地月平动点导航仿真程序设计及可行性验证

由于我国地面测控资源有限和全球导航卫星系统对深空导航覆盖效果不足，有必要寻找自主导航方式。平动点导航是一种利用星间测距的深空自主导航方式。本文设计了包含 4 个模块的仿真程序，并利用仿真程序进行可行性仿真。地月 L1Halo 轨道卫星与绕月轨道卫星进行测距测速滤波导航定轨，平动点轨道卫星综合位置误差小于 50m，绕月轨道卫星综合位置误差小于 20m，验证了平动点导航的可行性。     

基于UKF航迹滤波的干扰目标智能识别算法研究

针对雷达导引头末制导阶段抗干扰技术,建立了典型的距离-速度拖引干扰模型,采用无迹卡尔曼滤波(UKF),研究了基于速度、加速度、过载等指标的干扰目标智能识别技术。首先建立距离-速度拖引干扰模型,通过引入弹目相对距离、径向速度、高低角与方位角建立了系统跟踪模型。其次,给出了基于UKF实现目标跟踪与识别的滤波框架。在此基础上,以径向速度、径向加速度、角加速度与过载为评价指标,建立了目标智能识别指标体系。最后,通过典型的目标运动模型(目标跃升),对目标施加的四次距离-速度拖引干扰(两次前拖、两次后拖)进行目标识别。仿真结果表明,利用UKF滤波信息能够有效实现对距离-速度拖引干扰下的干扰和目标智能识别,仿真结果验证了该识别方法的可行性与有效性。     

基于PMU的电力系统监控体系结构优化设计

文中提出了一种利用有限数量的相量测量单元(PMU)和相量数据集中器(PDC)设计最优监控结构的方法。通过在大量的设定值场景下,使电力系统可观测性曲线的期望值最大化,同时使通信基础设施成本最小化,最终确定PMU和PDC的最佳位置。提出了一种非线性动态扩展卡尔曼滤波(EFK)状态观测器。这种状态观测器可以将暂态行为转换为由代数微分方程描述的广域电力系统,而无需非线性反演技术。最后以IEEE-5电力系统为例,说明了该方法的有效性。     

一种新的多渐消因子容积卡尔曼滤波

将强跟踪思想引入容积卡尔曼滤波（cubature Kalman filter，CKF），建立强跟踪CKF能有效克服CKF在模型不确定、状态突变等情况下，滤波性能下降的问题。通过分析现有多渐消因子计算方法，发现它们均只利用了协方差矩阵的对角线元素，并没有考虑各个状态之间的相关性，不能充分发挥多渐消因子的优势。为此，本文提出渐消因子矩阵，基于正交原理推导渐消因子矩阵的求解方法，提出多渐消因子强跟踪CKF算法。多渐消因子强跟踪CKF算法突破了传统多渐消因子为向量的限制，也不再要求渐消因子取值要大于1。仿真验证了算法具有更好的滤波精度何鲁棒性，能更好的满足工程应用的要求。     

基于卡尔曼滤波的波浪发电系统反步法最优功率跟踪控制

常规变速控制系统的精度不高,变换器晶闸管开关动作产生的高频纹波较大,为此提出一种基于卡尔曼滤波的反步控制方法。文章通过分析波浪能提取装置的受力及幅频特性,获取了波浪能转化效率最大化的控制条件,并搭建了一套基于卡尔曼滤波的波浪发电反步最优功率控制系统。通过仿真研究了3种控制方法的控制精度和有效性,仿真结果表明:低通滤波反步法存在相位延迟,不能满足最大功率捕获策略的相位条件,影响系统的最终有功功率输出;反步法的跟踪误差较大,导致系统输出的有功功率较低;卡尔曼滤波反步法的动态性能较好,跟踪电流的波形振幅较小,能保证系统全局收敛,在电机速度方向、幅值和频率突变的情况下,仍能快速准确跟踪给定信号,鲁棒性和抗干扰能力更好。     

自适应卡尔曼滤波算法在压裂作业中的应用

针对采用传统卡尔曼滤波器对压裂作业中压力进行滤波时,难以获得准确数学模型和噪声统计特性而导致滤波效果较差的问题,提出了一种基于拟合优度确定系数的自适应卡尔曼滤波算法(R~2-AKF)。该算法将测量数据的预测值作为回归曲线拟合值,通过计算测量数据的预测值与实际采集值的拟合优度确定系数R~2来确定过程噪声协方差矩阵Q的修正系数α,得到具有过程噪声协方差调整的自适应卡尔曼滤波算法,通过压裂作业现场试验验证了其有效性。试验结果表明:自适应卡尔曼滤波算法能保证系统的滤波精度,具有较强的实时性,是一种简单、有效的实时滤波算法,具有一定的工程指导意义和推广价值。研究结果可以为压裂作业中压力数据采集和分析提供技术参考。