精度.当状态约束为非线性函数时,可以通过泰勒级数展开法进行线性化处理.然而该方法在非线性约束函数的雅可比矩阵不存在时失效,而使用水平滑动估计算法所需要的计算量很大.为此,采用基于U变换的最佳量测方法解决该问题.为了降低U变换过程中基点误差对估计性能带来的影响,将非线性约束看作具有多个大小不等的噪声方差的量测值,在量测更新阶段逐步收缩噪声方差,从而不断增强约束条件.经过多次迭代,改善了状态估计的误差性能.仿真结果表明,该算法在保证较高的滤波精度的条件下,运算时间是窗口尺寸为2的水平滑动估计算法的1/27.     

基于PMU的降阶二次状态估计算法研究

针对当前电力系统中同步相量测量单元(PMU)测量点少、无法直接进行状态估计的问题,提出一种新的状态估计算法.考虑到PMU系统量测精度比SCADA系统高,为了扩大高精度量测信息对状态估计结果的影响,算法将状态变量分成PMU可观测变量和PMU不可观测变量,并分别进行状态估计.对于PMU可观测变量,利用PMU量测量进行线性状态估计;对于PMU不可观测变量,利用线性状态估计的结果结合SCADA量测量进行降阶的快速分解状态估计.这种解耦的算法相对于传统混合状态估计算法计算更加简洁,并且有较高的数值稳定性.最后,利用多个IEEE标准测试系统对算法进行验证,通过与基本加权最小二乘法和快速分解算法对比,证明该算法在数值稳定性和精度上有很大优势.     

变分贝叶斯自适应容积卡尔曼的SLAM算法

在观测噪声参数未知或变化时,传统的同步定位与建图(SLAM)算法性能会下降,为了让SLAM算法性能在上述条件下不受影响同时具有较高的精度,基于此提出了一种基于变分贝叶斯噪声自适应容积卡尔曼滤波的SLAM算法(VB-ACKF-SLAM).该算法采用逆Wishart分布对未知观测噪声参数建模,采用容积积分方法近似非线性变换的均值和方差,并利用变分贝叶斯滤波实现对移动机器人状态和未知观测噪声参数的联合后验概率的估计.该算法有效地解决了在观测噪声参数未知或变化时,传统滤波算法出现的滤波发散问题.仿真实验结果表明,在观测噪声参数未知或变化时,与基于容积卡尔曼滤波的SLAM算法(CFK-SLAM)、无迹卡尔曼滤波的SLAM算法(UKF-SLAM)、扩展卡尔曼滤波的SLAM算法(EKF-SLAM)相比,VB-ACKF-SLAM算法的定位准确率得到了较大的提高,证明了该算法的有效性.     

SVD可观测度分析方法的改进及组合导航中的应用

为解决已有的基于线性时变系统可观测性矩阵奇异值分解（SVD）的可观测度分析方法中存在的依靠外部量测信息、状态量纲比较不一致、奇异值基准不唯一的问题,提出一种改进的基于SVD理论的系统状态可观测度分析方法. 首先阐述了线性时变系统与分段式线性定常系统（PWCS）之间的关系,并介绍了PWCS可观测性分析理论,在满足该定理要求的情况下,通过PWCS的提取可观测性矩阵（SOM）替代总可观测性矩阵（TOM）可以有效降低分析计算的复杂度. 然后由系统提取可观测性矩阵SVD分解及其得到的奇异值与对应奇异向量,对系统的观测方程进行推导,根据载体不同机动情况下同一状态观测程度的纵向比较计算得到系统各状态的可观测度指标. 最后采用SINS/DVL组合导航系统进行仿真验证. 仿真结果表明, 通过该方法计算的可观测度指标与Kalman滤波状态估计误差特性相符,证明该改进方法可预见及准确描述状态的估计效果,并且依据所计算的状态可观测度进行系统自适应反馈校正,可以有效提高导航精度.     

Bootstrap方法对晶振稳定度估计

针对小样本条件下晶振能够快速稳定实现时钟同步的问题,提出了在蒙特卡洛模拟实验下结合传统和改进后Bootstrap方法与卡尔曼滤波方法消除相关噪声,从而维持晶振稳定性的一种方法.由于传统Bootstrap方法限制再生样本的生成范围,使计算结果远远偏离真实情况,而改进Bootstrap方法可以拓展再生样本的生成范围,避免了只抽取原始数据的情况,使得频偏和时偏的估计分布尽可能地接近真实分布.仿真结果表明,改进Bootstrap对频偏和时偏的校正优于传统Bootstrap方法,利用改进Bootstrap与卡尔曼相结合的方法能够实现对晶振的快速稳定.     

基于延时相关预处理的MUSIC算法

针对MUSIC算法的分辨力受信噪比、快拍数及阵元数等因素限制的问题,利用各阵元接收数据的延时相关函数重新构造协方差矩阵,提出了基于延时相关预处理的MUSIC算法.根据阵元间的延时相关函数与原阵列流型及信号延时相关函数的关系,推导了4个与原阵列流型相同（共轭）的延时相关函数矩阵,分别对各矩阵求协方差并按规则求和得到新的协方差矩阵,之后对协方差矩阵进行特征分解,根据信号子空间处理稳健性高和噪声子空间处理估计精度高的特点构造谱函数进行谱峰搜索,实现DOA估计.通过仿真实验验证了本文算法的可行性和有效性.     

基于粒子群优化的同步定位与地图构建

针对基本FastSLAM算法的样本枯竭、估计精度下降等问题,提出了一种基于多样性启发因子的粒子群优化FastSLAM算法.利用粒子群搜索寻优重新分配粒子,使粒子的表示更加接近于真实的后验概率分布,并且采用粒子集多样性测度作为启发因子,引导粒子优化搜索过程,确保群体多样性水平最优,减轻粒子退化现象,驱动粒子集向后验概率较高的区域运动.对所提出的算法进行了仿真实验,验证了算法的可行性和有效性.仿真结果表明,该算法能够改进样本枯竭问题,并能够获得较高的定位精度、地图构建精度及较好的滤波估计稳定性.     

考虑控制输入约束的鲁棒非脆弱保性能控制

针对广泛存在的控制输入约束和控制器增益摄动,提出了一类范数有界参数不确定线性系统的非脆弱保性能状态反馈控制方法,推导了一种新的求解约束非脆弱保性能控制律的充分条件,包括可保证具有有界二次性能和满足控制输入的矩阵不等式.最小化性能函数的约束非脆弱保性能控制问题可转化为一个线性矩阵不等式优化问题.提出了该方法的一个数值应用实例并对实例进行了仿真,仿真结果表明,所提方法能够使得闭环系统控制在允许的控制器增益摄动范围内,系统性能得到最大程度提高,同时保证满足控制输入.     

快速刀具伺服系统的模糊自适应滑模控制

针对由永磁同步直线电机驱动的快速刀具直线伺服系统在高频输入信号下跟踪控制精度低的问题,设计了模糊自适应滑模控制算法.算法采用滑模控制进行跟踪,利用模糊自适应控制方法对传统滑模控制器中的不连续控制量进行模糊逼近,同时对实际运行中系统的不确定因素进行补偿,并设计了相应的自适应算法以补偿模糊控制律的不足,从而有效降低抖振.仿真结果表明,算法可以解决伺服系统的高频跟踪问题,具有较快的响应速度,对负载扰动有较强的鲁棒性.     

永磁直线同步电机自适应PD型迭代学习控制

针对永磁直线同步电机伺服系统易受摩擦力、端部效应和测量扰动等不确定因素影响的问题,提出一种自适应PD型迭代学习控制方法.该控制方法根据误差的大小在线智能地调整学习增益,从而抑制扰动,并在控制器的微分系数上引入指数学习增益,实现收敛速度与跟踪精度之间的折衷;从理论上证明了自适应PD型ILC的收敛性,分析了该控制算法的优越性.结果表明,与传统PD型ILC相比,自适应PD型ILC具有更快的收敛速度和更强的鲁棒性,大大地减小了跟踪误差.     

大型风力机主轴承故障信号提取方法

针对大型风力机主轴承易发生故障且特征信号难以提取的问题和传统盲分离算法计算量大、收敛性较差的缺点,提出了基于粒子群优化的盲源分离算法.算法根据负熵最大化判据,采用粒子群优化算法对盲源分离过程进行优化,且将该算法成功应用于某风场大型风力机主轴承故障信号的提取中.分析结果表明,该算法可有效分离大型风力机主轴承与其他部件的振动信号,与其他算法相比具有分离精度高、可靠性好等优点,对风力机主轴承的故障诊断十分有效.     

基于蜂群算法的精密运动控制方法

针对在精密运动控制系统中,传统PID控制器的控制精度不够,控制参数不能随着负载、环境的变化而变化这一问题,将蜂群算法与传统PID控制相结合,提出了蜂群PID控制方法,并应用在微位移控制系统中,通过精密运动控制阶跃响应性能分析,仿真出调节时间、稳态误差、目标函数、适应度函数等参数的变化曲线.结果表明,蜂群PID控制算法可使精密运动控制系统拥有更快的响应速度、更高的定位精度,并且其参数可实现自动寻优,验证了蜂群PID控制算法在精密运动领域的可行性.     

基于惩罚项的热连轧轧制规程多目标函数优化

为了解决传统热连轧负荷分配优化普遍采用约束方法进行求解时求解步骤繁琐、不容易获得最优解的问题,提出了一种惩罚函数算法.通过引入函数惩罚项,将多目标函数约束求解问题转化为无约束求解问题.建立了带有惩罚项的轧制力、板形、功率和温度的单目标函数,进而采用线性加权求和法建立了综合多目标函数.利用Nelder和Mead单纯形解法则进行求解,简化了求解的步骤,最终得到了兼顾轧制力平衡、板形最优及温度合理的负荷分配方案.实际应用效果表明,与传统负荷分配方式相比,基于多目标优化得到的轧制规程更符合实际生产要求,具有良好的应用前景.